基于双探测器框架的AAV着陆专家切换：仿真研究

可靠的 helipad 检测是 Autonomous Aerial Vehicle（AAV）着陆的关键，尤其是在GPS被剥夺或视觉受损的情况下。虽然现代检测器如YOLOv8提供了强大的基线性能，但单模型管道在 descent 中遇到的极端尺度转换下难以保持鲁棒性，其中 helipad 在高空处呈现小尺寸，在触地前呈现大尺寸。为解决这一局限性，我们提出一种尺度自适应双专家感知框架，将检测任务分为远程和近程两个 regime。两个 YOLOv8 专家在尺度专业化版本的 HelipadCat 数据集上训练，使一个模型在检测小尺寸、低分辨率 helipad 上表现突出，另一个模型在目标占据视野时提供高精度定位。在推理期间，两个专家并行运行，几何门控机制选择最符合 AAV 视点预测的专家。这种自适应路由防止了在跨越宽广高度范围时单探测器系统常见的性能下降。双专家感知模块在集成 CARLA 光栅化渲染与 NASA GUAM 飞行动力学引擎的闭环着陆环境中进行评估。结果表明，与单探测器基线相比，双专家方法在对齐稳定性、着陆精度和整体鲁棒性方面实现了显著提升。通过引入针对着陆问题的尺度感知专家路由策略，本工作推动了自主下降领域的鲁棒视觉感知，并为未来的多专家 AAV 框架奠定了基础。