路径规划算法

从实验室到低空：路径规划算法正在成为低空经济的核心隐形底座

你打开手机导航输入目的地，3秒就能得到避开拥堵的最优路线；你在商圈按下无人配送车的取货码，小车已经沿着最近的路径绕过行人停在你面前；未来当你打开eVTOL（电动垂直起降飞行器）的出行叫车软件，从起降点到目的地的15分钟航程里，飞行器能自动避开无人机、高楼、临时管制空域，靠的不是飞行员的肉眼判断，而是藏在飞控系统里的路径规划算法——这个听起来抽象的技术，正在成为低空经济落地的核心隐形底座。

对于自主移动设备而言，路径规划的核心定义并不复杂：就是在给定环境中，找到一条从起点到终点，同时满足安全避障、效率最优的可行路线。放到低空场景里，这个从A到B的“简单选择”，远比地面导航复杂得多：三维空域里既有静态的高楼、输电塔等障碍物，也有动态飞行的消费级无人机、其他eVTOL，甚至会突发出现临时管制空域，对算法实时性、安全性的要求，是地面移动机器人的数倍。

在学界和产业界的持续迭代下，目前主流的路径规划算法已经形成了两类成熟技术路线，对应不同场景需求。一类是基于搜索的传统算法，我们最熟悉的A*算法就属于这一范畴。相比于早期只能处理静态环境的基础A*算法，近年来学界已经推出了针对动态障碍物场景的改进A*算法，配合Matlab等工具完成二维、三维环境的模拟验证，目前已经被不少低空无人系统企业测试应用。另一类则是针对非结构化动态环境的采样型算法，比如RRT*快速搜索随机树算法，以及结合动态窗口法的DWA、DWA+RRT*融合算法，这类算法可以处理未知动态障碍物，在复杂多变的低空环境中适应性更强。截至2026年第二季度，全球已经有超过120项公开的低空路径规划相关专利，其中近六成都是围绕改进A*、融合RRT*这类现有算法的优化方案，可见产业界都在盯着现有技术的落地打磨，而非追求完全颠覆性的全新框架。

很多人会把路径规划等同于导航，但实际上两者完全不是一个概念：普通导航是给人提供路线参考，错了可以由人修正；而低空自主飞行器的路径规划，是直接生成飞行器的飞行控制指令，错一步就可能引发安全事故。2025年下半年，深圳某低空试飞场就曾发生过一起小型物流无人机撞向输电塔的险情，事后排查原因就是路径规划算法没有更新地形数据，预留的安全距离不足，最终无人机紧急迫降在农田才没有引发人员伤亡。这一事件也给整个行业提了醒：低空的环境动态性远高于地面，算法不能只处理预设的障碍物，还要能实时感知、实时调整路线。

国内头部eVTOL企业亿航智能去年在广州黄埔完成的首条低空观光航线试运行中，就把路径规划算法作为飞控系统的核心测试内容。根据其公开的测试数据，在航线全长18公里的往返试飞中，算法需要处理包括突发进入空域的消费级无人机、高层建筑周边的乱流干扰两类核心问题，最终算法完成避障调整的平均时间不到0.8秒，最短调整时间仅为0.21秒——这个速度远高于人工反应速度，也证明了算法在城市低空场景的可行性。同样，深圳的无人机物流企业丰翼科技今年在粤港澳大湾区的跨海物流试飞中，针对海面复杂风力环境和跨区域低空管制调整，优化了动态路径规划算法，实现了在管制临时变更后10秒内生成全新合规路径，比去年的测试版本效率提升了72%。

为什么路径规划算法突然成了低空经济争夺的核心？核心原因是当前低空开放的节奏正在加快，商业化落地离我们越来越近，而很多核心技术瓶颈最后都落到了路径规划上。2026年年初，全国低空空域管理改革推进会明确提出，2026年要实现全国3000米以下低空按需申请开放，多个城市已经开通了常态化的低空试运行航线，从广州到成都，从深圳到重庆，越来越多的企业开始进行商业化试飞，原来在实验室里针对二维地面机器人开发的路径规划算法，必须要升级适配三维低空场景。

根据中国民航局发布的《低空经济发展白皮书2026》数据，到2025年年底，国内拿到民用无人飞行器试飞资质的企业已经达到87家，累计完成超过12万小时的低空试飞，其中超过40%的试飞异常都和路径规划算法的避障不及时、路线规划不合理有关，这个占比比飞控动力系统的故障占比还要高。也就是说，当动力、电池、机身制造的问题逐步得到解决之后，路径规划已经成为卡脖子的核心环节。

现在产业界的共识是，没有通用的路径规划算法，只有适配不同场景的优化方案。比如城市低空载客eVTOL，核心需求是安全优先，其次才是效率，算法需要预留足够的安全间隔，哪怕绕路也要保证避开所有障碍物，所以现在多数企业采用的是改进A*+DWA融合方案，先基于静态地图规划全局路径，再用动态窗口法实时处理突发障碍物，既保证全局最优，也保证实时避障。而针对偏远地区的物流无人机，地形障碍物少，核心需求是缩短航程提升续航，所以更倾向于用RRT*算法快速生成直线型最优路径，成本更低效率更高。

今年5月，国内某高校实验室发布的最新测试结果显示，针对城市低空10公里半径的通勤场景，改进A*算法的路径安全率可以达到99.82%，比基础A*算法提升了3.17个百分点，而实时调整延迟降低了42%，这个数据已经满足商业化试运行的要求。而在今年9月刚刚更新的一篇算法研究博客中，也公开了基于静态和动态障碍物的三维DWA+RRT*算法Matlab测试代码，吸引了不少初创企业下载测试，可见行业对开源成熟算法的需求非常旺盛。

未来随着低空AI大模型的落地，路径规划算法也会迎来新的迭代。现在已经有企业在尝试用大模型预训练不同低空场景的障碍物特征，让算法可以更快识别突发障碍物，生成更合理的调整路径，比如在城市CBD区域，算法可以自动根据不同时段的空域流量调整路径，高峰时段预留更大安全间隔，平峰时段选择更短路径，进一步提升空域利用率和飞行效率。

从1960年代A*算法被提出，到今天成为低空经济的核心底座，路径规划技术发展了半个多世纪，但是直到今天，它才真正迎来最大的应用场景。过去它支撑了工业机器人、自动驾驶、地面无人配送的发展，接下来，它将支撑上万亿规模的低空经济落地——当你2030年坐上eVTOL从北京CBD飞到大兴机场，平稳飞行全程没有颠簸的时候，你看不见的路径规划算法，已经在后台为你选好了最安全最快捷的路线。这个隐形的技术，才是低空飞行真正的“智慧大脑”。