研究文章
AI原生无人机航拍中的镜头意图编译与协同交互设计
摘要
面向缺乏飞行与摄影经验的普通用户，本文提出一种“表达意图—编译镜头—预检反馈—确认执行”的AI原生航拍协同交互框架。系统不把自然语言直接等同于飞控命令，而是先生成可编辑的镜头程序，并以构图预览、风险提示和降级解释支持用户确认。公开研究表明，文本驱动航拍可明显降低操作负荷，结构化运动语言也有助于提升镜头控制的可解释性。本文据此将AI定位为协作式导演，而非不可干预的自动飞手。该设计把自动化能力放在用户可见的协商链路中，使普通用户能够表达结果意图，同时保留对镜头方向、景别、节奏及风险处理方式的最终确认权。
关键词
AI原生交互；无人机航拍；镜头意图；人机协同；可解释设计
参考
SERPIVA V, LYKOV A, SAM J, et al. DiffusionCinema:Text-to-aerial cinematography[EB/OL]. arXiv:2601.17412, 2026.
KIZIL M B, SANLI E, MITRA N J, et al. LAMP: Langua-ge-assisted motion planning for controllable video genera-tion[EB/OL]. arXiv:2512.03619, 2025.
PUEYO P, DENDARIETA J, MONTIJANO E, et al. Cine-MPC: A fully autonomous drone cinematography systemincorporating zoom, focus, pose, and scene composition[J].IEEE Transactions on Robotics, 2024, 40: 1740-1757.42
