人工智能（AI）与自主控制系统（ACS）正深刻重塑无人机能力边界，然而现有文献仍分散于控制理论、环境感知、任务规划及特定场景部署研究等领域。本综述以人工智能赋能无人机系统的“研发—部署”鸿沟为核心，通过结构化循证视角整合这一碎片化知识体系。本文系统检阅2015至2025年间发表的核心同行评审文献，并采用所提出的“人工智能—自主控制集成成熟度模型”（AIMM）作为综合框架——该模型在此仅作文献整合工具而非经校验的评分量表。综述聚焦四大分析维度：自主等级、智能集成度、应用复杂度及部署就绪度。纵观既有研究，可发现一显著规律：算法复杂度极高的系统在实地验证中常表现薄弱，而具备实际部署能力的系统往往受限于较窄的自主范围与严格界定的运行假设。分析进一步表明，混合控制架构、多模态传感与应用导向的系统设计是提升实战性能的关键路径；反之，安全保障机制缺失、能源约束、环境适应性不足及成果可比性有限，则构成规模化部署的持续障碍。通过融合方法学透明度、跨域比较及对技术与转化证据的体系化整合，本综述厘清了该领域发展现状，指明了实现作战自主性的近期可行路径，并确立了提升人工智能无人机系统学术与实践成熟度的核心研究方向。

无人驾驶航空器（UAV）已从遥控平台演进为具备复杂环境下感知、规划与任务执行能力的自主化信息物理系统。这一转型得益于自主控制系统（ACS）、嵌入式传感、机器学习、计算机视觉及机载计算的协同发展，推动无人机在物流配送、精准农业、基础设施巡检、监视侦察及应急响应等领域的应用边界持续拓展[1,2,3]。与此同时，领域的急速扩张催生了大量技术创新成果，但在方法学一致性、部署验证严谨性及跨研究可比性方面仍存在显著不均衡。

现有证据体系至少存在三类突出矛盾：其一，诸多研究在跟踪控制、环境感知或路径规划等单一子系统层面取得优异性能，却未阐明这些组件如何扩展为真实工况下稳定可靠的集成化自主系统[4,5]；其二，文献常将实验室演示、仿真主导研究与实地部署应用混同论述，未能充分区分其证据效力层级，导致成熟度与就绪度评估难以有效比对[6,7]；其三，应用型综述虽强调行业前景，却较少关注决定系统实际部署可行性的技术权衡、验证深度及运行约束条件[8]。这些缺口迫切呼唤更具结构化的综述范式——其应立足批判性分析而非成果颂扬，坚持循证导向而非单纯描述，并明确区分技术能力与部署就绪度的本质差异。

基于此，本综述旨在回应四大核心问题：（i）当前定义人工智能无人机前沿的控制、感知、导航与决策方法有哪些？（ii）影响其现实适用性的关键权衡因素为何？（iii）应用场景与验证环境如何塑造研究成果的成熟度？（iv）文献中揭示的研究性能与实战部署间存在哪些重大断层？为解答上述问题，本文引入并应用“人工智能—自主控制集成成熟度模型”（AIMM）作为文献整合框架。该模型从自主等级（AL）、智能集成度（II）、应用复杂度（AC）及部署就绪度（DR）四个维度组织证据。在本结构化综述中，我们依据这些维度对纳入研究进行编码以实现比较分析。此编码系作者主导的综合分析方法，并非经外部校验的通用评分标准。

本文贡献主要体现在三方面：首先，将无人机领域分散的自主控制系统与人工智能文献整合为涵盖控制、感知、规划及决策的跨层协同综述；其次，突破孤立报道单项成果的局限，通过比较研究的技术假设、验证真实性与转化就绪度增强分析结构性；第三，通过揭示进展显著领域、证据薄弱环节及最具近期影响力的研究方向，厘清了“研发—部署”鸿沟的本质。鉴于纳入研究在目标设定、数据集、评价指标及运行环境等方面存在显著差异，本综述采用结构化证据整合而非荟萃分析方法。

全文结构安排如下：第二节详述综述方案，包括检索策略、筛选逻辑、证据提取与综合方法；后续章节依次探讨概念基础、自主控制方法、人工智能技术及应用场景；后半部分将上述脉络整合为比较性综述，识别持续性研究缺口，并论证提升未来工作部署就绪度与学术严谨性所需解决的技术、监管及伦理条件。