无人机路径规划开源算法总结

前言

本文依据我的 Awesome UAV Planning 论文与阅读笔记仓库重新整理。当前基线为 2026-08-06 的 e8ea156，共收录 63 个方法、数据集或平台，按照它们主要解决的问题分为 9 类。

表格中的方法名链接到对应中文阅读笔记，最后一列链接到官方代码、项目页、论文或数据。需要特别注意：有论文、项目页或 GitHub 仓库，不等于论文完整方法已经开源，也不等于能够一键复现实验。

开源状态怎么看

标记	含义
代码 / 核心代码	已公开论文相关实现，但仍需核对权重、数据、配置和部署资产
部分开源	仅公开部分模块或相关子系统
上游代码 / 基础仿真器	只公开依赖或研究底座，不代表论文新增方法已经发布
仓库 / 占位仓库 / 项目页	可能只有说明、演示或发布预告，不能据此认定代码已经开源
未开源 / 未确认	官方明确尚未发布，或截至核验日期尚未确认官方方法实现

截至 2026-08-06，YOPOv2-Tracker 的 Tracker 代码与权重尚未发布；MAD 和 AeroAct 的论文专用实现尚未确认开源。FlightBench 与 Drive-OccWorld 已公开核心代码，但都不是包含全部资产、权重和配置的一键复现包。

几个容易混淆的概念

概念	主要回答的问题	常见输出
路径规划	从哪里走	离散路径、几何路径
运动规划	在动力学约束下能否这样飞	状态序列、动作序列
轨迹规划	如何连续、平滑地飞	多项式、B-spline、MINCO 轨迹
在线重规划	环境变化后如何快速修正	滚动更新的局部轨迹
探索 / 覆盖	目标尚未确定时，下一步去哪里看	Frontier、视点、扫描航线
多机规划	多架无人机如何分工并避免冲突	多机轨迹、任务分配
学习型规划	网络替代或增强规划链路的哪一部分	动作、航点、轨迹、代价或初值
世界 / 动作模型	动作会让环境和自身状态怎样变化	未来占据、潜在状态、未来视觉或动作块

分类总览

类别	数量	核心问题	代表方法
单机局部轨迹规划与重规划	9	实时生成安全、平滑、动力学可行的局部轨迹	Fast-Planner、EGO-Planner、GCOPTER、SUPER
动态环境与感知约束安全规划	6	处理动态障碍、有限视野、定位退化和跟踪扰动	PANTHER、Intent-MPC、APACE、SIMP
多机安全集群与编队轨迹规划	6	多机避碰、通信延迟、规模扩展和编队变形	EGO-Swarm、MADER、Primitive-Swarm
探索覆盖搜索与重建任务规划	13	主动选择 Frontier、视点、覆盖顺序和任务分配	FUEL、RACER、FC-Planner、ActiveGS
学习型规划与端到端避障	10	用学习方法生成动作、航点、轨迹或规划器近似	YOPO、YOPOv2-Tracker、NavRL、OMC-RL
视觉语言导航	7	根据语言、图像或语义目标产生导航行为	AerialVLN、AerialVLA、HALO、WorldVLN
3DGS 神经地图安全导航与主动建图	3	在 Gaussian Splatting 地图中规划、控制和选择视点	Splat-Nav、SAFER-Splat、RT-GuIDE
平台、数据集与评测工具	6	提供任务定义、数据生成、仿真和统一评测	FlightBench、OpenFly、CARIC、CityNav
世界动作模型	3	预测动作影响下的未来占据、潜在状态或视觉后果，并用于规划或控制	Drive-OccWorld、MAD、AeroAct
合计	63

1. 单机局部轨迹规划与重规划

这一类关注单架无人机如何在未知或复杂环境中，持续生成可执行的安全局部轨迹。

方法	核心内容	资源与开源状态
Fast-Planner	Kinodynamic search、B-spline 优化与滚动重规划	代码
Topo-PGO	用多条拓扑路径引导梯度优化，跳出局部极小值	Fast-Planner · TopoTraj
RAPTOR	拓扑路径、风险感知轨迹修正与主动 yaw 规划	部分开源：规划主干
EGO-Planner	不显式构建 ESDF 的梯度轨迹优化	代码
EVA-Planner	根据环境复杂度自适应调节飞行激进度	代码
TGK-Planner	拓扑引导采样与锚定迭代 QP	代码
GCOPTER	安全走廊约束下的 MINCO 轨迹优化	代码
FASTER	Whole / Safe 双轨迹与未知空间安全回退	代码
SUPER	远距 LiDAR、双轨迹和高速安全重规划	仓库

2. 动态环境与感知约束安全规划

这类方法不仅要避开会移动的障碍，还会把相机视场、特征可见性、定位质量或模型扰动纳入规划。

方法	核心内容	资源与开源状态
PANTHER	动态避障、视场约束和 yaw 轨迹联合优化	代码
Intent-MPC	将动态障碍的意图预测引入 MPC	代码
LA-Planner	弱纹理和低光照环境中的定位感知规划	代码
APACE	以共视、视差和可匹配性提升高速视觉定位	代码
PE-Planner	MPCC、高阶离散 CBF 与在线扰动补偿	仿真代码
SIMP	安全时间区间、时空拓扑和四维走廊轨迹	核心代码

3. 多机安全集群与编队轨迹规划

这一类主要处理多机间避碰、分布式协同、通信延迟、规模扩展，以及编队保持和变形。

方法	核心内容	资源与开源状态
EGO-Swarm	EGO-Planner 的去中心化多机扩展	代码
EGO-v2	时空联合优化、UWB 漂移修正和野外微型集群	仿真 · 数据与硬件
MADER	去中心化异步规划与 check-recheck 协议	代码
Robust MADER	将有界通信延迟纳入多机安全提交协议	代码
Primitive-Swarm	用运动基元库和占用查表扩展大规模集群	代码
Swarm-Formation	复杂环境中的分布式编队保持与变形	代码

4. 探索、覆盖、搜索与重建任务规划

这类工作的目标通常不只是“到达一个已知终点”，而是主动决定下一步去哪里观察、扫描、搜索或重建。

方法	核心内容	资源与开源状态
FUEL	增量 Frontier 与分层未知空间探索	代码
FALCON	用覆盖路径引导全局探索，减少局部短视	代码
EDEN	双层探索顺序、曲率感知视点与连续高速轨迹	代码
EPIC	基于点云拓扑的轻量 LiDAR 探索	代码
Star-Searcher	在未知环境中联合目标搜索与表面检查	代码
RACER	受限通信下的去中心化多机快速探索	代码
C2-Explorer	连通任务表示与连续性驱动的多机任务分配	代码
FC-Planner	骨架引导的复杂三维场景覆盖规划	代码
FC-Vision	未知障碍下的可见性维护和扫描路径修复	仓库
PredRecon	用未知表面预测改善主动重建视点规划	代码
ActiveGS	以 Gaussian 置信度联合探索与重建质量提升	代码
MAGICIAN	用预测占据和 imagined Gaussians 做长期主动建图	代码
SOAR	异构 LiDAR / 相机多 UAV 主动重建	代码

5. 学习型规划与端到端避障

这一类用模仿学习、强化学习、神经网络或可微物理，直接生成动作、航点、轨迹，或近似传统规划链路的一部分。

方法	核心内容	资源与开源状态
Deep-PANTHER	用模仿学习生成 PANTHER 多模态候选轨迹	代码
YOPO	用一次网络前向压缩感知、搜索和轨迹优化	代码
YOPOv2-Tracker	统一 RGB-D 目标检测、候选轨迹与姿态 / 推力控制	Tracker 未开源 · 论文 · 占位仓库 · 相关导航 / 控制代码
NavRL	PPO 动态避障策略与 velocity-obstacle safety shield	代码
Agile-Autonomy	从特权专家学习真实环境高速视觉飞行	代码
ViTFly	比较 ViT、CNN 和时序网络的深度图避障策略	代码
evfly	单目事件相机、ConvLSTM 和少样本真实迁移	代码
RAPID	用逆强化学习从深度图生成高速避障航点	未确认官方代码
DiffPhysDrone	通过可微物理直接训练单机和无通信集群策略	代码
OMC-RL	掩码时序对比表征与 Oracle 引导的视觉强化学习	部分开源：上游代码

6. 视觉语言导航

这类任务把自然语言、目标图像或开放词汇语义加入导航，让无人机理解“去哪里”以及“要找什么”。

方法	核心内容	资源与开源状态
AerialVLN	城市级无人机视觉语言导航任务与 AirSim 基准	代码
AerialVLA / AeroVLA	将视觉和语言直接映射为 UAV 动作 token	代码
GaussNav	用 Semantic Gaussian 视觉记忆做 ImageGoal 导航	代码
HALO	高空单目开放词汇地图与语言条件探索	代码
UAV-Flow	一句短指令对应的真实 UAV 轨迹模仿基准	代码 · 真实数据
WorldVLN	在潜空间预测未来，再解码连续相对航点	代码 · 权重
See, Point, Fly	通用 VLM 二维指点与相机几何三维动作生成	代码

7. 3DGS 神经地图安全导航与主动建图

这类方法直接利用 Gaussian Splatting 地图进行碰撞检查、安全控制或信息驱动的视点规划。

方法	核心内容	资源与开源状态
Splat-Nav	Gaussian 地图中的几何碰撞约束和安全轨迹	代码
SAFER-Splat	在线 Gaussian 地图上的 CBF safety filter	代码
RT-GuIDE	实时 Gaussian 建图与信息驱动视点选择	代码

8. 平台、数据集与评测工具

这一类不是单一规划算法，而是为算法提供任务定义、数据、仿真场景或统一评测标准。

方法 / 平台	核心内容	资源与开源状态
FlightBench	学习型与优化型第一视角四旋翼导航统一评测	核心平台已开源，非完整一键复现 · 项目页 · 代码
OpenFly	Aerial VLN 数据生成、训练和统一评测平台	代码
CARIC	异构多 UAV 协同巡检、分配和规划基准	项目页
UAV-ON	开放世界无人机 ObjectGoal Navigation 基准	代码
CityNav	真实城市三维扫描数字孪生中的大范围语言目标导航	代码
TravelUAV	连续六自由度长程 VLN 与分级求助基准	仓库

9. 世界动作模型

世界动作模型尝试学习“执行某个动作后，环境和无人机会怎样变化”。这一方向与传统局部规划并不等价：有的方法显式预测未来占据，有的方法只在潜空间保存地图记忆，也有的方法在训练时预测未来视觉、部署时直接生成动作。

方法	核心内容	资源与开源状态
Drive-OccWorld	用动作条件预测未来 4D 语义占据与场景流，再以显式代价选择候选轨迹	核心代码已开源，仓库未提供论文任务权重 · 项目页 · 代码
MAD	用占据、可见性和本体状态监督世界模型潜在记忆，直接输出四旋翼加速度	MAD 专用实现未确认开源 · 论文 · 基础仿真器（非 MAD 实现）
AeroAct	训练时联合预测未来第一视角与动作块，部署时直接生成局部飞行轨迹	AeroAct 专用代码未确认开源，数据与权重未确认发布 · 论文 · 基础仿真器（非 AeroAct 实现）

横向比较时先统一口径

输出究竟是几何路径、连续轨迹、航点还是即时速度；
环境是静态、动态、未知，还是只有仿真器能够直接访问；
安全来自经验成功率、后备轨迹、safety filter 还是形式化证明；
“开源”指完整系统、核心模块、上游代码、项目页，还是仅有预训练模型；
世界模型在部署时是否真的滚动预测未来，还是未来预测只提供训练监督；
实验证据属于离线开放环、闭环仿真、sim-to-real、数字孪生还是真机闭环。

因此，选算法时不能只看论文中的最高速度或成功率，也不能只看仓库是否存在。更可靠的做法是先确定自己的传感器、地图形式、控制接口和场景，再检查代码、权重、数据、配置以及部署资产是否真正齐全。