在无人机技术的创新领域，一项突破性的研究正引领着复杂环境下的导航新方向。北京航空航天大学的刘偲教授团队提出了一种全新的无人机协同导航模式，通过高空与低空无人机的紧密配合，实现了高效且精准的目标定位。
这一创新范式中，高空无人机扮演着“全景指挥官”的角色，负责全局的环境感知与智能推理。它能够捕捉到广阔的视野信息，为整个任务提供宏观的指导和方向。而低空无人机则化身“地面侦察员”，专注于执行精细的导航与搜索任务。在“指挥官”的指引下，它能够迅速锁定目标区域，进行详尽的搜索与确认。
为了直观展示这一协同工作的强大效能，研究团队给出了一个生动的实例。假设任务是在湖边的一个指定房子附近，找到停在树下的汽车。对于单台无人机而言，这无疑是个挑战：飞得过高会错过树下的细节，飞得过低又难以把握房子和湖泊等宏观地标。然而，当高空与低空无人机协同作战时，这一难题迎刃而解。高空无人机提供全局视角，低空无人机则进行精确搜索，两者默契配合，迅速锁定目标。
研究团队不仅提出了这一创新的协同导航模式，还为此构建了名为HaL-13k的数据集，并设计了协作框架AeroDuo。在Openuav仿真环境中，AeroDuo展现出了卓越的性能，有效平衡了环境覆盖、导航精度与自主性。无论是寻找小型目标如小狗，还是匹配标有特定字母或文字描述的目标物，AeroDuo都能迅速且准确地完成任务。
为了提升系统的感知与决策能力，研究团队在高空无人机上引入了多模态统一框架Pilot-LLM，利用大语言模型进行多模态推理。这一框架不仅整合了高空无人机的历史信息，还通过全局地图构建模块，消除了图像畸变，生成了统一坐标系下的地图，从而大幅提升了环境理解与目标定位能力。同时，为了避免精确坐标预测带来的误差，团队采用了轻量解码器，生成目标概率分布图，兼顾了探索能力与空间建模效果。
在低空无人机方面，团队采用了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，确保任务的精准完成。
展望未来，这一协同导航模式有着广阔的应用前景。它不仅可以轻松扩展到多机协作，提升任务执行的效率与灵活性，还可以通过优化动作控制和补充真实环境数据，实现从仿真环境到现实场景的顺利迁移。这一创新成果无疑为无人机技术的发展注入了新的活力，也为复杂环境下的目标定位与导航提供了新的解决方案。
