有人说：现在接单，客户第一个问题不是"能飞多久"，而是"没有信号的时候，还能用吗"。想想看，一架无人机飞进地下停车场、穿过城市峡谷、深入密林深处——GPS信号早就没了。这种时候，传统导航直接抓瞎。但现实是，这种"无信号环境"到处都是。战场、灾区、工业现场……甚至你家小区地下车库。这就是非GNSS自主导航技术正在解决的问题。非GNSS自主导航要做的事情，其实很简单：让机器在失去外部依赖的时候，依然知道自己在哪里，依然能完成任务。这件事的难度，远比大多数人想象的要大。
一、为什么突然这么火？
说到底，是被逼出来的。俄乌冲突打了快三年，给全世界上了一课：GPS这东西，打起仗来说没就没。俄罗斯的电子战手段能让乌克兰的无人机瞬间"失明"，要么失控坠落，要么被截获。数据触目惊心——俄方至少摧毁了15架、俘获了11架美国造的RQ-20"美洲狮"无人机，全都是GPS信号被干扰的牺牲品。更让人意外的是，商业航天也在"断供"，SpaceX宣布将于5月20日正式关闭Starlink终端的PNT（定位、导航与授时）数据访问。这意味着过去依赖Starlink终端获取经纬度信息的用户，将彻底失去这个备选方案。有意思的是，Starlink的PNT信号本身其实比GPS强得多——功率是GPS的100-1000倍，带宽宽10-100倍，频率更高（Ku波段），天然具有抗干扰优势。但SpaceX选择了关闭API接口。
这说明"免费的午餐"终会有结束的一天。民用市场也没好到哪去。城市里高楼一挡，GPS定位精度直接从厘米级掉到米级；地下停车场、工厂车间这种场景，干脆就没信号；无人机要是在这些地方炸机，那可不是闹着玩的。所以这两年但凡跟无人机、机器人、自动驾驶沾边的公司，都在拼命研究"不用GPS怎么导航"。
二、目前主流的技术路线
1. 视觉导航——让无人机"长眼睛"
这大概是现在最火的方案。简单说，就是给无人机装上摄像头，让它自己"看"周围的环境，然后跟预先存好的地图对比，实时算出自己的位置。北航最近发了一篇综述，系统梳理了基于视觉的无人机定位技术。结论很有意思：视觉导航特别适合城市峡谷、密林、室内这种GPS信号弱的场景，但有个前提——得先有一张能用的地图。没有地图的话，纯靠"即时定位与地图构建"（SLAM）也行，但计算量就大了。美军已经在测试了。帕兰蒂尔（Palantir）给"黑寡妇"战术无人机装上了视觉导航软件，在完全切断GPS的环境下飞了2.7公里，定位误差大概7米。这个精度对于战术任务来说，已经相当够用了。
2. 惯性导航——靠"感觉"硬撑
惯性导航的原理很朴素：你知道一开始在哪，知道加速度和角速度变化了多少，就能算出现在在哪。以前精度高靠的是光纤陀螺仪，体积大得吓人，价格也是天文数字。但现在MEMS技术起来了，几百块就能买到一块IMU芯片，虽然精度差一些，但胜在体积小、功耗低、还能批量生产。惯性导航有个致命弱点：误差会累积。飞得越久，偏差越大。所以它一般只能作为"兜底"方案，配合其他传感器一起用。
3. 激光雷达SLAM——贵但精度高
激光雷达（LiDAR）这两年价格下来了，从原来的几十万一台变成现在几万块也能买到入门款。激光SLAM的原理跟视觉SLAM类似，只是用的是激光束而不是图像；优点是精度高、响应快，不怕暗光环境；缺点是贵，而且在雾气、烟尘里效果会打折扣。华中科技大学最近开源了一个叫SR-LIVO的算法，把激光雷达、惯性测量和视觉融合到一起，效果据说又快又好。港理工也有团队在做类似的事情，专门研究无人机集群的协同SLAM——多台无人机一起飞，互相分享感知数据，组成一张"信息网"。
4. 多源融合——取长补短
现在最主流的思路，是把以上几种方案"揉"到一起。武汉大学测绘学院的李星星教授在去年的北斗峰会上专门讲过这个方向：北斗+惯导+视觉+激光雷达，四种信号源融合智能导航。单一传感器都有短板，但组合在一起就能互相兜底。比如，GNSS信号断了，惯性导航顶上；惯性漂移了，视觉定位修正；视觉在暗光下失效了，激光雷达顶上……层层嵌套，形成一个冗余度极高的导航体系。
三、技术前沿：这些新突破值得关注
1. IRF-LIL：红外+激光+惯性三融合
2026年1月发表于ScienceDirect和AIAA的研究提出了IRF-LIL系统，将红外测距仪、激光雷达和惯性测量单元三种传感器深度融合，专门解决长直走廊等单一传感器退化场景的定位问题。这套系统的核心洞察是：没有完美的传感器，只有不完美的组合。红外测距仪在长直走廊里反而比激光雷达更稳定，因为走廊壁面的反射特征更简单——这跟直觉相反，但恰恰是异构融合的价值所在。
2. 雷达感知：全天候的新选择
AIAA 2026论文提出了纯雷达感知框架（Radar-Only），这套系统完全依赖毫米波雷达运行，不需要摄像头也不需要激光雷达。优势很明显：全天候能力强；雨、雾、烟尘……这些对视觉和激光雷达来说是噩梦的环境，对毫米波雷达的影响微乎其微。而且计算效率很高——这套框架可以在消费级处理器上实时运行，不需要昂贵的GPU加速。
3. 量子增强：蜂群协同的新维度
IEEE的最新研究探索了量子传感技术在无人机蜂群定位中的应用。量子传感器可以实现超越经典物理极限的测量精度，对于需要高精度协同的蜂群任务来说，这可能是关键突破。
4. Omni-swarm：去中心化的蜂群感知
还有一个系统叫Omni-swarm，解决的是蜂群飞行中的"可观测性"问题——当大量无人机同时飞行时，如何准确估计每架飞机的状态？Omni-swarm的方案是去中心化的视觉-惯性-超宽带（UWB）融合。每个节点独立运行，同时通过UWB无线电测距互相校准，不需要中央控制站。
四、民用领域，正在"开花结果"
非GNSS自主导航技术最早是军工在搞，但这两年民用市场反而跑得更快。为什么？因为民用的场景更复杂、需求更迫切，而且钱也好赚。
1. 浙大高飞团队：让无人机在密林里"跳舞"
2025年在杭州人工智能小镇的测试场上演过这么一幕：48架直径不足5厘米的微型无人机，如萤火虫群般在密集竹林中灵活穿梭，绕过直径仅10厘米的竹节间隙，在完全遮挡GPS信号的密林里自主编队飞行，全程不需要任何外部定位设施。
2. 地铁隧道：地下的"精准手术"
地铁隧道里，传统人工巡检，工人要在封闭、潮湿、有时甚至有毒气体的环境里步行检查，效率低、风险高、还容易漏检；尤其是高铁隧道，少则几公里，多则几十公里，靠人工走一遍，光时间成本就吓人。现在，无人机开始上场了。华中科技大学最近研发了一款地铁隧道智能巡检无人机，专门解决GNSS拒止环境下的自主导航问题。他们的方案是"激光雷达+IMU+光流"三融合：激光雷达负责环境感知和定位，IMU提供姿态参考，光流传感器辅助高度控制。核心指标很能打：平面定位精度≤5厘米，高程精度≤8厘米，巡航速度≥3米/秒，避障响应时间≤0.5秒。这台无人机已经在北京交通大学学报上发表论文，并在温州地铁S2线做了实际巡检。能干什么？检测隧道裂缝、渗漏、变形，识别轨行区异物，巡检信号设备……以前需要几个工人花一天干完的活儿，无人机飞一圈，不到一小时搞定。
2. 高铁沿线：16万公里钢铁动脉的"空中护卫"
我国高铁营业里程已经超过4万公里，加上普通铁路超过16万公里。这些铁路线穿越高山、峡谷、密林，有大量人工难以到达的区域。传统的人工巡检模式面临严峻挑战：人员安全风险高、巡检效率低、人力成本高、特殊工况下巡检能力受限。无人机来了之后，巡检效率有了质的提升。以往人工巡检一座桥梁需要几天时间，无人机飞过去，用激光雷达扫描一遍，几十分钟就能完成三维建模。缺陷识别准确率从原来人工的不到90%，提升到95%以上。而且无人机不怕苦、不怕累、不怕危险。悬崖边、深谷里、洪水后的铁路沿线，这些对人工来说是高风险区域，对无人机来说只是多飞几分钟的事儿。
五、"矛"与"盾"的较量：一场没有终点的军备竞赛
民用和军用这两者之间的关系，比很多人想象的要紧密得多。2026年5月，俄罗斯媒体报道：过去一周，俄防空力量拦截并击落了2622架乌克兰无人机。另一边，乌克兰也在用无人机持续袭击俄罗斯目标。这就是现代战争的现实：谁掌握了制无人机权，谁就掌握了战场主动权。但问题来了：无人机越来越厉害，反无人机技术也在同步进化。
1. 反无人机：从"单点反制"到"全流程管控"
国产反无人机装备正在实现全频段智能化突破。以"光箭"系列为例，光箭-11E能在数秒内锁定目标，光箭-21A可以在数公里外持续摧毁。成都捌三肆一的BSSY-6062A系统实现了全自动侦测-打击模式，全国产化的FPGA+氮化镓射频模块让处理速度提升40%、功耗降低25%、成本降低30%。更关键的是软杀伤手段的进化。导航诱骗技术——发射虚假的GPS信号让无人机"迷路"——已经成为反无人的标配。这种技术比物理摧毁更隐蔽、更可控，但反过来，它也逼迫无人机必须具备在GPS干扰环境下自主飞行的能力。历正科技的CRPC技术更狠：认知无线电协议逆向解析，精准提取无人机的电子指纹ID。这意味着即使无人机使用了跳频、加密等反侦察手段，仍然可以被唯一识别和追踪。这是一场"道高一尺、魔高一丈"的持续博弈。
2. 中国产业园：全国六大集群成型
一个值得关注的信号是，中国无人机与反无人机产业园区已经形成全国性布局。目前已形成"西北（陕西秦创原）—成渝（自贡/成都/重庆）—京津冀（北京延庆）—长三角（无锡）—粤港澳（深圳/珠海）—云南（昆明出口基地）"六大集群。北京延庆园区已有超过130家产业链企业。成都彭州基地是国内首个专业反无人机试验训练基地，面积43.2万平方米，已完成200多批次极限性能测试。产业园集群化意味着技术研发投入会持续加大，工程化落地会加速推进。
3. 双向驱动：技术军备竞赛的正面效应
有意思的是，这种"矛"与"盾"的对抗反而推动了整个行业的技术进步。反无人机探测需要更高精度的雷达和传感器，这些技术反过来提升了民用无人机的感知能力。更强的电子干扰手段逼迫无人机开发更智能的自主导航系统，而这些系统同样可以用于民用场景的复杂环境飞行。本质上是技术共享：军工领域的投入最终会下沉到民用市场，而民用市场的规模效应又会反哺军工研发。2025年全球反无人机市场估值49.3亿美元，预计2035年将达到364.2亿美元，年复合增长率22.14%。这个数字说明什么？市场在疯狂砸钱，而砸的钱最终会变成技术进步。
六、这个行业现在是什么状态？
如果用一句话总结：技术跑得很快，但落地还有距离。技术已经ready了，剩下的就是工程化和商业化的问题。前景无限，但大规模落地还需要时间。成本、可靠性、标准化、人才这些环节都需要打通。
先说好消息。算法层面，视觉SLAM、激光SLAM、多传感器融合的论文这两年呈爆发式增长，算法效果提升明显。硬件层面，芯片算力在涨、传感器价格在降、功耗在降，整个供应链在快速成熟。浙大高飞团队的密林穿梭实验，已经证明了在极端复杂环境下实现无人机自主飞行的可行性。华中科技的无人机隧道巡检，已经在实际地铁线路上跑起来了。高铁沿线的"空中护卫"开始规模化上岗……这些进展告诉我们：技术已经ready了，剩下的就是工程化和商业化的问题。
但问题也很明显：1. 成本。一套完整的多源融合导航系统，便宜的几千块，贵的动辄几万甚至几十万。2. 可靠性。实验室里跑得好，不代表现场能用得好。真实环境比测试场景复杂太多——光照变化、遮挡、传感器脏污、电磁干扰……任何一个因素都可能让系统失效。这不是单纯的技术问题，需要大量的工程验证和迭代。3. 标准化。现在各家方案基本上是"各自为战"，接口不统一，数据格式各异。这对于终端客户来说很不友好——买了一套系统，换个品牌就得重新适配。行业急需建立统一的标准和评测体系。4. 人才缺口。非GNSS自主导航涉及传感器、算法、系统集成等多个学科，真正懂行的复合型人才非常稀缺。
七、接下来会怎么走？
1. 多源融合会成标配。单一传感器的方案会逐渐被淘汰，"视觉+惯性+激光雷达+X"的组合导航将成为行业标准。GNSS不会消失，但会变成其中一个可选的信号源，而不是核心依赖。
2. 垂直场景会率先规模化。密林巡检、隧道检测、矿山测绘……这些场景付费意愿强、对可靠性要求高、政策支持力度大，会是第一批大规模落地的领域。消费级市场的全面爆发，还需要等待成本进一步下降。
3. AI会让导航更"聪明"。大模型的出现让"端到端"的导航成为可能。让机器人自己学、自己适应，比人类工程师写规则效率高得多。浙大高飞团队的工作已经证明了这条路是走得通的。
4. "矛"与"盾"的博弈会持续驱动技术创新。军用和民用技术会继续相互渗透、彼此促进。战场是技术的试验场，民用市场是技术的放大器——两个场景缺一不可。
