Vehicle Parameter Independent Gain Matrix Selection for a Quadrotor using State-Space Controller Design Methods
Department of Mechanical and Manufacturing Engineering, University of Calgary（卡尔加里大学机械与制造工程学院）
本文提出了一种基于状态空间方法的四旋翼稳定悬停控制器设计，采用线性方法在存在扰动时保持稳定，并设计了跟踪系统，增益矩阵与四旋翼参数无关，适用于多种四旋翼。
2014-10-02 cs.SY eess.SY
Model Predictive Path Integral Control Framework for Partially Observable Navigation: A Quadrotor Case Study
Université Côte d’Azur（蔚蓝海岸大学）；Inria（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；I3S（蔚蓝海岸大学与法国国家科学研究中心联合研究所）
近年来，模型预测路径积分（MPPI）控制算法已被广泛应用于自主导航任务，其中大多数假设成本地图是已知的，并且仅执行2D导航任务。在本文中，我们提出了一个通用的MPPI控制框架，可用于2D或3D自主导航任务，在完全或部分可观察的环境中，这是最普遍的机器人应用。该框架直接利用从机载传感系统获取的3D体素网格进行无碰撞导航。我们测试的框架，在现实的RotorS为基础的模拟，在一个混乱的环境中，完全和部分可观察的情况下，目标导向的四旋翼导航任务。初步结果表明，所提出的框架工作完美，部分可观测性下，在二维和三维杂乱的环境。
2020-10-14 cs.RO cs.SY eess.SY
SEAL: Safety Enhanced Trajectory Planning and Control Framework for Quadrotor Flight in Complex Environments
针对四旋翼在风扰动和动态障碍物环境中的安全飞行问题，提出SEAL框架，通过广义比例积分观测器在规划与控制阶段同时估计风扰动，结合HJ可达性分析保证轨迹安全性，并采用NMPC控制器实现鲁棒跟踪。
2025-03-05 cs.SY eess.SY
Online Learning and Control for Data-Augmented Quadrotor Model
Institute of Computer Science, Czech Academy of Sciences（捷克科学院计算机科学研究所）；University of West Bohemia（西波希米亚大学）
本文提出使用递归高斯过程在线辨识四旋翼空气阻力模型，并将其与基于物理的动力学模型结合，通过改进的模型预测控制实现更高精度的轨迹跟踪，仿真验证了该方法的有效性。
2024-12-28 cs.RO cs.SY eess.SY
Collision Recovery Control of a Foldable Quadrotor
The Polytechnic School, Ira A. Fulton Schools of Engineering, Arizona State University（亚利桑那州立大学艾拉·富尔顿工程学院理工学院）
提出一种带扭力弹簧的可折叠四旋翼系统，通过机械顺应性增加冲击时间并减小净冲击力，结合恢复控制器实现碰撞后安全悬停，实验证明其反弹速度更低且恢复控制更简单。
2021-05-28 cs.RO cs.SY eess.SY
A novel metric for detecting quadrotor loss-of-control
Delft University of Technology（代尔夫特理工大学）
针对四旋翼飞行器失控定义不明确、现有检测方法受限的问题，提出一种基于执行器能力的新型失控检测指标，经仿真与真实飞行数据验证，可检测故障及剧烈偏航引发的失控，且具备通用性。
2024-08-12 cs.RO cs.SY eess.SY
An Insight into the Dynamics and State Space Modelling of a 3-D Quadrotor
Amrita Vishwa Vidyapeetham（阿米塔大学）；Center for Computational Engineering and Networking (CEN)（计算工程与网络中心）；Amrita School of Engineering（阿米塔工程学院）
本文探讨了三维四旋翼无人机的动力学数学建模及参考坐标系变换，为底层控制算法和高层用户界面开发提供了理论基础。
2019-01-04 cs.AI cs.RO cs.SY
Design and Flight Demonstration of a Quadrotor for Urban Mapping and Target Tracking Research
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
本文设计并演示了一种配备五摄像头和机载Jetson Orin Nano的小型四旋翼无人机，实现GPS目标自主跟踪与DSO环境建图，并通过飞行测试验证了系统性能。
2024-03-15 cs.CV cs.RO cs.SY
Flight Control System Design for Autonomous Aerial Surveys of Volcanoes
本研究针对恶劣环境下的四旋翼飞行器设计控制器。在这里，恶劣的环境表明火山附近的温度变化的空气。控制器克服了强烈变化的火山口上方的温度偏置的标称动态（25摄氏度）。目标火山被选为萨摩-大岛位于一个小岛屿南部的日本大陆。温度分布由日本地质调查局先前的研究提供。为了保证控制信号在输入饱和状态下，提出了一种路径规划方法。动参考系统的特征值选取是一个新课题，首次提出了一种针对特定要求的控制器设计方法。该方法可作为设计者/工程师开发具有运动目标/参考的控制器的标准方法，供进一步研究参考。在控制部分，设计了一个状态反馈控制器来稳定四旋翼的高度。反馈控制器的特征值是根据第一章路径规划中提出的方法选取的。设计了PID控制器对姿态进行控制。这些结果在MATLAB编写的仿真器中进行了验证。最后，将卡尔曼滤波器应用于高度控制中，将来自IMU和激光扫描仪的测量噪声与温度变化引起的系统噪声相结合。开发卡尔曼滤波器的另一个原因是IMU读出提供加速度。而速度不是直接由传感器获得的。在MATLAB Simulink中对采用卡尔曼滤波器的高度控制结果进行了验证。
2021-11-21 cs.SY eess.SY
Interpretable Stochastic Model Predictive Control using Distributional Reinforced Estimation for Quadrotor Tracking Systems
提出了一种用于动态复杂环境下四旋翼自主导航的新型轨迹跟踪器。所提出的框架集成了一个分布式强化学习（RL）估计未知的空气动力学效应到一个随机模型预测控制器（SMPC）的轨迹跟踪。由阻力和力矩变化产生的气动力效应很难直接和精确地建模。因此，大多数当前的四旋翼跟踪系统在常规控制方法中将它们视为简单的“干扰”。我们提出了基于分位数近似的分布增强干扰估计器，一种气动干扰估计器，以准确地识别干扰，即，空气动力效应的真实值和估计值之间的不确定性。简化仿射扰动反馈用于控制参数化以保证凸性，然后与SMPC集成以获得充分和非保守的控制信号。我们证明了我们的系统，以提高至少66%的累积跟踪误差与未知的和不同的空气动力相比，最近的国家的最先进的。关于传统的强化学习的不可解释性，我们提供了收敛性和稳定性保证的分布式RL和SMPC，分别与非零均值干扰。
2022-05-14 cs.AI cs.LG cs.RO
Learning Agile Flight Maneuvers: Deep SE(3) Motion Planning and Control for Quadrotors
National University of Singapore（新加坡国立大学）；ST Engineering（新加坡科技工程有限公司）
本文提出一种基于深度强化学习的四旋翼敏捷飞行方法，通过DNN参数化模型预测控制参考，结合强化-模仿训练和二分搜索，实现动态窄门穿越，仿真验证鲁棒性。
2026-09-15 cs.RO cs.SY eess.SY
Koopman Analytical Modeling of Position and Attitude Dynamics: a Case Study for Quadrotor Control
本文提出一种基于Koopman算子的位置与姿态动力学解析建模方法，通过在提升状态空间中的有限截断实现非线性系统的精确线性表示，并以四旋翼UAV为案例验证了其能用单一控制回路有效解决欠驱动控制问题。
2024-07-23 cs.SY eess.SY
Event-Triggered Nonlinear Model Predictive Control for Cooperative Cable-Suspended Payload Transportation with Multi-Quadrotors
Toronto Metropolitan University（多伦多都会大学）；University of Alberta（阿尔伯塔大学）
针对多四旋翼吊挂载荷协同运输中的非线性耦合等挑战，提出一种事件触发分布式NMPC方法，通过轻量级状态参数化在SE(3)流形上规划轨迹，在保证轨迹跟踪与避障的同时显著降低计算与通信开销。
2025-03-26 cs.RO cs.SY eess.SY
Autonomous Hook-Based Grasping and Transportation with Quadcopters
HUN-REN Institute for Computer Science and Control（HUN-REN计算机科学与控制研究所）；Eindhoven University of Technology（埃因霍温理工大学）
本文提出一种基于1自由度旋转关节钩子的四旋翼轻量化被动负载抓取与运输运动控制及规划方法，通过时间最优轨迹设计与两阶段控制策略实现快速可靠任务执行，并经仿真与实际飞行实验验证。
2024-03-26 cs.RO cs.SY eess.SY
Reach-Avoid Control Synthesis for a Quadrotor UAV with Formal Safety Guarantees
本文提出一种四旋翼UAV控制框架，结合几何控制与Bezier曲线生成轨迹并考虑跟踪误差，通过构建安全管和迭代线性规划实现具有形式化安全保证的reach-avoid任务。
2024-05-30 cs.SY eess.SY math.DS
Verification of Autonomous Systems with Optimal Controllers
Rensselaer Polytechnic Institute（伦斯勒理工学院）
本文研究最优控制器控制系统的可达性分析，以验证系统安全性和正确性。通过将梯度下降算法视为独立的动力学系统，设计可达性算法，评估方法在二维四旋翼和摆杆系统中的可行性。
2026-04-17 cs.SY eess.SY
Merging Control Strategies of Connected and Autonomous Vehicles at Freeway On-Ramps: A Comprehensive Review
入口匝道合流区是高速公路网中典型的瓶颈路段，入口匝道车辆的合流会对主线交通流产生强烈的扰动，对交通效率和安全造成各种负面影响。互联和自动驾驶车辆（CAV）具有实时通信和精确运动控制的能力，通过增强的协调策略，具有促进匝道合并操作的巨大潜力。本文对现有的基于CAV的匝道并道策略进行了全面的综述，重点介绍了该领域的最新研究动态。该综述全面涵盖了最近发表在主要运输期刊上的44篇论文。基于应用背景，控制策略分为三类：合并到单车道高速公路与总CAV，合并到单车道高速公路与混合交通流，并合并到多车道高速公路。相关文献综述了所需的技术，控制决策水平，应用方法，和对交通性能的影响。更重要的是，我们确定了现有的研究差距，并提供了有见地的讨论的潜力和有前途的方向，为未来的研究的基础上，这有利于进一步推进这一研究课题。
2022-03-22 cs.SY eess.SY
Real-time Neural-MPC: Deep Learning Model Predictive Control for Quadrotors and Agile Robotic Platforms
Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器学习研究所（MIRMI））；Technical University of Munich（慕尼黑工业大学）；University of Zurich（苏黎世大学）；Stanford University（斯坦福大学）；NVIDIA Research（英伟达研究院）
本研究提出Real-time Neural MPC框架，将大参数容量的复杂神经网络作为动力学模型高效整合进MPC流程，在嵌入式平台50Hz实时运行下大幅降低四旋翼位置跟踪误差，提升控制性能。
2023-07-25 cs.LG cs.RO cs.SY
Robust and Safe Autonomous Navigation for Systems with Learned SE(3) Hamiltonian Dynamics
稳定性和安全性是成功部署自动控制系统的关键属性。作为一个激励性的例子，考虑在复杂环境中的自主移动机器人导航。推广到不同操作条件的控制设计需要系统动态模型、对建模误差的鲁棒性以及满足安全性\NEWZL{constraints}，例如避免碰撞。本文提出了一种神经元常微分方程网络，从弹道数据中学习哈密顿系统的动力学。学习的哈密顿模型用于合成基于能量成形无源性的控制器，并分析其\emph{robustness}对学习的模型中的不确定性以及其\emph{safety}相对于环境施加的约束。给定一个所需的参考路径的系统，我们扩展我们的设计使用虚拟参考总督实现跟踪控制。调节器状态作为一个调节点，沿着参考路径自适应地移动，平衡系统能量水平，模型不确定性界限，以及距离安全违规，以保证鲁棒性和安全性。我们的哈密顿动力学学习和跟踪控制技术证明在\Revised{simulated hexarotor and quadrotor robots}在混乱的3D环境中导航。
2022-07-22 cs.RO cs.SY eess.SY
Reward-Based Collision-Free Algorithm for Trajectory Planning of Autonomous Robots
School of Aeronautics and Astronautics, Purdue University（航空宇航学院，普渡大学）
本文提出一种基于奖励的自主机器人任务规划算法，将问题建模为奖品收集旅行商问题的扩展，采用定制遗传算法结合微分平坦性、回旋曲线和欧拉螺旋方法生成曲率连续的无碰撞轨迹，并通过地面车辆、四旋翼和四足机器人仿真与实验验证了算法有效性。
2025-05-05 cs.RO cs.SY eess.SY
From Vision to Decision: Neuromorphic Control for Autonomous Navigation and Tracking
本文提出了一种类脑控制框架，通过动态神经群体和环境几何学实现自主导航与跟踪的实时决策。
2026-02-05 cs.RO cs.SY eess.SY
Control Barrier Function Based UAV Safety Controller in Autonomous Airborne Tracking and Following Systems
Virginia Tech（弗吉尼亚理工大学）；University of Kentucky（肯塔基大学）；University of Louisville（路易斯维尔大学）
针对无人机空中跟踪非合作目标时的碰撞风险，提出基于控制屏障函数的二次规划安全控制器，最小化修改轨迹跟踪输入以保证安全，并在AirSim模拟中验证了有效性。
2023-12-28 cs.RO cs.SY eess.SY
Review of X-ray pulsar spacecraft autonomous navigation
本文综述了基于X射线脉冲星的航天器自主导航技术，重点介绍了导航脉冲星数据库、X射线探测系统等关键技术进展及性能提升方法，并展望了未来发展方向。
2023-04-09 astro-ph.IM cs.SY eess.SY
Indicators of resilience for autonomous control systems
Delft University of Technology（代尔夫特理工大学）
本文提出基于临界减速的通用韧性指标，用于预测非线性自主控制系统因细微退化导致的失稳，并通过机器人模拟和四旋翼飞行实验验证其早期预警能力。
2026-09-17 cs.RO cs.SY eess.SY
Accurate Tracking of Aggressive Quadrotor Trajectories using Incremental Nonlinear Dynamic Inversion and Differential Flatness
Massachusetts Institute of Technology (MIT)（麻省理工学院）
本文提出了一种新的控制律，用于跟踪四旋翼的位置、偏航角及其至四阶导数，包括速度、加速度、加加速度和加加加速度以及偏航速率和偏航加速度。通过基于四旋翼动力学的微分平坦性，使用前馈输入跟踪加加速度和加加加速度。通过闭环电机速度控制，直接控制机体扭矩以实现加加加速度跟踪。控制器利用增量非线性动态逆反（INDI）在外部干扰如空气动力学阻力的情况下实现对线性和角加速度的鲁棒跟踪。通过响应分析严格分析所提出的控制律，并通过实验演示。控制器使四旋翼无人机能够跟踪复杂的3D轨迹，达到最高12.9 m/s的速度和2.1g的加速度，同时保持均方根跟踪误差仅为6.6 cm，在约18m×7m×3m的飞行体积内。此外，通过在飞行测试中附加拖板和在悬停时拉拽无人机来演示控制器的鲁棒性。
2020-06-07 cs.RO cs.SY eess.SY
AirSim: High-Fidelity Visual and Physical Simulation for Autonomous Vehicles
Microsoft Research（微软研究院）；Redmond, WA, USA（华盛顿州雷蒙德）
本文提出基于Unreal引擎的AirSim模拟器，用于高效开发和测试自动驾驶算法，支持高频率物理模拟和多种协议，通过四旋翼实验验证其有效性。
2017-07-18 cs.AI cs.CV cs.RO
A Review of Reinforcement Learning for Autonomous Building Energy Management
School of Electrical and Computer Engineering（电气与计算机工程学院）；Georgia Institute of Technology（佐治亚理工学院）
本文综述了强化学习在自主建筑能源管理系统中的应用，总结了相关文献，并探讨了未来研究方向和挑战。
2019-03-15 cs.LG cs.SY eess.SY
Recent Advancements in Deep Learning Applications and Methods for Autonomous Navigation: A Comprehensive Review
University of Tehran（德黑兰大学）
本文全面综述了自主导航中的端到端深度学习框架，涵盖障碍物检测、路径规划等核心功能，评估了现有方法的实现与挑战，并探讨了未来发展方向。
2023-05-23 cs.AI cs.RO cs.SY
