改革视点

　　【编者按】习近平总书记关于教育的重要论述，为深化新工程教育改革指明了方向、提供了根本遵循。将新时代我国工程建设领域的标志性成果转化为高水平案例教学资源，是推进培养要素创新、服务卓越工程师培养的重要路径。学校始终将工程案例开发与教学实践作为研究生教学的核心环节，通过构建沉浸式案例情境，推动理论知识与工程实践紧密结合，实现教学内容与行业需求有机衔接，促进研究型教学模式创新，着力培养具有系统工程思维、突出实践创新能力、能解决复杂工程问题的新时代卓越工程师。

　　截至目前，学校已有一大批优秀工程案例先后入选教育部学位中心案例库。为进一步推进案例开发建设、深化教学应用成效，新闻中心特推出"研究生精品课程”之“工程案例"系列报道，旨在为优化工程案例开发、培育、应用机制，持续提升学生的实践创新能力提供参考和借鉴。

　　无人集群系统自主协同是国家“新一代人工智能”共性关键技术，随着人工智能与无人机技术的快速发展，无人机蜂群技术因其高效协同、低成本和高灵活性的特点，在军事、救灾、智能交通等领域具有广阔的应用前景，已成为国家战略布局的重要组成部分。

　　电子科技大学持续深化工程硕博士培养改革，积极构建与卓越工程师培养目标适应的产教融合课程体系，着力打造电子信息领域卓越工程师培养的“样板间”。电子科学与技术研究院王磊副教授以“理论-算法-仿真-实践”闭环培养为核心，开发了“基于光流估计和极限环避障的无人机蜂群控制研究案例”。这一案例不仅服务于研究生培养，还紧密结合国家战略需求，推动工程科研与教学的深度融合。

无人机表演背后的"隐形翅膀" 

　　“无人机表演看似简单，实则涉及环境感知、协同控制、动态避障等核心技术。”作为学校首批结项的优秀研究案例之一，该项目首席专家王磊副教授与记者分享了该研究案例的特色做法与实践经验。

王磊（右一）在与学生记者交流中

　　王磊说，团队从2019年国防白皮书对“智能装备小型化与协同化”的要求出发，结合科技部“科技创新2030—“新一代人工智能”重大项目申报指南”，将科研方向与教学案例深度融合，最终形成了这一闭环培养体系。

基于视觉感知的无人机集群飞行控制软件

　　基于视觉感知理论与方法，本案例研究并解决无人机状态感知、群体避障控制两个关键问题，利用四旋翼无人机相机连续拍照，获取邻居无人机和环境障碍物图像数据；基于光流估计建立目标或障碍物状态信息感知方法，检测并提取观测目标的相对位置、速度、距离、外形等关键信息，结合凝聚、对齐、分离等群集行为准则，改进局部极限环避障方法，设计和实现无人集群的飞行控制和避障控制算法和模块；利用 AirSim、Unreal Engine 和 Matlab 仿真平台，仿真验证飞行和避障控制算法，形成无人集群的分布式感知和避障控制能力。

科研"孵化"教学的闭环密码 

　　本案例面向工程硕博士研究生开设课程，通过讲解、分析、讨论及实践指导等教学过程实施，致力于提高工程硕博士研究和分析问题的能力、算法分析与设计的能力、仿真实现的能力、实验设计与分析总结的能力。

　　同时，案例深度融合理论知识与工程实践，有助于提升研究生工程实践能力和创新思维，推动和深化工程教育产教融合改革，服务卓越工程师人才培养的目标和要求。

　　在教学理念上，王磊强调“学以致用”。他要求学生组会报告练表达、练概括、练气场，不断提高汇报内容的质量；平时多做实验、多写笔记、多做交流、多做总结，夯实科研过程和细节的每一个步骤。这种“输出倒逼输入”的方式，不仅提升了学生的表达能力，更培养了他们的专业实践能力。

基于神经网络的速度可控无人机集群避障

　　“我们把科研流程拆解成教学模块，让学生从算法复现到参数优化逐步实践。”王磊介绍，团队采用“课题分解”策略，将无人机集群控制技术研究拆解为感知、飞控、避障和执行等小模块，以四个环节递进方式插入进研究生教学及研究课题当中，每个环节都以真实工程问题为导向。

　　王磊的课堂打破了传统讲授模式，以“翻转课堂”问题链串联起整个教学模块。他采用“课前自主学习+课中深度研讨+课后实践迭代”的翻转模式：学生课前通过经典文献研读完成光流算法的基础学习，课中围绕“如何提升复杂环境下的障碍物感知定位精度”展开小组辩论，课后利用AirSim仿真平台验证改进方案。

　　“我们更关注学生的成长轨迹，而非一次考试的结果。”王磊说。基于这样的理念，他突破传统的笔试考核，以多元评价方式，聚焦“复现能力”“优化能力”“创新能力”三个方面，让学生自主选题，学习开源的算法模型，为此设计了"金字塔式"评价体系：底层是算法复现能力，要求学生能完整运行开源避障算法；中间层是优化能力，鼓励学生通过参数调优提升算法效率；顶层是创新能力，支持学生提出全新的避障策略，从而让创新能力变得“可衡量”。

　　同学们的反馈也在评教结果上具象化，课程评教分数逐年提升，学生反响也越来越好，部分研究生已能基于现有模型提出动态避障算法优化方案。

　　在王磊看来，教学的终极目标是培养“既能钻算法，又能造样机”的复合型人才。他计划带领学生从基础的STM32飞控板调试开始，逐步接触ROS机器人操作系统、PX4开源飞控框架，最终实现从算法开发到硬件部署的全流程掌握，“我们鼓励学生先做‘模块专家’，再成‘系统通才’”。

"光流"与"极限环"的育人哲学 

　　“我们不追求一步到位的产品，而是通过渐进式研究培养学生的系统思维。”王磊解释道，这种“从仿真到实物”的培养模式，让学生在理论学习和工程实践之间找到平衡。

　　在王磊的课堂上，学生不仅学习理论知识，更要参与真实科研项目。团队开发的无人机去雾模型有望应用于行业目标识别，提高了小目标的检测能力。

　　2024级硕士生张佳杰在参与该项目后表示：“通过实际项目，我学会了如何将理论知识转化为工程实践，为从‘算法研究者’到‘系统架构师’打下基础，这种能力对未来职业发展至关重要。”

　　系统科学方向的硕士生李南茜认为，课程让她对复杂系统的建模有了更系统、更深入的理解，还对无人机避障算法有了全新的认识，培养了自己从整体去看待问题的能力。而王磊的言传身教也让她学会去将所学知识应用到实践当中，提升实践水平和创新能力，感受科技的魅力，实现知识的互补与创新，激励自身不断前行。

　　“无人机技术不仅是科研课题，更是国家战略需求。”王磊在教学中融入课程思政元素，引导学生将个人研究与科技报国结合。课题组已瞄准低空经济行业项目，积极策划与企业合作开发面向智能交通的无人机系统。

　　“无人机蜂群是连接学术探索与工程实践的绝佳平台。”王磊表示未来将从三方面深化研究：一是引入动态障碍避障与多机协同决策，升级算法框架；二是开发物理样机，推动仿真技术落地；三是对接低空经济、智能交通等新兴领域，更新案例库。

电子系统综合与集成团队

　　“我们希望构建‘软算法+硬平台’的完整培养体系，让学生在渐进式实践中‘能创新、敢落地’，成长为国家战略需要的兼具理论深度与实践能力的复合型人才。”正如他在课堂上常说的：“科研的最终目的，是让技术真正改变世界。”