当前（2026年中），无人机系统(UAS)已成为一项成熟且迅速扩展的技术，主要呈现两条不同的发展轨道：一是民用/商业生态系统，正从爱好者和视距内运营向规模化商业超视距(BVLOS)和物流方向发展；二是先进工业生态系统，正迅速采用日益自主、网络化和创新型的无人机

　　当前（2026年中），无人机系统(UAS)已成为一项成熟且迅速扩展的技术，主要呈现两条不同的发展轨道：一是民用/商业生态系统，正从爱好者和视距内运营向规模化商业超视距(BVLOS)和物流方向发展；二是先进工业生态系统，正迅速采用日益自主、网络化和创新型的无人机类型（从战术情报、监视与侦察(ISR)到巡飞、交付和集群概念）。监管机构（美国联邦航空管理局(FAA)、欧洲航空安全局(EASA)及各国相关当局）正积极更新规则以实现安全的BVLOS和综合运营；与此同时，对反无人机系统(C-UAS)能力的需求正在激增。本研究对无人机(UAV)技术进行了广泛回顾，概述了其在民用和工业领域的应用。研究进一步分析了主要用例以及相关的技术和运营挑战。此外，为推动技术框架的发展，提出了前瞻性的研究方向。所提供的见解旨在为该领域的研究人员提供有意义的指导和启发。论文还强调了现有框架，并探讨了未来的潜在发展方向。

　　无人机系统(UAS)也被称为无人驾驶航空器系统、远程驾驶航空系统(RPAS)或更通俗地称为无人机，通常由操作员、飞行器（UAV或无人机）以及因特定应用而异的附加设备组成。UAS区别于其他飞行系统的关键属性在于其操作性质，即操作员不在航空器内部或直接在航空器上进行驾驶，而是通过先进的通信技术远程控制系统。随着技术的不断进步，UAV在民用领域的应用显著扩大，包括交通监控、污染观测、气候变化监测、搜索与救援(SAR)行动、货物交付、农业、医疗保健和灾害管理等。近年来，技术的发展不仅涉及机身本身，还包括传感器、电子通信链和地面控制站(GCS)的集成。由于非国家行为者的使用增加，UAS已从专业的作战资产演变为广泛可及的低成本系统。其双重演变既带来了机遇也带来了复杂性：监管机构正努力将UAS安全融入共享空域，社区正应对隐私和接受度问题，而防务组织正大力投资反无人机系统(C-UAS)技术以应对新威胁。

　　在过去的十年中，关于UAS的科学文献经历了显著增长，特别是在2020年至2026年期间。这一增长得益于快速的技术进步、自主飞行技术的成熟、先进空中交通(AAM)和城市空中交通(UAM)概念的出现，以及UAV在民用、工业、环境和医疗保健领域的广泛应用。文献计量分析表明，UAV研究已从平台导向转向涉及人工智能(AI)、自主导航、传感器融合和空域集成的高度跨学科主题。近期，研究逐渐转向智能自主系统，强调感知、实时决策和协作操作。人工智能(AI)、机器学习(ML)和深度强化学习(DRL)在路径规划、避障和任务规划中变得越来越重要。关键词共现分析显示了研究兴趣的演变，早期多集中于导航和控制，而近期则出现了围绕传感器融合、激光雷达、雷达、计算机视觉、深度学习、数字孪生、边缘计算、物联网、5G/6G通信、集群智能以及探测与规避(DAA)系统等主题的新集群。此外，安全性和自主操作的研究重要性日益凸显。各国的研究在地理位置上以中国和美国为首，国际合作不断加强，反映了全球对开发未来自主空中交通系统的共同技术和监管框架的关注。

　　监管机构正从临时批准向规范化框架过渡，以促进BVLOS和自主操作。在美国，FAA引入了旨在规范BVLOS和低空操作的拟议规则，采用基于性能和风险的方法，从而简化商业无人机操作的审批流程。在欧洲，EASA通过其UAS规则努力协调BVLOS操作，并根据风险水平定义了三个操作类别：开放类（低风险）、特定类（中风险）和认证类（高风险）。此外，欧洲通过U-space框架支持无人机交通管理，这是一个专为高交通密度空域设计的服务型框架，旨在通过碰撞 avoidance 和降低风险来实PG电子现有人和无人驾驶航空器的安全集成。U-space包含从U1到U4的四个服务级别，逐步实现高度自动化和完全连接的交通管理。SESAR和NASA等机构主导的众多大型示范项目验证了这些概念在城乡及跨境场景中的可行性。

　　末端交付(LMD)因城市地区复杂性增加、对交付时间要求缩短及运营成本最小化需求而日益受到关注。面对传统卡车车队的城市拥堵和环保限制，无人机作为支持LMD操作的有前途的工具正逐步被采用。结合人工智能(AI)、自主系统部署、运营物联网和物联网等技术，物流网络能够满足环境可持续性、成本效益和交付速度等方面日益增长的需求。

　　UAV目前常用于电力线、管道、基站及桥梁等关键基础设施的巡检，以及精准农业。通过结合RGB相机、多光谱、高光谱和热传感器，以特定地点的方法在小规模尺度上整合多传感器，相较于传统方法在成本和时间上提供了显著节省。

　　警察、消防和紧急医疗服务部门越来越多地采用UAV来提高关键操作中的态势感知能力。无人机也用于医疗物流，如快速运送物资，包括器官或输血用血的运输。UAV在这些场景中代表了一种快速医疗交付的可行方案，特别是在拥挤的城市地区或偏远位置，但仍面临可靠安全数据缺乏、有效载荷容量限制和空域监管限制等挑战。

　　在灾难情况下，UAS能够提供关键援助，通过鸟瞰视角帮助响应者了解情况并收集视觉证据。搜救(SAR)任务的目标是快速识别和帮助遇险者，部署多架UAV组成的集群形成多智能体系统能够协作执行任务，改善区域覆盖并提高任务效率和可靠性，相较于单架UAV配置更为有效。

　　客运和货运电动垂直起降飞行器概念正积极开发和测试中。先进空中交通(AAM)作为NASA定义的包含城市空中交通(UAM)、区域空中交通(RAM)和低空机动(LAM)的框架，预计将通过在都会区域内运输乘客和货物来改变城市交通系统。尽管面临监管认证、噪音和基础设施等挑战，早期应用场景如应急响应和航空医疗运输对于展示AAM可行性至关重要。

　　为确保任务安全，UAV需配备最新传感系统以提升自主性。多传感器数据融合技术结合光电/红外(EO/IR)相机、LiDAR和雷达，增强态势感知并实现先进的探测与规避(DAA)能力。同时，更高能量密度的电池和混合动力系统延长了续航能力，实时动态差分(RTK)、精确单点定位(PPP)和同步定位与建图(SLAM)提升了导航精度。反无人机系统(C-UAS)作为补充技术框架，利用主动、被动、合作与非合作传感技术，检测、识别、跟踪并在必要时拦截未经授权的航空器。最新6G通信系统促进了通信与感知一体化(ISAC)范式的发展，这种方法利用无线基础设施同时执行数据传输和环境感知，在减少有效载荷和功耗的同时提高频谱利用率。

　　大规模城市UAS操作面临诸多限制和障碍，包括自主系统认证、安全保证、公众接受度（隐私和噪音）、城市着陆物流及国家监管框架间缺乏互操作性。社会接受度涉及安全、隐私、就业保障、环境影响和噪音五个维度。UAM基础设施如垂直起降场的建设是成功实现垂直机动性的主要挑战。由于单一技术存在固有的优缺点，仅靠单一传感技术无法实现满意的态势感知，需通过传感器融合和数据融合算法结合多种技术以提高数据准确性。

　　现代UAS具备实时数据获取能力。通过集成先进传感器、机载处理单元和高带宽通信链，UAS能以最小延迟收集、处理和传输信息。通过机载数据处理和目标检测，减少了通信带宽需求，且高速无线G技术支持了分布式控制系统间的持续信息交换。

　　远程操作能力使UAS能够覆盖大范围区域。改进的能量管理、轻量化材料和高效推进系统提升了续航能力，结合卫星定位系统和自主避障算法，保证了远离起飞点的准确飞行。高增益天线和中继节点等通信技术解决了距离增加带来的链路稳定性挑战。

　　研究重心从同质UAV集群转向异构多智能体系统，其中UAV与无人地面车辆(UGV)协同合作，利用互补能力提高任务执行效率。基于一致性的算法实现了多自主智能体的共享变量同意，而分布式任务分配则借助AI根据动态变化调整任务。数字孪生和云机器人的融合为异构机器人团队的实时任务管理开辟了新方向。未来研究将聚焦于弹性通信网络、分布式机器人网络的网络安全以及可互操作的自主车辆框架。

　　未来UAS在民用和商业环境中的角色将更为广泛。预期进展包括BVLOS操作在工业和区域物流中常态化、监督自主性在重复性任务中的增量采用、以及DAA系统的持续改进。此外，U-Space服务预计将激活U3级别，AAM市场中客运和特种货运电垂直起降飞行器服务将在具备基础设施和社区认可的城市开始运作，电动和混合动力推进系统将促进新飞行器融入交通网络。

　　随着物流等领域需求的激增，北美商业无人机市场因基础设施巡检和AAM计划推动了安全集成技术的发展。欧洲在EASA和U-space框架的指导下，预计到2030年大规模部署无人机服务将创造大量就业机会。拉美等发展中市场也正通过引入监管框架促进UAV在农业和灾害管理中的应用。UAV市场正从孤立的特定解决方案向全球集成生态系统转型。

　　UAS的演变对利益相关者具有PG电子不同的实际意义。商业运营商需优先建立BVLOS安全和互操作性基础。此外，行业应计划与无人驾驶交通管理(UTM)系统进行整合，积极参与多利益相关者监管过程，并为自主和城市运营制定清晰的认证路径，同时强化隐私和数据保护标准。

　　UAS正演变为未来科技生态系统的核心。未来十年，UAS将从实验性部署过渡为常态化的商业工具并日益变得自主化和网络化。人工智能、通信和自主控制的技术进步将使新操作概念成为可能，但同时也带来了监管、隐私和伦理方面的挑战。在技术层面，最具挑战性的问题包括在恶劣天气和全球导航卫星系统(GNSS)拒止环境下运行的DAA系统、可靠定位以及BVLOS的安全认证。未来具体的研究路线图应聚焦自适应多模态感知框架、结合AI与模型控制的分层决策机制以及包含5G/6G和卫星通信的弹性和混合通信基础设施。将大型人工智能模型集成至网络框架中，有望使无人机系统具备认知能力和自优化能力。在操作层面，研究需向异构多智能体生态系统转变，强调异构平台间的实时信息共享与任务协调，并通过大规模飞行测试验证技术的安全性与可靠性。