近日，ASC实验室在协同三维目标感知领域取得重要研究进展。由夏启明博士生、郑龙辉硕士生、赵世佳博士生、黄勋博士生、吴海博士、温程璐教授（通讯作者）、王程教授共同合作完成的论文“DOtA++: Unsupervisely and Collaboratively Detect Objects from Multi-Agent Observations with Multi-Modal Prior Constraints”被国际学术期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（IEEE TPAMI）录用。IEEE TPAMI是人工智能、计算机科学领域的顶级国际期刊之一，是中国计算机学会推荐的A类期刊，影响因子为18.6。

多智能体协同目标感知是推动自动驾驶、机器人协作、低空经济等应用落地的关键技术，近年来已受到学术界与工业界的广泛关注与持续投入。随着智能体数量的增多，协同感知模型训练需要的人工标注成本成倍增长。实验室结合标签高效的目标感知工作积累（HINTED, CVPR 2024; CPD, CVPR 2024; CPD++, TPAMI 2025等），提出了无需人工标注的多智能体协同三维目标感知方法(DOtA, CVPR2025)，利用多智能体内部的通信信息产生目标感知任务的伪标签，在无需人工标注的情况下实现准确协同三维目标感知。在此基础上，本工作进一步提出DOtA++方法，突破了无人工标注下协同感知场景多类别目标感知难题（如下图所示）。DOtA++引入多模态先验约束（目标的多尺度约束、多智能体一致性观测约束、几何先验约束）克服训练过程中的噪声干扰，并设计基于标签内部多类别对比的迭代训练策略实现高质量信息的拓展，有效解决了无人工标注下协同三维目标感知中标签匮乏与噪声大的问题。

本研究是实验室在多智能体协同三维目标感知方向的重要突破，为协同感知任务的训练样本自动标注提供新的解决方案，为自动驾驶、低空经济等产业降本增效提供有力技术支撑。

图 DOtA++协同感知方法框架图