无人机视觉学习综述

无人机作为信息物理系统，正在因视觉学习而发生转变。材料指出，视觉学习之所以快速升温，是因为它深刻影响无人机的自主性和功能边界。现有相关综述多集中在单一任务上，例如无人机导航、视觉着陆、避障、视觉巡检和自主无人机竞速，难以给出整体图景。这份综述要回答的正是：如何从感知、控制到应用，系统理解视觉学习为无人机带来的能力提升，以及还有哪些问题没有解决。现在值得看的一点是，材料把视觉学习无人机与快速发展的LLMs、embodied intelligence联系起来，认为它提供了一条通往3D物理世界中AGI的有希望但充满挑战的路径。

从覆盖范围看，这份资料讨论视觉学习无人机的发展、核心组件、视觉感知、基于视觉的控制、应用与挑战，以及开放问题和潜在解决方案。它把视觉感知和机器学习作为核心组件来分析，并特别强调目标检测在视觉感知中的位置及其对无人机应用的帮助。控制部分不是按应用场景罗列，而是从感知—控制的视角重新组织。材料还交代了领域背景：未来无人机创新被归为三个方向，分别是最小化、新颖设计和自主性；文中并用Google Scholar关键词“vision-based learning drones”的发表数量趋势来显示领域升温。换句话说，这是一份以分类梳理和问题框架为主的综述，而不是单点技术的实验报告。

一个关键发现是控制方法的分类。材料把基于视觉的控制方法划分为indirect、semi-direct和end-to-end三类，并明确这一分类来自感知—控制视角。这意味着读者可以用“感知与控制如何耦合”这条线索来比较不同方法，而不是只按任务名称记忆。与之呼应的是，综述强调视觉学习显著改善无人机的视觉感知和决策过程，并把目标检测作为视觉感知中的重点应用来讨论。相较于只关注特定任务的已有综述，这种组织方式试图提供更一般的理解框架。

另一个关键发现是应用层级的展开。材料把视觉学习无人机的应用从单智能体系统延伸到更复杂的多智能体系统和异构系统场景，并讨论各场景对应的挑战与创新。背景应用包括工业巡检、精准农业、包裹配送和搜索救援；在自主性方面，材料提到名为Swift的视觉学习系统在无人机竞速中击败世界级冠军。这个例子说明，视觉学习并不只停留在“看见”，而是与在线规划和学习型决策算法结合，进入实时自主飞行。由此看，应用挑战也不能一概而论：单机、多机和异构系统面对的问题结构并不相同。

这些结论对实践的含义在于，无人机视觉学习正在从单点任务走向系统级组合。控制方法的三类划分可以作为工程比较的起点，但材料同时提醒，感知、机载计算、在线规划和决策需要放在一起考虑。单智能体到多智能体、异构系统的扩展，意味着通信、协同和异质平台带来的挑战会进入设计视野。材料还列出开放问题及潜在解决方案，说明这一领域远未收敛；把它与LLMs和embodied intelligence相连，更像是在指出长期方向，而不是给出已经完成的答案。

适合关注无人机自主性、视觉感知与控制、机器人学习的研究者和工程读者阅读。读完可以拿走一个从视觉感知到控制方法、再到单/多/异构应用的问题框架，并据此定位自己关心的方向处在哪一层。它的边界也需要看清：这是一份综述，材料中没有给出定量性能对比，结论主要建立在分类、趋势和问题梳理上。换句话说，它适合用来建立地图和提出下一步问题，而不适合替代具体方法的实验评估。

Vision-Based Learning for Drones: A Survey Jiaping Xiao, Rangya Zhang, Yuhang Zhang, and Mir Feroskhan, Member, IEEE Abstract—Drones as advanced cyber-physical systems are undergoing a transformative shift with the advent of vision- based learning, a field that is rapidly gaining prominence due to its profound impact on drone autonomy and functionality. Different from existing task-specific surveys, this review offers a comprehensive overview of vision-based learning in drones, emphasizing its pivotal role in enhancing their operational capabilities under various scenarios. We start by elucidating the fundamental principles of vision-based learning, highlighting how it significantly improves drones’ visual perception and decision- making processes. We then categorize vision-based control meth- ods into indirect, semi-direct, and end-to-end approaches from