0
预测效率
22min to 17.1s
0
危险区规避
success rate up
0
训练数据
hi-res depth maps
0
数据集
train + val + test
挑战
传统行业航线规划工具在多维城市环境（强辐射区、风场景干扰等）下准确率低、响应速度慢（单次预测需 22 分钟），无法满足实时规划需求。
我的方案
设计图生图技术路径，构建城市深度图到空域安全区识别到快速航线规划的闭环。主导 CVAE + Diffusion 双模型融合结构设计，结合 LoRA 调优提升响应速度与准确性。
过程
1
需求调研
1 周挖掘传统航线工具准确率低、响应慢的核心痛点
2
产品设计
1 周采用图生图技术构建城市深度图到空域安全区到航线规划的闭环路径
3
数据建构
2 周基于 Rhino + Grasshopper 构建 2500 份城市高程深度图，结合 CFD/Ladybug 仿真数据
4
模型训练
2 周推动设计 CVAE + Diffusion 双模型融合结构，结合 LoRA 调优训练
成果
单次预测效率提高 77 倍（22 分钟缩短至 17.1 秒），危险区成功规避率提高 8 倍。模型可迁移至城市应急调度、低空物流等场景。获导师组高度评价。