本文介绍了一种利用无人机进行主动分类的信息路径规划框架，应用于精准农业的杂草检测。它利用全局视点选择和进化优化相结合，在连续的三维空间中优化计划轨迹，同时考虑动态约束；基于占用格子模型对农田中杂草的存在进行建模，并根据信息理论目标生成自适应计划，使无人机高效地收集数据。仿真结果表明，与传统的均匀覆盖方法相比，在同样的时间内建立了熵较低的地图。

Sep, 2016

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

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

本文提出一种通过加入多种传感器数据来进行环境探索的智能体路径规划算法，使用基于高斯过程信念的马尔可夫决策过程进行求解并在线规划中使用顺序贝叶斯优化方法以平衡传感、移动和资源限制，结果表明该方法较以往的算法表现更佳，在资源利用效率和信念平均误差方面都有明显提升，并且我们的实现已经完全开源以方便后续的发展和比较。

Sep, 2022

本文提出了一种基于机器视觉和多层规划方案的无人机自主检测框架，用于评估爆破法隧道开挖表面的地理位置，能够在未知和动态的隧道环境中完成自主检测任务。

Jan, 2023

本文提出了一种基于高斯过程的路径规划算法，以最大化信息获取并满足资源约束；同时，通过多机器人问题中的分配技巧，将该算法扩展到环境监测等多领域中。

Jan, 2014

面向离线环境的自主导航，提出了一种基于航空图像的不确定性感知路径规划方法（URA*），利用集成的卷积神经网络模型从区域感兴趣的航空图像中进行像素级可行性估计，然后应用不确定性感知规划器计算路径，并使用重规划技术来实现在线机器人操作中的快速重规划。结果表明，该方法在初始路径的质量和可行性及重新规划路径的质量方面优于传统规划算法。

Sep, 2023

我们提出了一种预测性框架，使无人机团队能够在协同场地覆盖和火灾跟踪方面进行合作，并提供概率性能保证。

Jun, 2022

本文针对基于蜂窝网络的无人机路径规划问题，提出了使用无线电信号映射技术和图论算法进行路径规划的方法，旨在最小化从起始点到终点的飞行距离，并同时保证在飞行过程中与地面基站之间的通信质量达到预期要求。该方法在降低计算复杂度的同时，能够有效地实现路径规划任务，且可以通过调整无线电信号映射的量化比率来权衡算法的性能和复杂度。

May, 2019