该论文介绍了一种基于无人机的信息路径规划框架，在复杂环境下实现高效数据采集，通过对地形进行离散或连续变量的映射，学习和关注感兴趣区域，并通过优化初值解得到连续 3D 空间中信息丰富的轨迹，证明该方法比现有方法更高效。

Sep, 2018

本研究提出了一种基于高斯过程模型的无人机自适应信息路径规划算法（OA-IPP），该算法可以在复杂的三维环境中进行目标搜索，该算法与现有的路径规划算法相比表现更好，可以应用于实际的城市搜救情景。

Feb, 2019

本文提出了一种基于深度学习的无人机自适应路径规划算法，解决了无人机低空精细监测和高效数据采集的问题，并提出了一种新的深度学习精度模型，可以在不浪费能源的情况下获得高分辨率的语义分割图像。实验结果表明本方法可推广应用于不同领域。

Mar, 2022

一种用于 UAV 辅助网络的新型自监督路径规划方法，通过离线解决训练示例并使用解决方案作为演示来让 UAV 学习世界模型从而理解环境，并隐含地发现优化器的策略。具备世界模型的 UAV 可以进行实时自主决策和在线规划，通过对预期惊喜进行评分，可以选择最优策略。此方法比传统的 RL 更快适应新情境且性能更好，从而具备更广泛的泛化能力。

Mar, 2024

本文提出了一种基于群体智能的方法，用于解决无人机的合作路径规划问题，该问题对于基础设施的自动检查至关重要。该方法使用结构的三维模型生成无人机的视点，并考虑无人机编队模型、相机参数和数据后处理要求的约束，计算视点。然后，将视点作为输入，将路径规划作为扩展的旅行推销员问题，并定义一个新的成本函数。最后使用蚁群优化来解决这个问题，得到最优的检查路径。对真实结构的 3D 模型进行了实验以评估所提出方法的性能。结果表明，与另一种启发式方法相比，我们的系统不仅能够为无人机生成可行的检查路径，而且在复杂结构中可以将路径长度减少 29.47%。该算法的源代码可以在此 https 的 URL 找到。

Feb, 2024

本次工作中，我们提出了一个统一的搜索规划框架，通过考虑低级任务限制，任务目标和用户定义的任务规范来实现无人机在三维空间内搜索规划的自动化和执行，以帮助在紧急响应任务中定位幸存者和需要救援的人群。

Apr, 2023

针对智能四旋翼无人机，本文提出了一种稳健可靠的自主规划系统，结合动态障碍物的跟踪和轨迹预测实现高效可靠的自主飞行，采用轻量级目标检测算法识别动态障碍物，利用卡尔曼滤波跟踪和估计其运动状态，在规划阶段不仅考虑静态障碍物而且考虑动态障碍物的潜在移动，使用基于 B 样条的轨迹搜索算法生成轨迹，并通过各种约束进一步优化以提高安全性和与无人机运动特征的一致性，在仿真和实际环境中进行实验，结果表明我们的方法能够实时检测和避开动态环境中的障碍物，相较现有方法在可靠性上有更大优势。此外，在自然语言处理（NLP）技术展示出卓越的零样本泛化能力的进展下，更友好的人机交互变得可行，本研究还探索了自主规划系统与大型语言模型（LLMs）的集成。

Nov, 2023

该研究论文探讨了一种面向空中无人机的干扰感知联合路径规划和功率分配机制，旨在最大化上行吞吐量并降低地面用户设备的干扰，模拟结果表明该方法可以实现专家级别的性能水平。

Jun, 2023

全球导航卫星系统（GNSS）受限环境要求无人机（UAV）以节能可靠的方式飞行。为此，本研究提出了适用于无人机在 GNSS 受限环境中的感知与能量感知的运动规划。该规划器通过优化成本函数来解决轨迹规划问题，其中包括无人机总能耗和激光雷达（LiDAR）传感器的感知质量两个指标。仿真实验在逼真环境中证实了该规划器在异方差不确定性下能够平衡节能和感知质量的权衡。

Sep, 2023

该论文提出一种新的端到端强化学习方法来规划机载无人机收集物联网中的分布式传感器节点的数据，以实现对下一代通信网络的支持。通过训练一个双重深度 Q 网络来实现对不同情况参数的泛化控制，从而使代理可以根据平衡数据收集目标和飞行时间效率的安全约束，在各种场景参数下做出运动决策。

Jul, 2020