AviationLMM：面向民航的大型多模态基础模型

民航是全球交通和商业的基石，确保其安全性、效率和客户满意度至关重要。然而，民航领域的传统人工智能 (AI) 解决方案仍然处于孤立和狭隘的状态，侧重于孤立的任务或单一模态。它们难以整合语音通信、雷达轨迹、传感器流和文本报告等异构数据，这限制了态势感知、适应性和实时决策支持。本文介绍了 AviationLMM 的愿景，这是一个面向民航的大型多模态基础模型，旨在统一民航的异构数据流，并实现理解、推理、生成和智能体应用。我们首先指出现有 AI 解决方案与需求之间的差距。其次，我们描述了该模型架构，它接收空地语音、监视、机载遥测、视频和结构化文本等多模态输入，执行跨模态对齐和融合，并产生从态势摘要和风险警报到预测性诊断和多模态事件重建的灵活输出。为了充分实现这一愿景，我们确定了需要解决的关键研究机遇，包括数据获取、对齐和融合、预训练、推理、可信度、隐私、对缺失模态的鲁棒性以及合成场景生成。通过阐述 AviationLMM 的设计和挑战，我们旨在推动民航基础模型的进展，并促进为一个集成、可信且保护隐私的航空 AI 生态系统而开展的协同研究工作。