很多大佬已经回答了民用、军用无人机的情况。作为无人机圈的PhD和青椒，我从学术的角度补充一下。
无人机的完全自主导航（即不依赖任何外部设备，完全靠自身传感器、计算机实现自主飞行），是一个关键问题，我们希望即使在深山老林，海蚀溶洞等，无人机也能在不受任何人为干预的情况下稳健飞行。这个问题涉及到诸多技术，核心技术的包括状态估计、规划和重建。在这方面，许多国内的学者做出了突出的贡献，达到国际领先水平，下面我主要讲一讲状态估计和规划。
1. 无人机状态估计
无人机的状态估计无疑是一个最基本的模块，它负责以很高的频率告诉无人机：我在哪，我的姿态、速度是什么。其实不光对无人机的导航，状态估计对于自动驾驶、AR/VR等也是一个非常基础的问题。而对于无人机，尤其是小型无人机，基于视觉和惯导融合的状态估计获得了很多关注，因为这种传感器组合成本低、重量轻、功耗低，非常适合小型无人机这种载重、功率都有限的平台。这一技术不得不提香港科大的沈劭劼老师（我博导）以及诸多大佬师兄近年的VINS系列工作，包括VINS-Mono，VINS-Mobile，VINS-Fusion等，关注SLAM和机器人领域的朋友想必耳熟能详。VINS-Mono发表在IEEE TRO上，目前是常年稳居TRO popular article榜首，超过了ORB-SLAM等，Google Scholar引用超过2k次。开源代码在github累计获得超过7k星。更重要的是，许多国内外的实验室，在做无人机、机器人自主导航相关的实验时，经常采用这一状态估计器。许多无人驾驶、机器人公司的定位方案也深受VINS影响。
VINS-Mono在香港科大完成的实验，实验者在操场中走出一个“VINS”，绕操场两圈，随后又绕场外车道半圈，轨迹总长达到2.5km。可以看到定位结果很好地跟跑到、车道等对齐。图片来自论文原文。
VINS-Mono在IEEE官网列为最受欢迎文章No.1
VINS这一研究方向仍在开花结果，比方说 @徐枭涵 将其扩展到多无人机去中心化的相互定位[4]，这应该是近年第一个通过实机实验，展示了厘米级相对定位的工作。@曹绍祖等则将VINS扩展到与GNSS进行紧耦合融合[5]，实现了大尺度环境中持续精准且平滑的定位。相关工作都已发表在IEEE TRO上。一个领域3篇TRO，懂的都懂不必多说。
多无人机厘米级的去中心化相对定位，实现编队飞行[4]
[1] Vision-based state estimation for autonomous rotorcraft MAVs in complex environments，S Shen, Y Mulgaonkar, N Michael, V Kumar，2013 IEEE ICRA
[2] Tightly-coupled monocular visual-inertial fusion for autonomous flight of rotorcraft MAVs, S Shen, N Michael, V Kumar, 2015 IEEE ICRA
[3] Vins-mono: A robust and versatile monocular visual-inertial state estimator, T Qin, P Li, S Shen, IEEE Transactions on Robotics
[4] Omni-Swarm: A Decentralized Omnidirectional Visual–Inertial–UWB State Estimation System for Aerial Swarms, H Xu, Y Zhang, B Zhou, L Wang, X Yao, G Meng, S Shen, IEEE Transactions on Robotics
[5] GVINS: Tightly coupled gnss–visual–inertial fusion for smooth and consistent state estimation, S Cao, X Lu, S Shen, IEEE Transactions on Robotics
终于说到规划了（搓手手），以下多动图预警。前面的状态估计解决了“我在哪”的问题，重建解决了周围环境“长什么样”的问题，而规划则解决“怎么飞”的问题，如果没有规划，一切灵巧的飞行都无从谈起。
2019年之前，国际同行们已经提出了许多不多错的规划方案，包括我的师兄陈竞，高飞， @丁文超等的工作。然而在当时，在障碍物非常密集的环境中，全自主无人机依旧只能以比较保守的速度飞行。一方面，无人机的感知范围有限，通过单目、深度相机等传感器只能感知到数米范围内的障碍；另一方面，运动规划方法的实时效率和成功率还不够高，大多难以在数毫秒内就确保规划出高质量的运动轨迹。在这些限制下，无人机不敢高速飞行，因为很可能无法及时躲避碰撞。
2018 ICRA发表的无人机自主飞行工作[6]
2018年底，我与当时博士即将毕业的 @高飞 一拍♂即合，开始研究复杂环境的高速导航问题。在翻越许多算法、硬件的屎山和屎海之后，Fast-Planner问世并迭代更新，在完全依靠无人机自身算力的情况下，它实现了毫秒级别的规划，而且规划成功率和轨迹质量媲美甚至超过当时的SOTA。基于此，我们也最早发布了复杂环境完全自主高速飞行的demo。
室内复杂场景全自主高速飞行，Video Speed 1x
复杂树林全自主高速飞行，Video Speed 1x
这系列工作发表在TRO，RAL上，都被列为最受欢迎文章（RAL No.1，TRO No.7）。项目Fast-Planner开源至今获得超过1.5k星，许多国内外的实验室和公司都在用这一规划器。IEEE 官媒Spectrum多次报道了这一系列工作。
Fast-Planner相关文章在IEEE官网列为最受欢迎文章No.1
IEEE Spectrum Video Friday栏目转发我们的视频
高飞老师毕业后到了浙江大学当助理教授，将无人机运动规划发扬光大，机器人顶会顶刊光速连载。其中有两个工作十分值得关注。一个是 @汪哲培 近期在TRO发表的GCOPTER，它使得轨迹优化中所有空间、时间相关的变量同时优化，并且能考虑更复杂的约束，比如无人机全机身的安全约束。如果说Fast-Planner敲开了无人机复杂环境高速飞行的大门，那GCOPTER则是将轨迹优化拉到了天花板，做到时间空间最优。话不多说，上动图。
规划轨迹穿越连续的狭窄缝隙
无人机高速飞行第一视角
另一工作是近期发表在Science Robotics上面的文章，相信不少朋友已经被刷过屏了。其核心内容是将GCOPTER扩展到了分布式的多无人机轨迹规划，并展示了穿越树林、编队飞行、多机追踪等应用。当然，这里面的工程细节也令人叹服，比如微小无人机的设计，相互定位，通信等。
另外也介绍一下香港大学张富老师近期的工作，比如 @Yunfan 等，很好地跟HKU MARS LAB绝活的LIDAR-based感知[12,13]结合，通过完全在线的感知与规划实现狭窄空间的穿越。而在此之前，大多穿越狭缝的demo需要借助运动捕捉系统。
[6] Online safe trajectory generation for quadrotors using fast marching method and bernstein basis polynomial, F. Gao, W. Wu, Y. Lin and S. Shen, IEEE ICRA 2018
[7] Robust and efficient quadrotor trajectory generation for fast autonomous flight, B. Zhou, F. Gao, L. Wang, C. Liu and S. Shen, IEEE Robotics and Automation Letters
[8] RAPTOR: robust and perception-aware trajectory replanning for quadrotor fast flight, B. Zhou, J. Pan, F. Gao and S. Shen, IEEE Transactions on Robotics
[9] Geometrically Constrained Trajectory Optimization for Multicopters, Zhepei Wang, Xin Zhou, Chao Xu, Fei Gao, IEEE Transactions on Robotics
[10] Swarm of Micro Flying Robots in the Wild, Xin Zhou, Xiangyong Wen, Zhepei Wang, Yuman Gao, Haojia Li, Qianhao Wang, Tiankai Yang, Haojian Lu, Yanjun Cao, Chao Xu, Fei Gao Fei, Science Robotics (SR)
[11] Online Whole-body Motion Planning for Quadrotor using Multi-resolution Search, Yunfan Ren,Siqi Liang,Fangcheng Zhu,Guozheng Lu,Fu Zhang
[12] Fast-lio2: Fast direct lidar-inertial odometry, W Xu, Y Cai, D He, J Lin, F Zhang, IEEE Transactions on Robotics
[13] R3LIVE: A Robust, Real-time, RGB-colored, LiDAR-Inertial-Visual tightly-coupled state Estimation and mapping package, Lin, Jiarong, and Fu Zhang, IEEE ICRA 2022
2022年年底，我加入中山大学人工智能学院任助理教授。我的导师、师兄和同行们在无人机学术领域做出了突出贡献，实乃吾辈楷模，我将以其为榜样，继续在无人机圈发光发热，研制新一代的黑科技。这里也欢迎对机器人、无人机感兴趣的，想读研、读博或者交换的同学关注我们实验室，我们一起为无人机技术的领先贡献力量。我的主页是：sysu-star.com。
|
