虽然在理想条件下，仅依靠GNSS技术已经能够得到足够高精度的定位结果，但在某些特殊条件和应用场合中仍然存在诸多不足。例如在环境较为复杂的城市环境中，观测量中的多径分量明显上升，甚至在更加极端的场景下，会出现观测量丢失、卫星观测数量不足以进行定位计算的情况，在这种场景下无法只依靠GNSS技术来进行有效的导航。另外，GNSS系统的定位输出频率一般在1~20Hz，在高动态场景下无法满足更加高频率的定位输出需求，这也是GNSS定位的重大缺点之一。为了弥补以上问题，更加普遍的解决方案是使用多传感器组合导航，这也是目前无人系统导航发展的趋势。
组合导航的出现可以说是目前各类技术水平发展到一定程度后必然出现的一类导航技术，主要可以归结为三个方面。一是传感器成本的不断降低，IMU、高清摄像头在如今的智能手机中随处可见，其他诸如磁力计、气压计等等，在技术成熟的当下成本也进一步降低，使得多种传感设备的数据更容易获取。二是处理能力的提升，对于多个传感器的数据融合处理，其复杂度更高，那么对于系统的数据处理能力提出了更高的要求。三是更多数据的采集和可用，诸如一些3D地图、街景、信号数据库等等，为一些基于视觉传感的导航技术提供了数据基础。
除了卫星导航技术以外，还存在其他各类导航技术，如视觉导航等等，但是没有一种导航技术是完全可靠的，这是因为它们在某些场景下都或多或少存在缺陷。对于GNSS以及其他基于无线电的导航技术而言，信号的干扰和遮挡是制约其复杂场景下精度的主要因素；对基于惯性传感设备的航位推算技术而言，存在误差随时间不断累积的缺陷；对于视觉导航，在场景特征不明显的条件下无法得到理想的效果。
基于以上技术发展及限制条件，组合导航技术更加体现其必要性。从可用性的角度来看，在不同的场景下，总可以找到一种特定的技术来保证最基本的导航功能。从导航的精度而言更多的导航信息可以保证更高的精度以及更加准确的设备误差校正。此外，更多的导航信息使得各类错误的发生更容易发现，理论上提升了导航系统的完好性检测能力。
但组合导航也带来诸多技术上的难题。一方面，要结合各类导航技术可能涉及许多不同领域的技术，所带来的研究开发的成本和难度的提升。另一方面，多种导航技术存在许多种不同的组合方式，同一种组合也可能根据组合的深度有所不同，如果需要在现有的组合导航系统上加入一种新的技术，很大概率需要对于原系统在硬件或软件上进行重新设计，如何避免这种设计过程同时达到原有的组合导航效果也是一大难题。最后，从完好性检测来看，各类观测量的组合也使得错误的发生原因更为复杂，需要对不同的导航失效的模式进行估计，因此实际上组合导航中的完好性检测仍然存在进一步研究的空间。
惯性导航系统（Inertial Navigation System，INS）是一种可以基于牛顿力学进行自主导航的系统，通过惯性测量单元测量系统的加速度和角速率等运动学物理量，结合运动学微分方程实时解算系统的位置、速度、位姿等信息。INS的特点是能够在短期时间内提供较高精度的高频率数据输出，但随着时间推移其精度会不断降低。相比之下，GNSS系统在长期时间内更加稳定，这意味着其误差精度实际上是时不变的。因此GNSS和INS具有互补的特质，一方面INS可以辅助GNSS实现更加连续的导航轨迹输出，并且在卫星信号遭到中断的时候提供一定的导航能力，另外GNSS定位精度的时间平稳特性能够辅助INS来限制其精度降低。根据以上特性，GNSS和INS的融合能够很大程度低弥补相互的缺点，实现更高精度、更具稳定性的导航。
GNSS/INS组合导航技术已经有很多相关的研究成果，一般而言，根据GNSS和INS之间观测信息相互影响的程度，可以分类为松耦合组合、紧耦合组合以及深耦合组合。在松耦合组合中，会将GNSS的定位解算结果和INS的惯导数据相结合，给出最终的导航输出；在紧耦合组合中，GNSS的原始观测量会同时和惯导数据输入中心滤波器进行处理，其耦合程度更深；而在深度耦合中，GNSS和INS不再作为独立的系统，而是在硬件的层面进行耦合，通过GNSS观测来估计INS的误差以及通过INS的观测来辅助GNSS接收机信号跟踪回路等。在无人系统中，一般使用松耦合和紧耦合进行组合导航，深耦合则需要硬件上的设计和制造，因此较为少见。相比松耦合，紧耦合的实现更为复杂，也需要更多的处理时间，但在GNSS信号较弱或丢失的场景下，紧耦合能够更好地提供较高精度的导航性能，因此也较常见于各类GNSS信号接收较差的复杂环境应用之中。
在Antonio的研究中，对于GPS/GLONASS/INS的组合导航性能进行了详尽的实验分析，比较了在不同的环境条件下使用不同的耦合方式和组合方式。其结论是，在一般场景下或短暂的信号缺失条件下，使用松耦合和紧耦合都能获得较好的定位结果且相对仅使用卫星导航存在一定的精度提升，而在比较复杂的场景下（80%的时间中卫星导航解可用，最大信号缺失时间为45秒），松耦合下存在较大的定位误差（RMS误差约30米，最长时间信号缺失下误差数百米）而紧耦合下其定位效果显著提升（RMS误差约5米，最长时间信号缺失下误差100米），由此可以体现紧耦合的组合方式在复杂场景下的定位性能优势。
但从上述研究中也可发现，仅仅的GNSS/INS的组合只能保证在卫星可见度较好的情况下提升定位精度或在短暂的卫星信号缺失时保障导航的稳定性，但在长时间卫星信号不可用的条件下（大于数十秒），不论哪种耦合方式都会造成较大的误差，因此还需要其他方式进一步减小这类影响。因此除了使用INS外，包括雷达、视觉传感器等设备在内的多传感器组合也可对整个导航系统起到进一步的辅助效果，其最终目的还是在GNSS信号长时间缺失或较弱的情况下能够保证一定的导航功能。
在Dae 等人的研究中，针对长时间下可见卫星数量小于4的场景，对于GNSS/INS/Vision的组合导航方式进行了研究，其设计的模型主要是利用GNSS的测距信号辅助基于视觉导航的组合方式。下图是研究中给出的不同可用卫星数量下定位误差随时间的变化，可以发现3颗GPS卫星可见情况下，使用该模型可以保证数分钟的稳定导航性能，而当可见卫星数量进一步降低，其定位误差逐渐从波动（2颗GPS卫星）变为累积（1颗或无GPS卫星）。因此该研究从一定程度上提升了在卫星导航结果无法成功求解的情况下导航系统的稳定性，但在特别极端场景下仍存在误差较大的情况。
此外，在多个传感器的组合导航中，当场景变化时，需要自适应地选取合适的导航模式，例如在Dae的其他相关研究中，使用了GNSS/INS/vision的组合导航，并给出在一些场景中的性能指标的评估，来实现组合导航模式的选择（INS，vision/INS，GNSS/INS或GNSS/vision/INS），从而灵活应对不同的环境条件。
由此可见，在无人系统中，多技术融合是发展的趋势，虽然GNSS在理想条件下能够获得十分优秀的导航性能，但要应对非理想的各种复杂场景，就需要进一步挖掘各类传感器的之间相互辅助的潜力。
多传感器的优势在于可以灵活应对不同场景下的导航需求，因而场景的检测和识别至关重要。通过识别不同的环境（室外宽阔环境、复杂城市环境、室内等），识别不同的行为模式（地面移动、飞行等），并以此为依据如何选取理想的导航技术，仍然是目前组合导航中的挑战之一。此外，使用组合导航技术得到的定位结果，其结果完好性的确定也十分困难。如果需要评估其完好性，就需要估计不同的导航失效模式发生的概率以及在这种失效模式下各种观测量的统计特征，各类误差源的时间相关性及互相关特性等。图中列举了车载导航中一些潜在的导航技术，当一个导航系统存在许多观测数据来源时，设计导航系统就变得十分复杂，既要在不同场景下发挥每种导航技术的优势，又需要实时检测每种观测的完好性以免出现错误的导航结果，而相应的先验数值的获取也可能十分困难。另外，过于复杂的系统耦合也会导致在引入新技术的时候存在不得不重新设计整个系统的问题，从而进一步加大系统设计的难度。
