Vision-based Learning for Drones: A Survey

作为先进的物联网系统，无人机正在经历一次转型，这次转型是由视觉学习的出现引起的，这个领域由于对无人机自主性和功能的深远影响而迅速崛起。与现有的特定任务调查不同，本文综述了无人机中基于视觉学习的全貌，强调了其在提高无人机操作能力方面的关键作用。我们首先阐明了基于视觉学习的基本原理，重点介绍了它如何显著改善了无人机的视觉感知和决策过程。然后，我们从感知-控制的角度将基于视觉的控制方法分为间接、半直接和端到端方法。我们进一步探讨了具有学习能力的基于视觉的无人机的各种应用，从单一代理系统到更复杂的多代理和异构系统场景，并强调了每个领域的挑战和创新。最后，我们探讨了未解决的问题和潜在的解决方案，为这个动态和快速发展的领域的持续研究和开发铺平了道路。随着越来越大的语言模型和具有体现智能的技术的发展，无人机的基于视觉的学习为在三维物理世界中实现人工通用智能（AGI）提供了有前途但具有挑战性的道路。

本论文旨在探讨视觉学习在无人机中的应用，以提高无人机的操作能力。

本论文介绍了视觉学习的基本原理，并从感知控制的角度将视觉学习方法分为间接、半直接和端到端三种。同时，本文还探讨了视觉学习在单智能体系统到更复杂的多智能体和异构系统场景中的各种应用，强调了每个领域的挑战和创新。

本论文全面介绍了视觉学习在无人机中的应用，并强调了其在提高无人机操作能力方面的重要作用。论文还探讨了各种应用场景和相关挑战，为该领域的研究和发展铺平了道路。

近期在该领域的相关研究包括：1. Learning to Fly by Crashing, 2. Deep Drone Racing: Learning Agile Flight in Dynamic Environments, 3. Visual Teach and Repeat for Long-range Unmanned Aerial Vehicle Flights, 4. Autonomous Drone Navigation with Deep Learning-Based Obstacle Avoidance and GPS-Denied Positioning