无人机路径规划最新研究进展调查报告_2026/6/2
无人机路径规划最新研究进展调查报告
摘要
本报告系统梳理了2025年6月至2026年6月期间，无人机（UAV）路径规划领域的最新研究进展与技术突破。通过对arXiv、IEEE、ACM、MDPI、ScienceDirect、Google Scholar等主流学术平台以及CSDN、知乎等技术社区的综合调研，本报告归纳了该领域的研究热点、技术路线、主要研究团队，并展望了未来发展趋势。报告显示，当前无人机路径规划研究正经历从传统优化算法向深度强化学习（DRL）和生成式人工智能的范式转变，多智能体协同、大语言模型融合、端到端自主导航成为核心前沿方向。一、研究背景与调研方法
1.1 调研平台覆盖
表格
| | |
|---|
| | UAV path planning, drone navigation, multi-UAV |
| IEEE Xplore, ACM Digital Library, MDPI, ScienceDirect | autonomous drone, reinforcement learning |
| | UAV trajectory, swarm intelligence |
| | |
| | drone technology, UAV research |
| Science Robotics, Nature Machine Intelligence | |
1.2 时间覆盖说明
本报告重点关注2025年6月至2026年6月期间发表的研究成果，特别重视2025年底至2026年上半年的最新发表论文，以反映该领域最前沿的研究动态。二、研究热点与技术趋势
2.1 深度强化学习（DRL）主导地位持续巩固
深度强化学习依然是无人机路径规划领域最核心的技术路线，其在处理动态环境、复杂约束和多目标优化方面展现出显著优势。2.1.1 DRL算法演进
值函数方法（Value-based Methods）策略梯度方法（Policy Gradient Methods）2.1.2 典型研究成果
表格
| | | |
|---|
| Imam Mohammad Ibn Saud Islamic University | | |
| | | |
| | | |
| | | |
[^1]: Adaptive Reinforcement Learning-Driven Jellyfish Search Optimizer for Cooperative Multi-UAV Path Planning Under Dynamic and Adversarial Conditions.Drones, 2026.[^2]: Choi S C, Lee Y, Cho S W. Reinforcement learning-integrated evolutionary algorithm for enhanced unmanned aerial vehicle coverage path planning.Swarm and Evolutionary Computation, 2025.技术洞察：当前DRL研究呈现出几个明显趋势：一是从单一算法向混合架构演进，将DRL与进化算法、模型预测控制等方法有机结合；二是从仿真环境向真实部署迁移，sim-to-real成为核心挑战；三是多任务学习和元学习开始应用于提升泛化能力。2.2 多智能体协同与集群智能
多无人机协同作业是当前研究的核心热点之一，涉及任务分配、轨迹协调、避碰机制等关键技术。2.2.1 编队控制研究突破
RE-Formation系统（浙江大学，2025）提出基于全局刚性特征保持（GRPF）稀疏图的规划框架[^3]: 浙江大学高飞团队. RE-Formation: Resilient and Efficient Formation Planning in Large-Scale Distributed Aerial Swarms.IEEE TASE, 2025.[^4]: Feng J, Li Z, Chen A. Prescribed-Time Formation Control for Multi-Agent Systems with Bounded Switching Time-Varying Gains.CAICE '26, 2026.2.2.2 对抗环境下的协同决策
AT-Drone基准测试平台（曼彻斯特大学，CoRL 2025）成功将"零样本协调"和"即时团队协作"理论扩展到连续动作空间在传感器视野受限的城市空域实现可解释性好的协同围捕策略2.3 大语言模型与视觉语言模型融合
LLM和VLM的快速发展为无人机控制带来了革命性变革机遇，将高级语义理解能力与物理控制相融合。2.3.1 语言引导的无人机控制
UAV-Flow系统（北京航空航天大学，2025）刘偲教授团队提出Flying-on-a-Word（Flow）范式在真实无人机平台成功部署，支持自然语言对话实时控制涵盖面积达5.02平方公里的真实世界数据集[^5]2.3.2 任务规划与决策优化
LLM支撑的Q-Learning（Zhou等，2025）[^5]: Beihang University. Language-Guided Fine-Grained UAV Trajectory Control.arXiv:2505.15725, 2025.2.4 扩散模型与生成式方法
扩散模型在轨迹生成领域展现出强大潜力，能够建模多模态概率分布。2.4.1 轨迹生成与优化
扩散模型花式飞行轨迹生成（浙江大学，IROS 2025）结合classifier guidance提升避障成功率2.4.2 扩散模型加速推理
PRESTO（德克萨斯大学奥斯汀分校，ICRA 2025）[^6]: Zhejiang University. Automatic Generation of Aerobatic Flight in Complex Environments via Diffusion Models.arXiv:2504.15138, 2025.2.5 端到端自主导航
端到端学习方法跳过传统模块化架构，直接从感知输入映射到控制输出，成为研究前沿。2.5.1 物理融合深度学习
上海交通大学邹丹平团队（Nature Machine Intelligence，2025）2.5.2 视觉语言导航
See, Point, Fly系统（CoRL 2025）2.5.3 点云直接飞控
Flying on Point Clouds with RL（浙江大学，IROS 2025）机载3D激光雷达感知+Sim-to-Real强化学习2.6 感知-规划-控制一体化
在3.0-4.0 m/s高速设置下保持100%成功率三、核心技术与方法论
3.1 路径规划算法分类
3.1.1 传统算法与改进
表格
*A-APF混合算法（中国北方大学，2026）**3.1.2 新型智能算法
表格
3.1.3 深度学习增强方法
3.2 多模态感知融合
3.2.1 传感器融合架构
表格
3.2.2 定位技术进展
3.3 边缘计算与部署优化
3.3.1 机载算力限制
表格
3.3.2 模型压缩与加速
四、应用场景与验证
4.1 农业植保
4.2 消防救援
4.3 搜救任务
AUSPEX开源框架（慕尼黑联邦国防大学，AAMAS 2026）集成 deliberative 和闭环规划执行能力4.4 工业巡检
4.5 物流配送
五、主要研究机构与团队
5.1 国内研究力量
表格
| | |
|---|
| | |
| | Nature Machine Intelligence |
| | |
| | |
| | |
| | |
| | |
5.2 国际研究力量
表格
六、未来发展趋势与挑战
6.1 技术发展趋势
6.1.1 短期趋势（1-2年）
6.1.2 中期趋势（3-5年）
6.2 核心挑战
表格
6.3 伦理与安全考量
七、总结
本调查报告系统梳理了2025年6月至2026年6月期间无人机路径规划领域的最新研究进展。调研表明，该领域正处于深刻的技术变革期，主要呈现以下特征：深度强化学习（DRL）仍是核心方法论，与进化算法、模型预测控制的混合架构成为主流趋势大语言模型（LLM）和视觉语言模型（VLM）开始规模化应用于无人机控制决策端到端自主导航从理论走向实用，sim-to-real迁移取得显著进展从单机向集群、从离线向在线、从封闭向开放的演进加速标准化Benchmark和开源框架推动研究复现与产业对接参考文献（按时间排序）
RL-JSO: Adaptive Reinforcement Learning-Driven Jellyfish Search OptimizerAdvances in Spatial Optimization for Intelligent UAV SwarmsVision-Guided Outdoor Flight and Obstacle Evasion via Reinforcement LearningSAGA: Robust Self-Attention and Goal-Aware Anchor-based PlannerSafe Aerial 3D Path Planning Using Magnetic Potential FieldsZero-Shot UAV Navigation via PBRS, CLF and CBFPA-MPPI: Perception-Aware Model Predictive Path Integral ControlAUSPEX: Open-Source Framework for Closed-Loop Multi-UAV PlanningPrescribed-Time Formation Control for Multi-Agent SystemsMuninn: Trajectory Diffusion Model AccelerationPAD-TRO: Projection-Augmented Diffusion for Trajectory OptimizationVision-Guided MPPI for Drone Racing via Neural SDFsLearning-Based Optimal Control for Multiple Fixed-Wing UAVsTrajectory Planning for Firefighting UAV Based on IDQNSee, Point, Fly: Learning-Free VLM Framework for Universal UAV NavigationMastering Multi-Drone Volleyball via Hierarchical Co-Self-Play RLAT-Drone: Benchmarking Adaptive Teaming in Multi-Drone PursuitDecentralized Aerial Manipulation via Multi-Agent RLAutomatic Generation of Aerobatic Flight via Diffusion ModelsFlying on Point Clouds with Reinforcement LearningPI-WAN: Physics-Informed Wind-Adaptive NetworkRE-Formation: Resilient Formation Planning in Large-Scale Aerial SwarmsUAV-Flow: Language-Guided Fine-Grained Trajectory ControlRAPID: Robust and Agile Planner Using Inverse Reinforcement LearningSwarm Intelligence Control Based on Double-Layer Deep RLReinforcement Learning-Integrated Evolutionary Algorithm for UAV Coverage Path PlanningSurvey on Path Planning Based on Deep Reinforcement LearningGenerative AI-Augmented Graph RL for Adaptive UAV SwarmPath Planning via Continuous Ant Colony OptimizationPRESTO: Diffusion Models for Motion PlanningVLA-AN: Vision-Language-Action Framework for Aerial Navigation2025 IROS/ICRA/RSS/CoRL无人机论文盘点Computer Vision in Modern Drones (2026 Guide)AI Edge Devices for DronesShield AI: Military Drone Autonomy附录：调研检索日志
表格
| | |
|---|
| UAV path planning deep reinforcement learning 2025 2026 | |
| drone trajectory optimization recent research | |
| | |
| multi-UAV coordination path planning 2025 | |
| UAV obstacle avoidance deep learning 2025 | |
| Nature Science Robotics UAV drone 2025 | |
| | |
| UAV trajectory optimization neural network 2025 | |
| | |
| LLM VLM drone UAV control 2025 | |
| ScienceDirect UAV path planning optimization 2025 | |
| IEEE ICRA IROS drone path planning 2025 | |
| diffusion model drone trajectory planning 2025 | |
| transformer UAV autonomous flight 2025 | |
报告生成日期：2026年6月
调查范围：2025年6月 - 2026年6月
本报告内容由AI整理分析，参考文献信息可能存在细微偏差，建议读者查阅原文确认具体信息。
