北航团队高低无人机协同导航新范式，突破单机局限，复杂环境精准目标搜索有新解。
原文标题：一机迷航，双机成行！北航高低无人机协同导航方案：高空掌全局+低空查细节，复杂场景不迷航
原文作者：数据派THU
冷月清谈：
该方案通过两台无人机的明确分工实现协同作战：高空无人机充当“全景指挥官”，负责全局环境感知、路径规划与粗略目标区域识别，为下方协作伙伴提供宏观指引；而低空无人机则扮演“地面侦察员”，执行精细化的导航、避障和最终目标识别任务。文章通过实例展示了其在查找指定汽车、小型宠物乃至带有特定标记物目标时的协同效率。
为支持这一创新模式，团队构建了包含高空无人机轨迹与感知数据的新型HaL-13k数据集，并在OpenUAV仿真环境中进行了严格测试。技术细节方面，高空无人机利用Pilot-LLM多模态统一框架进行推理，结合全局地图构建模块与轻量解码器优化环境理解与目标定位。低空无人机则采用三阶段导航搜索策略：基于高空预测规划航点、强化学习避障以及视觉语言模型进行目标检测。
该协同模式未来可轻松扩展至多机协作，并通过优化动作控制与补充真实环境数据，加速从仿真环境向现实场景的迁移。这一研究成果有望大幅提升无人机在复杂应用场景中的自主性与任务成功率。
怜星夜思：
2、文章提到“双机成行”，相比于单台更先进、集成度更高的无人机，这种高低双机协同模式在总体成本（包括初期投入、维护、运营等）和能源消耗上，是更经济高效还是更昂贵复杂？它真正的优势体现在哪里？
3、除了文中所说的找车、找狗这类目标搜索，高低无人机协同技术还有哪些你觉得很有趣或者重要的潜在应用场景？同时，随着这种高精度、大范围的侦察能力提升，你觉得它可能引发哪些关于个人隐私或社会安全的讨论？
原文内容
本文经AI新媒体量子位（公众号ID:qbitai ）授权转载，转载请联系出处本文约1200字，建议阅读5分钟无人机在复杂环境中不怕迷失方向了，迅速找到目标！
北航刘偲教授团队提出高低无人机协同导航新范式，两台无人机分工配合：高空无人机作为“全景指挥官”，负责全局感知与推理；低空无人机作为“地面侦察员”，执行精细导航与目标搜索，两者协同快速找到目标。
话不多说，来看实例。想让无人机“去湖边指定房子附近找到那辆停在树下的汽车”，单台无人机要么飞得太高，看不到树下的汽车；要么飞得太低，顾不上房子、湖泊这些宏观地标。单台无人机在复杂环境中容易迷失方向，但当高低空无人机协同作战，就能快速找到目标：
如下三张图分别从“前视图、高低无人机轨迹、概率预测图”角度，展示此方案如何工作：
像找小狗这样的小型目标，也能快速配合完成定位：
若目标物标有特定字母、文字描述也可精准匹配：
依据目标人物周边环境的细节特征，也能完成精准识别：
为支持该任务，团队基于UAV-Need-Help构建了HaL-13k数据集，并设计了协作框架AeroDuo。他们在Openuav仿真环境对AeroDuo测评，验证了其高低协同在环境覆盖、导航精度与自主性之间的有效平衡。
团队表示，本文研究成果将发表于ACM MM 2025。以下是更多细节。
数据集构建
考虑到UAV-Need-Help数据集中仅包含单无人机信息，研究团队在此基础上补充采集了高空无人机的轨迹与感知数据，并优化部分原始轨迹，构建出HaL-13k数据集。数据集构建示意图如下：
高空无人机规划策略
为提升高低无人机系统的感知与决策能力，研究团队构建了多模态统一框架Pilot-LLM，利用大语言模型进行多模态推理。
其中，为了更好地整合高空无人机历史信息，研究团队提出全局地图构建模块，通过正射投影消除畸变，并拼接历史图像生成统一坐标系下的地图，提升环境理解与目标定位能力。
此外，为避免精确坐标预测误差，采用轻量解码器生成目标概率分布图，兼顾探索能力与空间建模效果。
低空无人机导航搜寻策略
低空无人机采用三阶段导航搜索策略：首先，根据高空无人机的预测概率图选取高置信度区域的质心作为导航目标并结合A*算法规划关键航点；随后，利用基于强化学习的避障策略，实现安全灵活的路径执行；最后，通过视觉语言模型进行目标检测与定位。
团队表示，未来这套协同模式能轻松扩展到多机协作——在高空无人机预测出目标概率分布图后，它可以提取多个潜在目标位置，并借助优化算法（如匈牙利算法）将这些任务分配给各个低空无人机。
同时，通过优化动作控制确保安全避障，补充真实环境数据训练模型，也有助于将高低无人机系统从仿真环境中迁移到现实场景。
项目主页：https://rey-nard.github.io/AeroDuo_project/
编辑：文婧
