无人机集群自主导航：轻量、可部署、零通信协同

上海交通大学的研究团队开创性地融合了无人机物理建模与深度学习，提出一种端到端的解决方案，实现了轻量级、可部署且可协同的无人机集群自主导航。这一方案在鲁棒性和机动性方面显著超越了现有技术。

设想一下：在未知的森林、城市废墟，甚至是障碍重重的室内空间，一群无人机如同飞鸟般自由穿梭，无需地图、无需通信，也无需高端设备。这一愿景，如今已变为现实！

上海交通大学的研究团队融合无人机物理建模与深度学习，首次将可微分物理训练策略成功应用于现实机器人中，创造了一套真正意义上的“轻量、可部署、可协同”的无人机集群端到端自主导航方案，并在鲁棒性和机动性方面遥遥领先现有方案。

该成果已在《Nature Machine Intelligence》在线发表，其中张宇昂硕士、胡瑜、宋运龙博士为共同第一作者，邹丹平与林巍峣教授为通信作者。

论文地址：https://www.nature.com/articles/s42256-025-01048-0

项目地址：https://henryhuyu.github.io/DiffPhysDrone_Web/

核心理念：大道至简

传统的无人机自主导航往往依赖于：

• 复杂且串联的模块算法设计，如高复杂度定位与建图、轨迹规划与生成、轨迹跟踪等
• 昂贵且笨重的传感器+高性能CPU/GPU计算平台
• 多机间通信或集中规划

研究团队提出的新方法探索了一条全新途径：使用12×16超低分辨率深度图作为输入，仅通过3层CNN的超小神经网络实现端到端自主飞行，可部署于仅150元的廉价嵌入式计算平台。

该方法摒弃了复杂的无人机动力学模型，转而采用极简的质点动力学模型，并通过可微物理引擎训练端到端网络。

最终实现了“训练一次，多机共享权重”，实现了零通信协同飞行！

惊艳表现：现实世界中疾驰穿越

在单机测试中，将网络模型部署在无人机上，并在不同真实环境中进行测试，包括树林、城市公园以及含有静态和动态障碍的室内场景。

该网络模型在未知复杂环境中的导航成功率高达90%，展现出比现有最优方法更强的鲁棒性。

在真实的树林环境中，无人机飞行速度高达20米/秒，是现有基于模仿学习方案速度的两倍。所有测试环境均实现了zero-shot零样本迁移。该系统无需GPS或VIO提供定位信息即可运行，并能适应动态障碍物。

图1 多机飞行

在多机协同场景中，将网络模型部署到6架无人机上，执行穿越复杂障碍和互换位置的任务。

该策略在同向穿越门洞、动态障碍物和复杂静态障碍物的场景中展示了极高的鲁棒性。在多机穿越门洞互换位置的实验中，展现出了无需通信或集中规划的自组织行为。

图2 多机自组织协作

图3 动态避障

思路关键：嵌入物理原理，无人机“自己学会飞”

端到端可微仿真训练：策略网络直接控制无人机运动，通过物理模拟器实现反向传播。

轻量设计：整套端到端网络参数仅2MB，可部署在仅150元的计算平台（不到GPU方案的5%成本）。

高效训练：在RTX 4090显卡上仅需2小时即可收敛。

图4 低成本算力平台

训练总体框架如下图所示，通过与环境交互来训练策略网络。在每一个时间步，策略网络接收深度图像作为输入，并通过策略网络输出控制指令（推力加速度和偏航角）。

可微物理模拟器根据控制指令模拟无人机的质点运动，进行状态更新：

“简约即美”的训练诀窍

• 简单模型：使用质点动力学替代复杂飞行器建模。
• 简单图像：低分辨率渲染 + 显式几何建模，提升仿真效率。
• 简单网络：三层卷积 + GRU时序模块，小巧高效。

方法对比：强化学习、模仿学习，还是物理驱动？

... ...