低空 UAV 研究博客论文化路线图：从博客到期刊的完整规划

这篇文章不是技术介绍，而是一份研究管理文档：把过去积累的博客内容重新审视一遍，找出哪些值得发期刊、哪些还差临门一脚、哪些需要从零开始补实验。它同时也是对自己研究脉络的一次清算。

0. 背景与出发点

目前博客已积累 27 篇文章，其中低空 UAV 相关核心文章 18 篇，覆盖路径规划、冲突消解、多机调度、感知重建、数字孪生、LLM/VLM 规划等方向。

已发表的论文基础：Journal of Advanced Transportation（SCI Q3），Q-learning 用于高速公路匝道调控（DOI: 10.1155/2023/4771946），这奠定了”强化学习×交通系统”的研究基调。

本文的目标：

识别博客内容中最具发表价值的 5–6 个方向
对每个方向给出可操作的：创新点声明、与现有工作的差异化、目标期刊/会议、补充实验清单、建议 Timeline
给出 12 个月的整体投稿路线图
让这份文档成为活的研究管理工具（版本号在文件名中体现）

1. 博客内容全景地图

1.1 三大研究主线

主线一：路径规划 × 冲突消解 × 多机调度
├── uav-urban-route-planning        （路径规划算法综述）
├── uav-conflict-resolution         （CD&R 机制综述+架构）
├── uav-conflict-env-construction   （仿真环境工程）
├── marl-kat-uav-conflict ★         （KAT MARL 框架）
├── large-scale-uav-scheduling ★    （三层百机调度）
└── urban-uav-3d-spatial-modeling   （3D空域建模参考）

主线二：感知 × 环境重建 × 数字孪生
├── uav-digital-twin-semantic-mapping ★  （五层数字孪生）
├── uav-semantic-mapping-functional-zoning ★（多源语义融合）
├── uav-nerf-gs-planning                 （NeRF/3DGS规划集成）
├── next-best-view-nerf-3dgs ★           （信息论NBV）
├── information-theory-active-perception （理论基础）
└── uav-multimodal-sim-data-synthesis    （多模态仿真工程）

主线三：LLM/VLM × 语义规划 × 形式验证
├── llm-uav-semantic-planning ★          （LTL/STL形式验证）
├── llm-guided-uav-planning-frontiers    （规划前沿概念）
├── hierarchical-vlm-uav-planning        （分层VLM架构）
└── vlm-uav-navigation-foundations       （VLN综述）

延伸：地面交通
├── carla-sumo-rl-lane-change ★          （PPO变道，已有实验）
└── traffic-signal-control               （信号控制反思）

★ = 本文重点分析的论文候选

1.2 成熟度评估总表

文章	理论框架	实验支撑	综合成熟度	论文可行性
marl-kat-uav-conflict	★★★★★	★★☆☆☆	★★★★☆	高（补实验即可）
large-scale-uav-scheduling	★★★★☆	★★☆☆☆	★★★☆☆	高（补规模实验）
next-best-view-nerf-3dgs	★★★★★	★★★☆☆	★★★★☆	高（补在线实验）
uav-semantic-mapping-functional-zoning	★★★★☆	★★☆☆☆	★★★☆☆	中（补GIS数据）
llm-uav-semantic-planning	★★★★☆	★☆☆☆☆	★★★☆☆	中（补评测数据集）
carla-sumo-rl-lane-change	★★★☆☆	★★★★☆	★★★★☆	高（已有实验）

2. Tier 1：最具发表潜力（建议 6–12 个月内投稿）

Paper A：大规模城市 UAV 冲突消解 — KAT-MARL 框架

来源文章： marl-kat-uav-conflict + uav-conflict-resolution + uav-conflict-env-construction

目标期刊： IEEE Transactions on Intelligent Transportation Systems（T-ITS，SCI Q1，IF ≈ 8.5）

核心创新点（Novelty Claim）

提出 KAT（Knowledge-Attention-Transfer）框架，以图注意力网络（GAT）替代显式消息传递，实现无通信约束下的隐式多机协调：

隐式通信机制： 每架 UAV 只观测邻域状态，通过 GAT 的注意力权重自动提取最相关邻机信息，无需广播消息
CTDE 训练范式： 集中训练（Critic 访问全局状态）+ 分散执行（Actor 只用局部观测）
ORCA 兜底层： 学习策略与几何解析方法（ORCA）的两级安全保障，确保严格无碰撞

核心公式体系：

GAT 注意力权重：

聚合邻居信息：

QMIX 集中式值函数：

其中的权重为非负（单调性约束），保证 IGM（个体-全局最大化）条件。

与现有工作的差异化

方法	通信需求	规模	实时性	安全保证
MADDPG	无	<20	差	无
QMIX	无	<20	中	无
CommNet	全广播	<50	差	无
ORCA	无	大	极好	有
KAT（本文）	无	50+	好	有（双层）

补充实验清单

规模消融： 20 / 50 / 100 架 UAV 分别训练+测试，记录成功率、平均延误、计算延迟
基线对比： ORCA-only、MADDPG、QMIX（无 GAT）、QMIX+GAT（有 GAT 无 ORCA 兜底）
场景： 基于上海陆家嘴或北京 CBD 真实路网构建仿真地图
指标： 任务成功率（goal achievement rate）、平均额外延误（seconds）、冲突率（conflicts/UAV/minute）、推理延迟（ms）
可视化： 注意力权重热图，展示 UAV 关注邻机的模式

Timeline

2026/06  搭建仿真环境（基于 existing uav-conflict-env-construction）
2026/07  训练 KAT 模型 + 基线对比实验
2026/08  写稿（Introduction / Method / Experiment / Conclusion）
2026/09  内部审阅 + 语言润色
2026/09  投稿 IEEE T-ITS（Regular Paper，通常 3–6 个月审回）

Paper B：百架无人机三层分层调度系统

来源文章： large-scale-uav-scheduling + uav-urban-route-planning

目标期刊： IEEE T-ITS 或 Transportation Research Part C（SCI Q1，IF ≈ 7.6）

核心创新点

提出三层分层架构，将 100+ UAV 的城市调度问题分解为三个可独立优化又协同运作的子问题：

宏观层（任务分配）： GNN 编码空域图状态 + ACO（蚁群优化）分配任务至 UAV，优化全局吞吐量

宏观层目标函数：

中观层（冲突协调）： QMIX 多智能体协调，在宏观路径基础上进行速度/高度调整消解冲突

中观层分散式决策，每架 UAV 的局部策略：

微观层（轨迹执行）： ORCA 几何解析 + MPC 滚动优化，实现厘米级精准跟踪

MPC 滚动优化（预测步长）：

补充实验清单

规模扩展曲线： 20/50/100/200 UAV，记录系统吞吐量（UAV/min）、端到端延时、计算资源（CPU/GPU）
基线对比： FCFS（先来先服务）、集中式 MILP（最优但慢）、两层架构（无宏观层）
场景多样性： 高密度物流场景（均匀需求）vs 突发高峰场景（泊松到达）
理论分析： 给出系统吞吐量上界的理论推导（基于排队论）

Timeline

2026/07  实现三层框架代码 + 集成测试
2026/08  规模扩展实验（需要较长训练时间）
2026/10  写稿
2026/11  投稿 Transportation Research Part C

Paper C：信息论驱动的 3DGS 主动感知规划

来源文章： next-best-view-nerf-3dgs-exploration + information-theory-active-perception-foundations + uav-nerf-gs-planning

目标会议： ICRA 2026（截止约 2026/09）或 IROS 2026

核心创新点

将 Fisher 信息矩阵（FIM） 作为 Next-Best-View 选择的代理目标，驱动 3D Gaussian Splatting（3DGS） 主动收敛重建：

信息增益量化： 下一视点选择最大化关于场景参数的预期信息增益：

利用 Cramér-Rao 下界，FIM 逆矩阵给出参数估计不确定性下界：

3DGS FIM 的可微近似： 对每个 Gaussian ，其 FIM 相对于均值可近似为：

贪心策略实时化： 全局最优的 NBV 搜索为 NP-hard，采用贪心序列化 + 剪枝（距离约束 + 遮挡检测）实现实时决策（<50 ms/步）。

与现有方法对比

方法	目标函数	表达	实时性	信息保证
前沿探索（Frontier）	覆盖率	体素	好	无
熵最小化	占用熵	体素	中	弱
ActiveGAMER	重建质量	3DGS	差	无
本文（FIM-3DGS）	Fisher信息	3DGS	好	CRB理论保证

补充实验清单

在线重建实验： AirSim 城市场景，UAV 自主飞行 + 在线 3DGS 更新
指标： PSNR / SSIM（重建质量）、覆盖率（%）、每步平均信息增益、总飞行距离
基线： 随机探索、Frontier-based、ActiveGAMER、SO-NeRF
消融： FIM 代理目标 vs 纯覆盖率目标 vs 纯重建质量目标

Timeline

2026/06  实现 FIM-3DGS 可微近似模块
2026/07  AirSim 在线实验
2026/08  写稿（ICRA 格式，8页）
2026/09  投稿 ICRA 2026

Paper D：多源语义融合 + 功能分区驱动的 UAV 轨迹规划

来源文章： uav-semantic-mapping-functional-zoning + uav-digital-twin-semantic-mapping

目标期刊： IEEE T-ITS 或 Transportation Research Part C

核心创新点

多源数据融合管道：

其中为遥感影像语义分割结果，为道路/建筑物 GIS 向量，为兴趣点（商业/医院/学校），为人口统计数据。

城市功能分区风险模型：

为每种功能区类型 $居住商业工业绿地水域$ 定义基础风险系数，结合时段因子（早晚高峰 vs 夜间）和楼层密度：

风险感知航路代价函数：

将功能分区风险图嵌入 A* 边权：

其中为廊道湍流强度（从风场模型提取），为权衡系数。

与现有工作的差异化：

现有工作用人口密度作为地面风险代理 → 静态、粗粒度
本文用功能分区类型 × 时段因子 × 建筑密度三维风险模型 → 动态、细粒度，且可跨城市迁移（功能分区标准统一）

补充实验清单

数据获取： 广州/深圳 CBD GIS 数据（OSM 开源 + 高分遥感影像）
基线对比： 纯最短路（Dijkstra）、人口密度加权、建筑物遮蔽加权
指标： 风险曝露积分（REI = ）、路径长度、飞行时间
Pareto 曲线： REI vs 路径长度的权衡前沿
泛化实验： 在北京/上海训练权重参数，在广州测试（跨城市迁移性）

Timeline

2026/07  GIS 数据采集与预处理
2026/08  功能分区模型实现 + 航路规划实验
2026/09  写稿
2026/11  投稿 Transportation Research Part C

3. Tier 2：需要较多额外工作（12–18 个月）

Paper E：LLM + 形式化验证的 UAV 任务规划

来源文章： llm-uav-semantic-planning + llm-guided-uav-planning-frontiers

目标： ICRA/IROS 或 IJCAI 2027

核心创新点

闭环管道：

自然语言任务描述
       ↓ LLM 转译
LTL/STL 形式规范
       ↓ 模型检测（NuSMV / Breach）
验证通过 → 执行
验证失败 → 反馈给 LLM → 迭代修正

LTL 规范示例（“避免飞越医院上空，然后到达 B 点”）：

主要挑战：

LLM → LTL 的转译准确率（需要构建评测数据集：自然语言-形式规范对）
模型检测在大型状态空间的计算开销（需要状态空间抽象技术）
LLM Hallucination 导致不可满足的规范（需要可满足性检查前处理）

补充工作清单

构建 UAV 任务 NL→LTL 数据集（~500 对）
测量 GPT-4o / Llama-3 的转译准确率
实现 NuSMV 接口，验证城市 UAV 场景规范
设计 Hallucination 检测+修复模块

Paper F：CARLA-SUMO 多智能体变道 RL（地面延伸）

来源文章： carla-sumo-rl-lane-change（已有 270k 步 PPO 实验结果）

目标： Transportation Research Part C

扩展方向

现状：单智能体 PPO，270k 步已收敛
扩展：多智能体（5–10 辆车同时变道）+ 不确定性量化（Dropout / Ensemble）
Sim2Real：在 nuScenes / Waymo 数据集上验证策略泛化性

4. 各方向关键研究差距总结

方向	博客现状	最大缺口	弥补难度
Paper A (KAT-MARL)	理论框架完整，方程推导清晰	缺大规模仿真实验数据	★★☆（3–4个月）
Paper B (三层调度)	架构设计清晰，逻辑完整	缺100+规模扩展实验	★★★（4–5个月）
Paper C (FIM-3DGS)	信息论推导深厚，3DGS理解到位	缺在线闭环实现与实验	★★★（3–4个月）
Paper D (功能分区)	多源融合逻辑清晰	缺真实GIS数据与实验	★★☆（3–4个月）
Paper E (LLM+形式验证)	管道设计完整	缺评测数据集，转译准确率未知	★★★★（6–8个月）
Paper F (CARLA变道)	已有实验结果	需扩展多智能体场景	★★☆（3–4个月）

5. 投稿策略与期刊选择指南

目标期刊/会议一览

期刊 / 会议	领域	IF / 接收率	审稿周期	适合 Paper
IEEE T-ITS	交通智能系统	8.5 / ~20%	3–6月	A, B, D
TR Part C	运输科学工程	7.6 / ~18%	4–6月	B, D, F
IEEE T-ASE	自动化科学工程	5.9 / ~22%	3–5月	A
IEEE RAL	机器人快报	4.6 / ~30%	2–3月	C
ICRA	机器人顶会	~30%	一年一次	C, E
IROS	机器人顶会	~40%	一年一次	C, E
IJCAI	AI 顶会	~15%	一年一次	E

渐进式投稿路径建议

结合已发表 SCI Q3 论文的基础，建议渐进式提升策略：

阶段一（2026）：冲刺 Q1 期刊
  → Paper A → IEEE T-ITS（同赛道，优势最大）
  → Paper C → IEEE RAL 或 ICRA（快速发表）

阶段二（2026–2027）：扩展并提升
  → Paper B → Transportation Research Part C
  → Paper D → IEEE T-ITS（第二篇，建立系列感）

阶段三（2027–）：攻顶会
  → Paper E → ICRA/IROS 或 IJCAI（高风险高回报）

关键提示：

T-ITS 对”UAV × 城市交通系统”的交叉研究接受度高，与已发表论文的领域一致，审稿人对背景的认可度最高
ICRA 截止日期通常在前一年 9 月，需提前规划
建议在投稿前在 arXiv 预印（对交通领域的接受度越来越高）

6. 12 个月投稿路线图

时间        Paper A（KAT-MARL）     Paper C（FIM-3DGS）    Paper D（功能分区）     Paper B（三层调度）
─────────────────────────────────────────────────────────────────────────────────────────────────
2026/05    ▶ 环境搭建                ▶ FIM模块实现
2026/06    实验训练                  实验训练（AirSim）
2026/07    基线对比                  写稿启动              ▶ GIS数据采集
2026/08    写稿                      写稿完成              实验 + 写稿           ▶ 框架实现
2026/09    ◉ 投 T-ITS               ◉ 投 ICRA/RAL
2026/10                                                    写稿                  规模实验
2026/11                                                    ◉ 投 TR Part C
2026/12                                                                          写稿
2027/01                                                                          ◉ 投 TR Part C
─────────────────────────────────────────────────────────────────────────────────────────────────
◉ = 投稿节点   ▶ = 工作启动

7. 本文档的维护约定

文件命名规范： research-roadmap_v{版本号}_{年月日}.md

当前版本：research-roadmap_v1_20260515.md
下一次更新（Paper A 投稿后）：research-roadmap_v2_20260930.md
收到审稿意见后：research-roadmap_v3_202611xx.md

每次更新时修改的内容：

对应 Paper 的 Timeline（实际进展 vs 计划）
补充实验清单的完成情况（打 ✅）
审稿意见摘要与应对策略
新增的论文机会（如新发现的研究空白）

把研究规划本身也用版本管理，是因为研究的走向会随着实验结果、审稿意见、新论文的出现不断调整。这份文档应该是活的，而不是一次性的。

附录：博客文章与 Paper 对应关系速查

博客文章	对应 Paper
marl-kat-uav-conflict	A（主）
uav-conflict-resolution	A（参考）
uav-conflict-env-construction	A（实验环境）
large-scale-uav-scheduling	B（主）
uav-urban-route-planning	B（参考）
next-best-view-nerf-3dgs-exploration	C（主）
information-theory-active-perception	C（理论基础）
uav-nerf-gs-planning	C（参考）
uav-semantic-mapping-functional-zoning	D（主）
uav-digital-twin-semantic-mapping	D（参考）
llm-uav-semantic-planning	E（主）
llm-guided-uav-planning-frontiers	E（参考）
carla-sumo-rl-lane-change	F（主）