Tajmihir Islam Teethi，卢 虎，闵 欢，卞志昂

(空军工程大学信息与导航学院，陕西 西安 710077)

0 引言

无人机自主飞行、自主导航是提高无人系统智能化水平的重要基础。在与真实世界的交互过程中，避障是无人机应当具有的最基本的功能之一。目前，很多无人机厂商，如中国的大疆、法国的PARROT等公司也都将自主避障能力作为其无人机产品的一项重要技术指标。当前，无人机的自主避障主要是通过机载传感器获取障碍物的距离、位置、速度等有效信息，再根据障碍物信息自主规划出合理的路径，从而保证其在运行的过程中避开障碍[1-2]。

传统的无人机自主避障技术主要由障碍感知与避障规划两大功能模块组成。障碍感知是指无人机通过机载传感器实时获取周边障碍物的信息。避障所常用的传感器主要包括超声波传感器、激光雷达、双目视觉传感器等。SLAM(simultaneous localization and mapping)技术可以为避障提供更加丰富全面的地图环境信息，因此在近几年的研究中，SLAM技术被广泛应用于移动机器人自主导航避障[3-4]。但基于SLAM的避障方法仍需要手动调试大量的构图模型参数以达到良好的建图效果和可靠的路径规划，且在一架无人机上调试好的一套构图参数，由于平台、传感器载荷等的性能差异并不完全适用于另一架无人机。

当前，人工智能正在飞速发展，基于强化学习的避障方法通过训练深度神经网络进行端到端动作决策，使得无人机避障无须“额外”的建图过程，取而代之的是一种即时自主的行为，并且避免了复杂的建模和大量的参数调整，而且因其不需要建图的特性，此类基于学习的避障方法也能更好地适应于未知无图的应用场景[5-6]。……