耿萍

無人機在復雜環(huán)境中不怕迷失方向了，迅速找到目標！

北航劉偲教授團隊提出高低無人機協(xié)同導航新范式，兩臺無人機分工配合：高空無人機作為“全景指揮官”，負責全局感知與推理；低空無人機作為“地面?zhèn)刹靻T”，執(zhí)行精細導航與目標搜索，兩者協(xié)同快速找到目標。

話不多說，來看實例。想讓無人機“去湖邊指定房子附近找到那輛停在樹下的汽車”，單臺無人機要么飛得太高，看不到樹下的汽車；要么飛得太低，顧不上房子、湖泊這些宏觀地標。單臺無人機在復雜環(huán)境中容易迷失方向，但當高低空無人機協(xié)同作戰(zhàn)，就能快速找到目標：

如下三張圖分別從“前視圖、高低無人機軌跡、概率預測圖”角度，展示此方案如何工作：

像找小狗這樣的小型目標，也能快速配合完成定位：

若目標物標有特定字母、文字描述也可精準匹配：

依據(jù)目標人物周邊環(huán)境的細節(jié)特征，也能完成精準識別：

為支持該任務，團隊基于UAV-Need-Help構建了HaL-13k數(shù)據(jù)集，并設計了協(xié)作框架AeroDuo。他們在Openuav仿真環(huán)境對AeroDuo測評，驗證了其高低協(xié)同在環(huán)境覆蓋、導航精度與自主性之間的有效平衡。

團隊表示，本文研究成果將發(fā)表于ACMMM2025。以下是更多細節(jié)。

數(shù)據(jù)集構建

考慮到UAV-Need-Help數(shù)據(jù)集中僅包含單無人機信息，研究團隊在此基礎上補充采集了高空無人機的軌跡與感知數(shù)據(jù)，并優(yōu)化部分原始軌跡，構建出HaL-13k數(shù)據(jù)集。數(shù)據(jù)集構建示意圖如下：

高空無人機規(guī)劃策略

為提升高低無人機系統(tǒng)的感知與決策能力，研究團隊構建了多模態(tài)統(tǒng)一框架Pilot-LLM，利用大語言模型進行多模態(tài)推理。

其中，為了更好地整合高空無人機歷史信息，研究團隊提出全局地圖構建模塊，通過正射投影消除畸變，并拼接歷史圖像生成統(tǒng)一坐標系下的地圖，提升環(huán)境理解與目標定位能力。

此外，為避免精確坐標預測誤差，采用輕量解碼器生成目標概率分布圖，兼顧探索能力與空間建模效果。

低空無人機導航搜尋策略

低空無人機采用三階段導航搜索策略：首先，根據(jù)高空無人機的預測概率圖選取高置信度區(qū)域的質心作為導航目標并結合A*算法規(guī)劃關鍵航點；隨后，利用基于強化學習的避障策略，實現(xiàn)安全靈活的路徑執(zhí)行；最后，通過視覺語言模型進行目標檢測與定位。

團隊表示，未來這套協(xié)同模式能輕松擴展到多機協(xié)作——在高空無人機預測出目標概率分布圖后，它可以提取多個潛在目標位置，并借助優(yōu)化算法（如匈牙利算法）將這些任務分配給各個低空無人機。

同時，通過優(yōu)化動作控制確保安全避障，補充真實環(huán)境數(shù)據(jù)訓練模型，也有助于將高低無人機系統(tǒng)從仿真環(huán)境中遷移到現(xiàn)實場景。

項目主頁：https://rey-nard.github.io/AeroDuo_project/