中国是消费级无人机的研制大国，近年来，随着消费级无人机市场的日趋饱和，工业级无人机逐渐成为新兴的产业主体，已经融入日常工作生活，并在众多领域发挥愈来愈重要的作用。

随着人工智能、视觉导航、微电子等前沿技术的突破，无人机与多学科交叉融合使新构型无人机不断涌现，并随着人机交互技术研究的不断深入，应用领域进一步拓宽和深化。

强化无人机管控政策

全球无人机行业发展迅猛，商用、消费级无人机市场逐年增长，为解决企业、消费者等存在的无人机领域痛点问题，挖掘无人机行业潜在效益，各国纷纷出台政策，促进无人机行业的良好发展。

英国监管地平线委员会（RHC）发布的无人机监管调研报告

国内无人机行业近年来也受到各级政府的高度重视和国家产业政策的重点支持。国家出台了多项政策，鼓励民用无人机行业健康快速发展。

中国电子技术标准化研究院颁布的《智能无人集群系统发展白皮书》

相比过去几年，无人机相关政策与法规在2021年得到了进一步细化，内容更加完善明确，监管措施得以强化，以促进无人机行业的合法化运行。

未来，无人机的空中飞行与运行将会有国际标准化的趋势，无人机主体将由消费级无人机向商用无人机转化，相应城市空中交通运输也将开启规模市场。

应用扩展与技术革新

2021年，无人机作为逐渐成熟的空中平台，与传统行业相结合，在航空航天、军事、气象探测、植保等领域中均展现出其广阔发展前景与无限潜力。

同时，新构型仿生无人机的研发与应用为无人机行业注入新活力，也为跨域融合发展开辟新蓝海。

“毅力号”火星探测器搭载了一架“机智号”无人机，2021年4月19日该无人机在火星上进行了首飞，成为了人类历史上首架在其他行星上飞行的可控无人飞行器；

马丁公司制造的V-Bat可垂直起降无人机将与ShieldAI公司的人工智能技术结合，从而获得自主和集群能力；

亨索尔特公司将于2024年底前协助军方研究利用人工智能进行无人机群的战术级决策。

“机智号”无人机

国内，浙江省血液中心和浙大二院共同建立了全国首个无人机急救送血专用航线；

北京航空航天大学“冯如三号”团队研制的25~100 kg级油动固定翼无人机跃居全世界油动固定翼无人机（重量等级无差别）续航时间的榜首；

民航总局首次使用垂直起降固定翼无人驾驶飞行器，进行超长距离海岛场景物流运输实践；

河南省大规模极端强降雨期间，“翼龙”无人机空中应急通信平台实现了约50 km²范围长时稳定的连续移动信号覆盖；

中国航空工业集团有限公司自主研制的“翼龙-10”搭载多种气象探测载荷，成功完成了飞行试验；

山东冠县用10架无人机结合其他监控检测设备，打造空天地“啄木鸟”智慧监管平台。

农业植保是无人机民用和商用的重要市场之一。

Su等利用无人机搭载相机对植被进行拍照，结合U-Net深度学习网络，解决了小麦黄锈病监测问题。

Pretto等开展了利用无人系统进行精细化种植的研究，提出采用旋翼无人机对植被进行空中巡逻监测的植保方案。

PATS Indoor Drone Solutions公司研发了一款自主捕捉害虫的无人机，解决了温室中存在有害昆虫的问题。

仿生无人机也是无人机行业发展的重要方向。

崇实大学研究人员基于风媒种子的特点，同合作团队设计了一种在环境中受控制、无动力的微型三维机械结构，在未来有望辅助实现环境监测。

加州理工学院研究人员受鸟类启发，打造了一种能走能飞的双足机器人。

斯坦福大学与格罗宁根大学合作研发了一种仿游隼足部的机器脚爪，利用这种机器脚爪，旋翼机能够在各种表面起飞与停留，同时节省能耗。

仿游隼机械爪

Floreano等设计了一种机头带抓爪的固定翼无人机，能够在不同姿态下通过机械装置吸收和存储撞击时的动能来进行停靠。

Floreano等还在微型无人机固定翼上方加入一对仿翅鞘翼，能够增强微型固定翼无人机自我扶正能力，同时不影响飞机的气动效率。

Chen等制造的一种扑翼式微型仿昆虫无人机能够控制悬停，还可在碰撞后快速恢复。

扑翼式微型仿昆虫无人机

无人机自主控制关键技术

无人机将越来越多搭载人工智能技术，从顶层与底层控制实现核心关键技术的创新突破。

同步定位与建图（SLAM）技术作为一种运动体状态估计的方法，在机器人、无人机等领域占有重要地位。

Liu等利用激光雷达和SLAM生成语义地图，纠正视觉-惯导产生的漂移，并同无人机控制环相结合，实现了在密集树林中、弱GPS环境下的无人机快速飞行。

Qu等通过全景深度图将雷达扫描分段化，其数据分段存储在环形缓冲器中，每一段进入缓冲器后立即与前一段进行融合，在大大减小测量延迟的同时保持大数据吞吐量。

Loquercio等借鉴端到端学习的方法，提出采用卷积神经网络（CNN）将传感器数据映射到无人机控制量上，在仿真环境中进行训练，在实际外场环境的验证中获得了较高的成功率。

野外高速飞行

实际场景需考虑风扰等不确定因素，Paris等通过4个分布在无人机表面的气流传感器估计无人机空速，并用递归神经网络（RNN）估计旋翼和传感器之间的气动作用。

Tagliabue等设计了一种新型的鲁棒管模型预测控制器（RTMPC）作为专家经验，进行四旋翼无人机轨迹跟踪训练，一定程度上增强了模型的鲁棒性，同时使训练更加高效。

Everett等提出一种凸松弛算法，对具有神经网络控制器的闭环系统进行了轨迹正向可达集的分析与求解，比其他经典算法的计算速度更快，误差更小。

Raja等利用中央控制器对无人机群按照距离远近进行组网控制，采用A*算法进行轨迹规划，并采用信息加密方式进行信息传输。

麻省理工学院与宾夕法尼亚大学共同提出了一种算法将集群中的通信数量量化为拓扑图中的度，结合Transformer算法根据拓扑图进行通信选择，以达到最小化通信量的目的。

有线网络一般能提供更长的传输距离、更高的网速和更高的可靠性。

Gao等针对机载ad hoc网络，设计了一种数据路由决策方案，用有线传输进行对地通信，在机-机通信中采用ad hoc无线网络，并用改进贪心算法实时选择下一多跳节点。

Schilling等依据动物群体中利用视觉完成群体运动，提出了一种二维的基于视觉的无人机集群探测和跟踪方法，并与Reynolds集群控制方法相结合，实现了3架无人机的外场飞行验证。

无人机集群具有冗余度高、搜索范围广、任务执行能力强等优势，能够应用于复杂场景。

Kumar等提出了一种基于李雅普诺夫方法的分布式速度控制器，从运动学层面对二维无人机集群进行控制，实现了无碰撞动态避障，但该方法可扩展性不佳。

Zhang等设计了一种双领导者的仿轴承结构编队，具备更高的灵活性和可扩展性。

Li等融合了基于视轴线的阈值法与改进的拓扑相似度关联方法，实现了多目标的高精度定位。

对执行检查、探索或搜索和救援等任务的系统，多机器人覆盖问题是一个基模块。

Medeiros等将无人机集群应用在洪灾搜索中，并提出了一种节省无人机能耗的控制算法。

Tolstaya等将覆盖问题离散化为位置空间图，将机器人当作图中节点，并训练图神经网络来模仿开环轨迹规划求解器，以达到集群数量可扩展的目的。

Chen等将无人机作为空中基站，在空-陆无线缓存网络下对无人机群设计了一种分布式三维轨迹规划方法，用来跟踪地面移动端。

Cai等针对无人机-无人车异构集群动态路径规划提出了一种基于局部搜索的分布式算法，使集群中每个个体通过不断提出有利于自己的轨迹以实现使总的集群目标函数最大。

无人机-无人车协同异构

在物流运输情境下，Huang等针对无人机-地面车辆协同路径规划问题，综合考虑机-车路径遍历时间同等待时间的耦合性以及无人机电池寿命，提出了一种基于改进标号法的算法，求解最小时间路径。

无人机集群验证

目前，在复杂环境、复杂任务、通信约束等情况下，实现面向实际工程应用的无人机大规模自主集群仍有较大差距。

现有模型中很少有无人机集群能够在密集杂乱的环境下飞行。

Soria等提出一种采用非线性模型预测的控制方法，利用集中式控制实现5架无人机在复杂环境中的避障。

但是，集中式方法会限制无人机集群规模，该方法中求解凸优化问题算法要求的算力较高，Soria等对代价函数进行了创新改进，提出了一种分布式模型预测控制方法以达到一定规模的集群协调控制，通过地面站在线程之间交换信息来模拟无人机相邻个体之间的信息交互，实现了无人机集群自组织避障飞行。

室内集群避障

荷兰、西班牙和哈佛大学的研究人员开发出了一种非结构环境下集群避障规划算法，能使37.5 g微型四轴旋翼机集群在有障碍的未知、无GPS环境下绘制区域地图，定位气体泄漏源。

印度研发的一种进攻性无人机集群系统由75架无人机组成，可自主识别和击落目标。

以色列军队在加沙战役中部署了小群四旋翼无人机，当检测到火箭或迫击炮发射时，其他武装飞机或地面部队会攻击火源。

美国国防部高级研究计划局（DARPA）第4次“小精灵（Gremlins）”项目部署中，2架无人机成功完成所有编队飞行位置和安全任务，且一架无人机被成功回收，这是美军从母舰部署大批无人机的重要里程碑。

“小精灵”项目试验

此外，DARPA的“进攻性蜂群使能战术（OFFSET）”项目也进行了现场综合试验（FX-6）。

无人机集群大赛可驱动智能无人机集群技术发展，并推动科技创新与无人机创新人才培养。

第二届空军“无人争锋”智能无人机集群系统挑战赛在河北涞水中国电科电子科技园成功举办，该赛事突出自主控制、任务协同、群体智能、虚实结合、实战考核，进一步强化了近实战环境下对集群系统各项技术的检验。

2021第二届“无人争锋”

2021年“智能无人系统应用挑战赛”在湖南长沙成功举办，大赛以“无人自主，勇争先锋”为主题，核心内容与未来无人系统应用高度契合，一步推动了无人系统智能感知、认知、交互、协同等关键共用技术的发展。

“智能无人系统应用挑战赛”协同追踪

人机交互技术

人机交互技术是指通过计算机输入、输出设备，以有效的方式实现人与计算机对话的技术。

虚拟现实是实现人机交互的一种重要手段，对非拟人虚拟形象（如虚拟无人机），Macchini等的研究成果验证了为了增强体验感，需要第一人称视角和第三人称视角相配合。

人体动作进行VR固定翼飞行

为方便新手操作无人机，Ramachandran等将人类躯体运动直接与无人机飞行指令映射，设计了一种可穿戴触觉袖套，使用者可以移动手肘和手腕对虚拟无人机进行平面控制并进行避障。

Macchini等利用机器学习中的岭回归模型作为映射函数，使得人能够通过手势操纵虚拟无人机群。

Zheng等针对电力传输网络修复场景，提出了一种协同进化算法，同时进化无人机调度和人员调度问题，为每个无人机调度匹配最佳人员调度方案，并对无人机调度方案进行反馈改进。

瑞士、德国、意大利几所大学研究人员共同提出了一种纳米无人机控制算法，设计卷积神经网络实现纳米无人机从利用相机感知到自主控制功能，使其能够与移动的人保持固定距离。

Tognon等为听障或视障人士开发出一种牵引式无人机，通过弹性绳索将人导引至目的地，该方法对人-绳索-无人机进行系统建模与控制器设计，在此基础上考虑人的实际运动情况，设计了一种路径跟踪算法。

有人机与无人机组成的混合集群编队协同作战，技术难度上要小于“全无人机集群”作战。

DARPA“空战演进计划（ACE）”项目是为实现“马赛克战”而设计的几个项目之一，旨在用最新技术不断升级有人-无人协同系统，在2021年开展了2 vs 1模拟AI混战，为第二阶段现场小型飞机混战打下基础。兰德公司发布的3份关于“马赛克战”报告，则进一步推动“马赛克战”发展。

美国提出的“忠诚僚机”无人机已有较大进展。波音公司和澳大利亚皇家空军已宣布，“忠诚僚机”无人机首飞成功。美国海军进行了“无人系统综合战斗问题21（UxSIBP 21）”演习，以将多领域有人和无人系统整合到不同作战场景中。

有人机-无人机协同作战需要考虑飞行员的工作负荷。Singh等将有人机与无人机当作平等的智能体，在此前提下基于生理信号，采用机器学习分类器描述和估计飞行员的工作负荷。

模拟器采集生理信号

Schwerd等提出了一种认知状态估计框架，通过实时评估飞行员的注意力分配和态势感知，识别可能导致飞行员表现下降或失误的情况。

有人-无人驾驶舱模拟

反无人机技术

随着无人机平台与集群技术的发展，基于无人机的作战行动渐趋频繁，也进一步促生了防空武器新的增长点——无人机防御系统。

塔尔努夫机械厂和董布罗夫斯基军队技术学院正在研发一种对抗小无人机的防御系统。

在第15届阿布扎比国际防务展上，俄罗斯参展方提供了REX-2反无人机步枪、“驱蚊巡逻”系统等10余型装备组成的无人机防御解决方案。

Blighter公司发布了新多模雷达白皮书，为边境安全和无人机监测提供了最有效的解决方案。

DARPA的机动部队保护计划项目成功测试了一种反无人机系统，主要拦截方式为将众多串飘带射入无人机螺旋桨，进而干扰无人机作业。

Brust等提出了一种基于无人机集群的无人机反制系统，使集群能够在无GPS情况下自组织编队对抗单架敌方无人机。

谢海斌等总结出探测识别、平台摧毁、链路干扰欺骗等为有效无人机集群打击手段，并进行了可行性分析，为未来无人机集群反制技术发展提供参考。

为打击民用无人机“黑飞”现状，中科防务科技（山东）有限公司成功测试了一套无人机反制系统，可将无人机诱骗到指定的安全位置进行降落。

Cai等基于射频指纹技术设计了一种无人机识别系统，通过采集和分析无人机在不同飞行模式下的射频信号，训练神经网络，以达到识别并进行反制的目的。

中国科学院大学和北方电子设备研究所联合发布了首个反无人机多模态数据集，并提出了一种复杂环境下多模态小目标跟踪算法。

当前无人机反制研究较为零散，还未形成体系，且技术应用具有一定局限性，无法多方面满足反无人机需求。

随着无人机技术发展，反无人机理论与技术还需要进一步深入研究，使其具备更加灵活和高效的侦察与拦截能力。

结论

随着无人机消费级市场逐渐饱和，产业主体将由消费级无人机向商业级无人机转型。

在技术发展与法规政策引领下，无人机应用领域不断扩大，新的无人机市场如空中运输等也将应运而生。

加强人工智能、视觉导航等新一代信息技术与无人机深度融合是提升无人机能力的重要方式，随着智能感知、智能决策、智能控制、人机融合等关键技术的突破，无人机将向集群化、智能化、微型化、跨域化发展，并与其他跨域平台融合应用，无人机的智能自主能力和执行复杂任务效能必将得到进一步提升。