浙江大学高飞团队近期发布两篇工作：
-
DPNet面向静态复杂环境，通过轻量网络预判视场外的死胡同结构，生成虚拟障碍屏障，让规划器主动绕开陷阱，机载50Hz高频重规划；
-
AgilePE面向动态对抗场景，基于优先虚拟自博弈PFSP完成端到端追逃强化学习，直接输出底层总推力+机体角速度指令，仿真训练完零样本迁移真实无人机，涌现出侧翼包抄、侧向震荡躲闪等博弈战术。
两篇工作分别覆盖「环境驱动的安全导航」和「对手驱动的对抗博弈」，均不依赖实机标注微调，把感知预测、规划、仿真‑实机迁移完整打通，代表小型自主无人机两套不同的技术演进路线。
行业固有路线的短板
传统应对死胡同的方案分为两类，但都属于事后反应式处理：
-
一类是被困之后执行后退、旋转等恢复机动，飞行轨迹被打断，任务连续性被破坏；
-
另一类维护高精度全局拓扑地图寻找备选路径，但建图计算开销巨大，还会累积位姿漂移，不适合算力有限的微型无人机。
图| DPNet解决的问题：有限局部感知下的死胡同失效问题©【深蓝 AI】编译
也有部分工作学习预测未知区域占据、前沿边界，但大多目标是稠密重建探索，计算开销高，不会专门针对死胡同这种凹形危险结构做定向处理。
死胡同不需要完整重建整个未知空间，只需要拿到三件极简信息：死胡同是否存在、相对距离、方位角，就足够约束规划器。
DPNet 沿着"任务导向最小预测"这个思路，不做全场景重建，只聚焦死胡同 hazard 预测。论文在贡献声明中明确写道："据我们所知，这是首个针对视觉无人机导航显式处理主动死胡同规避的工作。"
整套系统由三部分构成：双分支死胡同预测网络、虚拟障碍屏障生成、死胡同感知的轨迹库碰撞检测。
1）双分支轻量预测网络
RGB分支、深度分支两套编码器，分别提取语义特征和几何结构特征，特征拼接融合之后分两个输出头：掩码头输出二值掩码标记死胡同像素区域，深度头回归对应区域距离；逐像素相乘之后只保留死胡同区域的有效深度。
网络训练完全依靠仿真自动标注数据集，不需要人工打标签。算法依据内角点、外角点的可见几何规则自动生成真值掩码，区分“可推断”和“歧义不可推断”样本，规避标签噪声。RGB编码器复用DINOv3预训练权重并冻结权重，只微调深度分支，这一非对称微调策略是实现sim‑zero‑shot的关键，防止网络过拟合仿真纹理。
图| DPNet系统整体框架总览©【深蓝 AI】编译
2）虚拟障碍屏障生成
网络输出的死胡同像素投影到三维空间，取最小预测深度构建平行于图像平面的平面虚拟障碍，再通过MLS点云上采样，生成致密点云，和原始深度点云融合成统一的局部障碍物点云。这个虚拟屏障并不是真实物理物体，是给规划器的“警示墙”，阻止轨迹驶入死胡同入口。
3）死胡同感知的轨迹筛选与重进入抑制
DPNet基于预计算运动基元轨迹库做碰撞检测，融合虚拟障碍后的点云做碰撞校验，把所有会撞上虚拟屏障的轨迹直接剪枝。
这里存在一个特殊工程问题：无人机飞过去之后死胡同离开视场，虚拟屏障消失，贪心规划器会又选一条折返冲回死胡同的轨迹。论文新增平滑一致性代价项，惩罚航向角突变，抑制“二次闯入”陷阱。
图| 普通碰撞检测与死胡同感知碰撞检测对比©【深蓝 AI】编译
仿真设置简单分为简单、困难两个等级，对比EGO‑Planner、Primitive‑Planner、Faster三套主流本地规划器。
-
简单场景DPNet成功率100%；困难场景依然保持99%成功率；对比基线Faster，平均飞行时间缩短25%左右。基线方案要么撞毁，要么触发后退恢复机动，飞行距离和耗时显著增加。
-
机载Jetson Orin NX完整流水线稳定50Hz运行，网络推理仅9.2ms，点云后处理2.4ms，轨迹规划5.1ms，完全满足微型无人机高速导航实时约束。
图| 有限局部感知条件下的算法基准对比©【深蓝 AI】编译
真实室内实验表明：DPNet可以区分真正死胡同，和中间存在可通行缺口的“形似死胡同”，不会错误设置虚拟屏障，允许无人机正常穿过开口通道。
图| 真实世界导航实验©【深蓝 AI】编译
如果说DPNet要对抗的是静态环境陷阱，AgilePE要面对的是会主动博弈的智能对手。
追逃对抗是零和博弈：追踪方需要把目标保持在机载视锥内并且缩短距离；逃逸方要飞出对方视场，拉大战术距离。
传统方案的痛点：
-
微分博弈HJI方程，高自由度四旋翼动力学下面临维度爆炸，很难用于真实敏捷机动；
-
MPC模型预测控制极度依赖对手运动的精准预测，对手战术变化则性能暴跌；
-
现有强化学习追逃大多输出航路点、速度这类中间指令，受中间规划层限制，无法释放无人机全部机动能力；朴素自博弈训练存在严重策略震荡、灾难性遗忘，对抗策略不断循环，无法沉淀稳健战术；
-
仿真到真机鸿沟：推力延迟、机体速率滞后、传感器噪声，仿真训练策略经常真机直接失控。
AgilePE完整框架分为三块：端到端敏捷控制子系统、双边对抗训练子系统、硬件对齐仿真部署子系统。
图| AgilePE整体框架，包含三大子系统©【深蓝 AI】编译
1）端到端CTBR底层指令输出
策略网络直接把观测映射到底层控制指令：总推力+三轴机体角速度（CTBR），抛弃航路点、中间轨迹规划模块，神经网络可以直接调用飞行器完整机动包络。奖励函数综合追踪博弈目标、超速惩罚、边界惩罚、防撞惩罚、指令平滑项。平滑奖励是真机零样本部署的关键，抑制高频抖动指令。
图| 1v1无人机追逃博弈任务定义©【深蓝 AI】编译
2）层级化对抗自博弈训练（Naive‑SP → FSP → PFSP）
论文对比了三级自博弈训练范式：
-
朴素自博弈Naive‑SP：最新追踪者和最新逃逸者互相对抗。缺点：非平稳环境，训练后期容易出现策略单边崩塌，逃逸方学不出有效防御战术。
-
FSP虚拟自博弈：维护历史对手策略池，训练的时候均匀采样历史对手，缓解震荡，但采样没有区分对手难度。
-
PFSP优先虚拟自博弈（本文核心创新）：采样概率和历史对抗失败率挂钩，训练优先选择最难对付的历史对手，相当于自动课程学习，加速高级战术涌现，同时保留历史策略池防止灾难性遗忘。
图| FSP与PFSP的交叉评估收益矩阵©【深蓝 AI】编译
交叉评估收益：PFSP训练出来的追踪者，对全部历史版本逃逸者保持82%以上视场内捕获率；会自发涌现dash‑and‑flank侧翼包抄、距离管控、侧向震荡躲闪这类人类可理解的博弈战术。
权衡：优先采样困难对手会带来战术特化，面对简单脚本对手性能会轻微下降，但对演化对抗对手鲁棒性大幅提升。
3）硬件对齐仿真‑实机迁移管线
不使用普通物理引擎接触求解器，采用RK4四阶积分直接积分机体位姿；显式建模推力45ms延迟、机体角速度30ms延迟，叠加推力、机体速率乘性噪声；大量域随机化质量、气动、延迟参数，让策略在训练阶段就适应硬件带来的非理想特性，做到零样本迁移，真机不需要微调。
真实飞行动捕环境下，部署在Jetson Orin NX，策略推理运行60Hz，复现仿真里的包抄、侧向躲闪战术。
图| 真实追逃实验长曝光光轨图，红蓝分别代表追踪机、逃逸机轨迹©【深蓝 AI】编译
在整个微型无人机自主智能的技术谱系上：
DPNet属于感知‑预测‑规划路线的延伸，不去做完整稠密重建，坚持“任务导向最小预测”，给传统本地规划增加预判能力，兼容现有运动基元规划栈，工程落地门槛相对低。它解决的是传统局部规划“近视”问题：规划器只能看到眼前几米，DPNet帮它“多看一眼拐角后面的危险”，但是只针对凹形死胡同这一类特定危险结构。
AgilePE属于端到端强化学习对抗智能路线，绕开传统规划、微分博弈，让战术机动从对抗交互中涌现；代价是当前依赖完整状态观测，如果要完全脱离动捕，后续需要接入视觉感知模块。
两篇工作共同的亮点：训练全部可以在仿真完成，真机不需要重新采集数据和微调，这对于小型无人机非常关键——真机高速机动实验炸机风险高，硬件损耗成本昂贵。
DPNet和AgilePE代表小型自主无人机两个重要的技术方向：
-
一个面向环境带来的危险，用轻量感知预测弥补传感器视场的局限性，改良传统规划系统，追求安全可靠的A‑B点导航；
-
另一个面向对手带来的博弈，用对抗强化学习挖掘飞行器机动极限，让无人机学会复杂战术对抗。
两者都贯彻了“仿真大规模生成数据，真机零样本部署”的思路，降低高风险真机试飞的依赖。
但也留下共同的待解命题：把两套能力融合——在充满障碍物的真实物理世界，无人机既要预判环境死胡同，又要和动态对手开展博弈，这也是未来空中具身智能值得探索的方向。
编辑｜小小怪博士
审核｜阿蓝
参考文献
1、DPNet: Efficient Dead‑End Prediction and Avoidance for Vision‑Based UAV Navigation (arXiv:2608.16640)
2、AgilePE: Autonomous UAV Pursuit‑Evasion via Self‑Play Reinforcement Learning (arXiv:2608.14135)
扫码添加阿蓝，选择想要加入的交流群即可
（按照提交顺序邀请，请尽早选择）
👇
