FAPP: Fast and Adaptive Perception and Planning for UAVs in Dynamic Cluttered Environments
完整串联点云静动态分割、多目标运动估计、协方差自适应、快速轨迹优化与不可行时的自适应重规划。它把每个模块对动态障碍误差的影响显式保留下来，并在仿真和真实复杂环境中验证毫秒级管线。
Temporary Research Topic · 更新于 2026-09-03
动态环境的无人机 3D 规划
聚焦无人机在三维空间中面对行人、车辆、其他飞行器或时变占据时，如何从在线感知与运动预测生成动态可行、可实时重规划的路径或轨迹。入选工作必须真正把动态实体纳入避碰或协同规划闭环；只做目标跟踪、抗风控制、静态三维避障，或仅在二维地面平台验证的论文不纳入。
10 篇精选动态障碍三维轨迹多无人机实时重规划
Reading Route建议阅读顺序
筛查 RoboPaper 覆盖的六本期刊在 2024-09-03 至 2026-09-03 期间的记录，按严格定义精选 10 篇：RA-L 4、JFR 3、T-RO 1、IJRR 1、Autonomous Robots 1。Science Robotics 在该窗口未发现满足严格口径的文章。专题将问题拆成“感知与意图预测—单机规划—多机协调”三层，便于比较显式优化、强化学习、生成模型与速度障碍路线。
- 先看完整闭环FAPP → Intent-MPC → MobileViT 多模态规划
理解检测、跟踪、未来轨迹预测、全局路径与局部控制分别如何进入同一条飞行闭环。
- 再比较规划范式增强 APF → NavRL → AeroDiffusion
比较解析反应式方法、安全屏蔽强化学习与条件扩散在延迟、可解释性和分布外风险上的取舍。
- 把其他飞行器视为动态障碍DVVO → DCICF → IJRR 目标收敛 → DMPC-Swarm
从速度空间、时空路径、去中心化优化与通信丢包鲁棒性判断方法能否扩展到真实机群。
Perceive, Predict, Replan动态感知、意图预测与在线重规划
高质量动态规划并不是在静态规划器外加一个检测框：观测延迟、遮挡、速度估计和预测不确定性都必须改变安全走廊、代价或重规划触发条件。
Intent Prediction-Driven MPC for UAV Planning and Navigation in Dynamic Environments
在相机有限视场、遮挡和暂时丢失目标的条件下持续跟踪动态障碍，用 MDP 推断运动意图和未来轨迹，再让 MPC 生成避碰动作。价值在于把预测的不确定未来直接接入滚动优化，而非只用当前速度外推。
Enhanced Adaptive Artificial Potential Field for UAV Navigation in Dynamic 3D Environments With Lightweight Spherical Obstacle Map
用轻量球形障碍地图估计物体运动，并在人工势场中加入三维涡旋斥力、终端加速度与紧急偏转；自适应系数使反应强度随局势变化。它代表不依赖重型学习模型、强调快速机载响应的解析路线。
Adaptive Obstacle-Avoidance Path Planning for UAVs Using MobileViT-Based Multimodal Perception and Deep Reinforcement Learning
面向农田弱纹理、作物遮挡和移动机械，融合 MobileViT-XXS、毫米波雷达、时空预测、RRT* 全局路径与带语义安全约束的 SAC 局部控制。论文还报告 1080p/4K 延迟、热降频和实飞样本不足，便于判断真实部署边界。
Learned & Generative Planning学习式与生成式动态规划
学习式方法把大量交互经验压缩成快速策略或轨迹分布，但真正的研究重点是如何保留安全约束、应对未见运动模式，并把推理时间控制在机载闭环预算内。
NavRL: Learning Safe Flight in Dynamic Environments
用大规模并行 PPO 学习同时绕开静态与动态障碍的飞行策略，并以速度障碍安全屏蔽器修正危险动作。策略从仿真零样本迁移到真实无人机，展示“学习负责效率、解析层兜底安全”的混合范式。
AeroDiffusion: Real-Time Quadrotor Trajectory Planning in Dynamic Environments Via Conditional Diffusion
把四旋翼动态环境规划表述为条件扩散式轨迹生成，目标是在实时预算内从多模态候选中产生可行轨迹。该文代表本期刚出现的生成式规划分支；后续应重点核查其动力学可行性、安全校验、采样步数与分布外动态障碍表现。
Multi-UAVs as Moving Bodies多无人机作为动态实体的协同规划
当障碍本身也是规划主体，安全不只依赖避碰几何，还依赖通信时延、意图一致性、死锁处理和分布式计算负载。
Decentralized Trajectory Planning for Quadrotor Swarm in Cluttered Environments With Goal Convergence Guarantee
用网格多智能体路径规划生成引导航点，再以子目标优化避免局部死锁；同时修订狭窄通道中的优先避碰规则。除收敛分析外，还在十架四旋翼与一名行人的迷宫环境中验证动态避障。
DMPC-Swarm: Distributed Model Predictive Control on Nano UAV Swarms
针对纳米无人机和低功耗无线网络设计分布式 MPC，以事件触发通信和机外分布式计算减少负担，并在消息丢失与时延下保持可证明的避碰性质；最多 16 架 Crazyflie 完成真实组网实验。
Formation Control of UAVs Based on Dynamic Vector Velocity Obstacle Method
动态向量速度障碍由相对位置和速度建立三维避碰平面并选择脱离速度，再结合模糊控制与虚拟弹簧维持编队。仿真和真实动态障碍实验强调轨迹平滑、响应速度与编队保持的平衡。
Research on Collision Avoidance Methods for Logistics Unmanned Aerial Vehicle Based on Dynamic Controlled Interactive Collaborative Fusion
DCICF 把多模态感知与概率互惠速度障碍结合，面向低空物流中的动态障碍和密集多机交互；硬件测试决策延迟为 120–150 ms，并报告室内外最小安全间距与任务完成率。
Research Opportunities值得切入的问题
- 把动态占据预测从确定轨迹升级为带校准不确定性的时空分布，并让风险预算随速度、视场盲区和算力余量自适应变化。
- 设计“端侧安全反应器 + 边缘轨迹优化器 + 云端世界模型”的三级规划：任何上行超时都退化到端侧可证明安全控制，并测量最坏时延而非平均时延。
- 让扩散规划器只生成少量拓扑不同的候选，再由动力学可达性、CBF 和碰撞概率快速筛选，比较质量—采样步数—功耗 Pareto 前沿。
- 统一评测动态障碍的恒速、急停、交叉、遮挡后重现与对抗式运动；同时报告碰撞率、最小间距、到达时间、急动度、能耗和感知到控制延迟。
- 把通信对象视为带意图的动态障碍：联合预测邻机轨迹与消息新鲜度，在丢包、乱序和带宽突降时仍提供概率安全保证。
- 构建可复现的低算力基准，在 Jetson Orin Nano、RK3588 与 MCU/飞控级平台上分解感知、预测、规划和控制耗时及热降频影响。
推荐将 FAPP、Intent-MPC、NavRL 与 DMPC-Swarm 作为四条主基线：它们分别代表显式感知—预测—优化、意图驱动 MPC、带安全屏蔽的学习策略和通信受限的分布式优化。若目标是快速形成新论文，最有辨识度的切口是把不确定性、计算卸载时延与端侧安全降级同时写进一个三维动态规划闭环。