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

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

本文提出了一种基于深度强化学习的方法，用于规划信息轨迹以增加无人机 (UAV) 发现丢失目标的可能性，以此来解决搜索和救援任务中的活动目标探测问题。

Dec, 2022

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

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

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

本文提出了一个基于实时算法框架的无人机小组搜索多个移动目标的方法，以优化快速及成功发现目标的概率，经过实验验证证明了该方法在不确定条件下的高效性和明显的优越性。

Mar, 2022

该论文提出了一种基于 EGO-Planner 算法的自主搜索与救援无人机系统，通过创新的无人机应用和逆向电机反馈算法来提高无人机的飞行效率和整机微型化，并通过引入 EGO-Planner 规划工具和双向 A * 算法以及目标检测算法解决了智能避障和搜索救援的问题，经过仿真和实地验证，并与传统算法进行比较，该方法在任务中展现出更高的效率和可靠性，同时由于改进的稳健性，这一应用有很好的前景。

Jun, 2024

本篇研究探讨将无人机和可重构智能表面元素与物联网设备集成以被动中继信息的好处，并通过优化问题来最小化平均信息时效，并且使用近端策略优化算法来解决混合整数非凸优化问题，结果表明我们的算法在 AoI 方面优于其他所有算法。

Nov, 2020