无人机的 AI 在哪？悬停避障与路径

第一次飞无人机的人多半会愣一下：松开摇杆，机器稳稳停在半空，风吹过来晃一晃又回到原位；前方有棵树，它提前减速自己绕了过去。这些「懂事」的行为背后没有人在遥控，是机载 AI 在实时干活。无人机的智能集中在三件事上：悬停是怎么稳住的、避障是怎么看见的、路径是怎么选出来的。这篇把三件事逐一拆开讲原理，它们拼在一起，就是一台无人机「会自己飞」的全部秘密。

悬停：每秒几百次的自我修正

悬停看着安静，其实是一连串高速修正的结果。空气时刻在动，一阵气流就能把机身推离原位，无人机要做的第一件事是知道自己「偏了多少、朝哪偏」。这靠一组传感器合力完成：惯性测量单元感知姿态的倾斜与加速度，气压计估算高度变化，向下的视觉传感器与超声波盯着地面，判断位置有没有漂移。数据汇齐后，飞控算法在几毫秒内算出修正量，调整四个电机的转速差——左边快一点、右边慢一点——机身就被推回原位。这个「感知偏差、计算修正、调整动力」的动作每秒重复几百次，肉眼看到的「稳」，其实是持续不断的微调。几路传感器的数据怎么互补与互相校验，传感器融合一篇拆得很细，悬停正是它最典型的应用场景。

避障：看见障碍并决定绕行

悬停解决「我在哪」，避障解决「前面有什么」。机身四周布着视觉摄像头，有的还配上红外或激光测距，持续扫描周围的立体空间。AI 在这里做三步：先从画面里识别出障碍物——树、电线、楼角；再测出它的距离与轮廓，距离靠双目视差或测距模块；最后决定怎么办——减速、停住，还是从左右哪一侧绕过去。电线是出了名的难题：细的东西在画面里只占几个像素，远距离时很难认出来，所以靠近障碍物时系统普遍切换到更谨慎的挡位，宁可先停再说。避障的表现差异，主要就差在视觉识别的准头与反应的提前量上，摄像头这类视觉入口能看见什么、边界在哪，AI 摄像头一篇的口径可以借用。

路径：从起点到终点的航线怎么定

前两件事管眼前，路径规划管全程。用户在地图上圈出目标点，规划算法先按地形与空域情况生成一条候选航线，把期望的飞行方向、高度串起来；起飞后，这条航线还要实时校订——风把机身吹偏了，航线跟着修正；半路冒出计划外的障碍，局部重算一段绕行路线，绕完接回主线。聪明的规划还会考虑拍摄需求：跟拍时保持角度与距离，环绕时走一条匀速的圆弧。需要说明的是，哪些空域能飞、哪些高度受限，属于飞行管理的话题，规则以当地管理部门发布为准，存量资料已有覆盖，本篇只讲技术构成不展开。读者要分清的是：航线规划是算法能力，空域约束是外部规则，两者别混为一谈。

三件事挤在一台机器里怎么跑

悬停、避障、路径规划不是排着队做，而是同时在跑：飞控以几百赫兹的频率修正姿态，避障持续扫描前方，规划层隔一阵校订一次航线，三层各占一份算力。麻烦在于无人机能带的计算设备很有限——电池就那么大，省着用；机身要轻，装不下大散热。所以机载的模型普遍是小而专的：识别模型只认飞行中常遇到的物体类别，控制算法做成高度优化的精简版本，把每毫瓦算力都花在刀刃上，这类「把模型做小装进设备」的功夫，模型怎么装进设备一篇专门讲。想实际体会三层的配合，找一段公开的飞行日志让豆包按悬停修正、避障动作、航线变化做个分解；再让 DeepSeek 对照本篇的三层结构，把日志里的事件逐条归类，一套完整的飞行智能就看得见了。

无人机 AI 三件事速查

• 悬停＝高频修正：传感器测偏差，飞控每秒几百次调电机
• 避障三步：视觉识别、测距轮廓、减速或绕行
• 电线细目标最难认，近距离系统普遍切保守挡位
• 路径规划生成航线并实时校订，绕障后接回主线
• 三层同时运行，机载模型小而专，算力精打细算

关于无人机 AI 的常见疑问

• 室内悬停和室外悬停是一套机制吗？：核心修正逻辑相同，依赖的传感器不同。室外有卫星定位兜底，室内收不到，就换成向下视觉、超声波与惯性单元接力，这也是为什么有些无人机在光照差的室内会漂——视觉定位看不清地面纹理了，修正的依据打了折扣。
• 避障功能开了是不是就不会撞了？：不能这样理解。避障对常见障碍有效，但细小物体、透明玻璃、弱光环境都是短板，各厂家的规避策略也不同。它是一项辅助能力，飞手保持目视观察与判断仍是基本要求，把安全完全交给系统是常见的误读。
• 为什么有的无人机绕障动作生硬，有的很顺滑？：差别在决策层的规划深度。只做「停住或急转」的系统动作自然生硬；提前几十米就开始预测障碍位置、把绕行曲线并入航线的系统，动作就连贯。多花的算力与传感器裕量，最终都体现在那一段顺滑的弧线上。