云从科技携手上海交通大学、香港科技大学（广州）等科研力量，近日共同推出全球首个面向“空对空”场景的百万级多模态反无人机视觉追踪基准UAV-Anti-UAV，并同步发布基于Mamba架构的基线模型MambaSTS。这一成果标志着我国在低空安全技术与多模态大模型融合领域实现关键突破，为反无人机技术的实战化应用注入核心动力。
随着低空经济加速崛起，无人机安全管控已成为全球技术竞争的焦点。传统反无人机系统主要针对“空对地”或“地对空”场景设计，面对追踪者与目标均处于高速飞行状态的“空中对抗”场景时，往往因双重动态干扰、目标尺度剧烈变化、运动模糊等问题导致追踪失效。UAV-Anti-UAV基准的诞生，恰好填补了这一领域的技术空白。
该基准构建了行业首个大规模标准化测试平台，数据集包含1810个视频序列、总帧数超105万帧，覆盖近9.85小时的追踪场景。数据集中不仅包含固定翼、多旋翼、垂直起降等五大类无人机目标，还创新性地引入自然语言描述标注，支持视觉-语言跨模态追踪研究。更值得关注的是，数据集标注了快速运动、光照突变等15种高难度属性，平均相对速度达0.79，远超现有主流数据集，其包含的微小目标与剧烈尺度变化，被业界称为反无人机追踪领域的“终极挑战”。
为攻克这一技术难题，研究团队开发的MambaSTS模型采用混合架构设计，通过空间、时间、语义三重学习机制实现精准追踪。模型首先利用分层视觉Transformer提取多尺度空间特征，再借助预训练LanguageMamba深度挖掘文本语义信息，即使在目标模糊的场景中也能保持高识别率。其独创的时间Token传播机制，通过Mamba的选择性扫描功能，可留存历史帧中的目标轨迹与外观特征，即使目标被短暂遮挡也能快速重新锁定。
针对视频追踪的实时性需求，模型特别优化为单向扫描机制，显著提升处理效率。在50个主流深度追踪算法的对比评测中，MambaSTS在AUC、mACC等全部5项核心指标上均位居榜首，较第二名领先6.6个百分点。更令人瞩目的是，该模型在传统“空对地”“地对空”数据集上同样展现出顶尖性能，证明其具备跨场景的强大泛化能力。
业内专家指出，UAV-Anti-UAV基准的发布为行业提供了统一的技术评测标准，将推动反无人机技术加速迭代；MambaSTS模型的技术突破，则为安防监控、空域管理、重大活动安保等场景提供了高效解决方案。随着低空经济规模的持续扩大，这项成果有望在保障低空安全领域发挥关键作用。
