本研究提出了一种新的无人机协同感知框架LIF，解决了现有方法忽视无人机视角特征的问题。LIF通过交换紧凑的检测结果和引入不确定性驱动的通信机制，减少通信开销，提升信息共享质量和性能，实验验证了其效率和实用性。

本研究提出CoDTS框架，解决协同感知方法中全标注数据集成本高的问题，通过适应性补充学习生成高质量伪标签，优化伪标签的质量与数量平衡，实验证明在稀疏监督协同感知中取得新进展。

过去十年，单一机器人感知有进展，但多机器人协同感知研究较少。本文提出一个创新的数据集，利用空中和地面机器人的协同优势，提供多样化的传感器视角和高级感知注释，促进多机器人协同感知算法的研究。

该研究探讨了协同感知在连接和自动驾驶车辆中的应用，并提出了一种安全分析及应对措施，以减轻恶意攻击对感知结果的干扰。实验验证攻击方式成功率较高，提出了异常检测方法缓解恶意攻击的影响。