近日，中国电信云计算研究院联合中电信无人科技有限公司在端云协同感知领域取得又一重要进展，合作完成的学术论文《Edge-Cloud Collaborative Multimodal Dehazing for UAV Vision》被数据挖掘领域国际顶级会议 ACM SIGKDD Conference on Knowledge Discovery and Data Mining（KDD 2026） 主会收录。KDD 是中国计算机学会推荐的 CCF A 类会议，也是数据挖掘与知识发现领域最具影响力的国际学术会议之一。该工作主要由中国电信云计算研究院赵君伟，中国电信首席科学家、云计算研究院吴杰院长和中电信无人科技有限公司罗前春合作完成，聚焦复杂低能见度环境下无人机机载算力受限、空地链路带宽波动和多模态数据协同处理等关键问题，提出了面向低空智能服务的端云协同多模态感知计算框架，为算力受限与网络波动条件下的高可靠无人机感知提供了新的技术路径。

在低空无人机应用中，机载平台通常面临计算资源、时间延迟和通信带宽的多重约束，难以在端侧直接部署多模态大模型，也难以将多路高维感知数据完整上传至云端处理。与此同时，空地通信链路受覆盖条件和飞行环境等因素的干扰，带宽波动和传输截断较为常见，进一步增加了实时感知任务的系统复杂度。因此，如何在端侧轻量计算、链路鲁棒传输和云侧智能处理之间进行协同设计，在资源受限条件下有效利用多模态信息，成为低空智能系统和云网融合感知应用中的关键挑战。

图1 端云协同多模态感知计算框架

针对上述问题，研究团队提出端云协同多模态感知计算框架（如图1所示），构建“端侧轻量筛选、链路随流承载、云侧并行增强”的协同处理范式。该框架在无人机端侧以可见光数据作为主锚点，选择对感知任务具有高价值的红外区域信息进行传输，从源头降低端侧计算量与上行链路负担；在传输层面，设计了单轨随流承载机制与中心优先交错调度策略，提升关键区域在带宽受限和码流截断条件下的传输可靠性；在云端，进一步通过多模态对齐、并行处理与置信度聚合机制，实现对关键感知区域的高效融合计算。实验结果表明，该框架能够在端云流水线协同条件下兼顾处理效率与感知质量，并在链路不稳定、码流不完整和跨模态偏差等复杂条件下保持较为稳定的性能表现，展现出面向低空场景的系统鲁棒性。

本次论文入选 KDD 2026 主会，体现了中国电信云计算研究院与中电信无人科技有限公司在端云协同计算、无人机智能感知与多模态信息处理等交叉研究方向的持续合作基础和协同创新能力。该论文收录于 KDD 2026 ADS Track，今年收到 707 篇论文投稿，录用 140 篇，录取率为 19.8%。未来，双方将继续围绕端云协同、低空智能与模型即服务（MaaS）等方向开展深入研究，推动科研创新与实验平台能力深度融合，持续增强在云网融合和行业智能化应用中的技术影响力。