非中國團隊六月的民用研究，題目散在搜救、模擬平台與實機控制三條線上。德國兩個團隊分別把搜救自主化推向兩端：慕尼黑工業大學開源 GPU 加速可微分模擬器 Crazyflow，另一團隊讓消費級 DJI 無人機直接在遙控器的 Android App 上跑狀態估計與避障，單一操作員就能監督多架異質機。瑞典 Mälardalen 用市場機制讓搜救蜂群在成員故障時自動重分配任務。東京大學把強化學習策略零樣本部署到過致動傾轉四旋翼，與 NMPC 正面比較。美國團隊釋出 MATLAB 蜂群測試平台 SwarmFly，內建故障注入與回歸測試。整體看，這側的重心是真實部署與工具鏈，模擬器、消費級硬體、故障容忍都是為了讓自主飛行離開實驗室。
中國團隊六月收錄六篇，機構背景延續國防與交通體系：軍事科學院做多蜂群動態任務分配，國防科技大學在 2800 平方公里半實物平台上驗證偽衛星增強的協同定位，CETC 54 所處理高速大慣量旋翼機的避障。應用面則有華東交通大學的卡車無人機協同配送（以武漢路網實證）與無人翼地效應艇的島礁航跡規劃。題目仍集中在 GNSS 拒止定位、路徑規劃與任務分配，且偽衛星定位一篇用上實測飛行資料，實證強度比常見的純模擬高。
台灣為近年基線，非本月產出。研究集中在固定翼無人機 GNSS 失效下的深度學習導航與降落（成功大學、海洋大學）、編隊飛行避障、茶樹生理參數的農業遙測（中興大學），以及視覺語言模型直接控制無人機的 See Point Fly（陽明交大、台大）。路線偏應用與感測整合，蜂群與大規模協同著墨少。
民用無人機研究從遙控操作走到自主導航，再走到學習型感知與多機協同。六月的樣本顯示兩個正在成形的趨勢。一是工具鏈成熟化：Crazyflow、SwarmFly 這類開源模擬與測試平台接連出現，蜂群研究的入門成本在下降。二是 GNSS 拒止導航的手段持續多樣化，地磁、地形匹配、跨視角定位、偽衛星在同一個月內各有團隊推進，被動與地面增強兩條路線並行。生成式方法也還在滲透，擴散模型路徑規劃連續第二個月出現。
| 主題 | 非中國 | 中國 |
|---|---|---|
| GNSS 拒止定位 | CPFL 用跨視角感知加粒子濾波做純視覺連續定位，不依賴 IMU；地形匹配與地磁補償也有進展。 | 國防科技大學以偽衛星網路加自適應卡爾曼濾波，在 2800 平方公里半實物平台與時速 300 公里以上的飛行軌跡上驗證。 |
| 蜂群任務分配 | 瑞典團隊用市場機制讓搜救蜂群在隨機故障下自我修復、重分配搜索區。 | 軍事科學院用多蜂群烏鴉搜索演算法處理動態任務分配，與七個 SOTA 演算法比較。 |
| 模擬與工具鏈 | Crazyflow（JAX、GPU、可微分）與 SwarmFly（MATLAB、故障注入）兩個開源平台同月釋出。 | 以 Unity、ROS、MATLAB 整合平台等自建模擬為主，未見開源平台釋出。 |
| 日期 | 國別 | 論文 | 來源 | |
|---|---|---|---|---|
| 2026-06-23 | 中國軍事科學院（北京） | A Multi-Swarm Dynamic Crow Search Algorithm for Multi-UAV Dynamic Task Allocation 多蜂群動態烏鴉搜索演算法做多機動態任務分配，與七個 SOTA 演算法比較。 | Drones (MDPI) | 連結 |
| 2026-06-24 | 中國國防科技大學（長沙） | Multi-UAV Cooperative Localization in Pseudolite-Augmented GNSS-Denied Regions: An Anomaly-Resilient Adaptive Kalman Filter with Group Covariance Compensation 偽衛星增強的多機協同定位，2800 平方公里半實物平台加時速 300 公里以上實測軌跡驗證。 | Drones (MDPI) | 連結 |
| 2024-05-15 · 近年基線 | 台灣 | Development of an Uneven Terrain Decision-Aid Landing System for Fixed-Wing Aircraft Based on Computer Vision 電腦視覺輔助固定翼機在不平坦地形的降落決策系統。 | Electronics (MDPI) | 連結 |
| 2025-03-21 · 近年基線 | 台灣 | Estimating Tea Plant Physiological Parameters Using Unmanned Aerial Vehicle Imagery and Machine Learning Algorithms 無人機影像加機器學習估測茶樹生理參數。 | Sensors (MDPI) | 連結 |
| 2025-04-10 · 近年基線 | 台灣 | Deep Learning-Based Navigation System for Automatic Landing Approach of Fixed-Wing UAVs in GNSS-Denied Environments 深度學習導航系統支援固定翼機在 GNSS 拒止環境自動進場降落。 | Aerospace (MDPI) | 連結 |
| 2025-04-12 · 近年基線 | 台灣 | Path Planning and Obstacle Avoidance of Formation Flight 編隊飛行的路徑規劃與避障。 | Sensors (MDPI) | 連結 |
| 2025-09-26 · 近年基線 | 台灣 | See, Point, Fly: A Learning-Free VLM Framework for Universal Unmanned Aerial Navigation See Point Fly：免訓練的視覺語言模型框架直接控制無人機導航。 | CoRL 2025 (Conference on Robot Learning), PMLR 305 | 連結 |
| 2025-12-08 · 近年基線 | 台灣 | Jamming Adversarial Drones with Massive MIMO 用大規模 MIMO 干擾敵對無人機。 | IEEE GLOBECOM 2025（IEEE Global Communications Conference, Taipei） | 連結 |
| 2025-12-08 · 近年基線 | 台灣 | REAP: Real-time Threat Detection and Trajectory Planning For Multiple UAVs in Adverse Areas REAP：多無人機在惡劣區域的即時威脅偵測與軌跡規劃。 | IEEE GLOBECOM 2025（IEEE Global Communications Conference, Taipei） | 連結 |
| 2026-06-09 | 非中國 | AgenticDiffusion: Agentic Diffusion-based Path Planning for Vision-Based UAV Navigation AgenticDiffusion 讓無人機依自然語言指令結合多視角觀測生成導航軌跡，40 次實飛驗證。 | arXiv (cs.RO) | 連結 |
| 2026-06-23 | 非中國德國（慕尼黑工業大學） | Crazyflow: An Accurate, GPU-Accelerated, Differentiable Drone Simulator in JAX Crazyflow：JAX 實作、GPU 加速、可微分的開源無人機模擬器，附系統辨識管線與實機驗證。 | arXiv preprint (cs.RO / cs.AI / cs.MA / eess.SY) | 連結 |
| 2026-06-24 | 非中國日本（東京大學） | Learning Agile and Robust Omnidirectional Aerial Motion on Overactuated Tiltable-Quadrotors 強化學習策略零樣本部署到過致動傾轉四旋翼，全向姿態控制與 NMPC 正面比較。 | arXiv preprint (cs.RO) | 連結 |