A Survey on Sensor-based Planning and Control for Unmanned Underwater Vehicles
本文综述了水下无人航行器基于传感器的规划与控制方法，分析了复杂环境下的定位与避障问题，探讨了耦合架构与解耦架构的对比，指出MPC和不变集控制器在路径优化与安全性方面的贡献。
2026-04-06 cs.RO
RRT and Velocity Obstacles-based motion planning for Unmanned Aircraft Systems Traffic Management (UTM)
International Institute of Information Technology Hyderabad（海得拉巴国际信息技术学院）
提出了一种针对有限数量无人机的无人机系统交通管理算法。该算法是结合快速探索随机树（RRT）和速度障碍（VO）算法开发的，称为RRT-VO UTM算法。在这里，RRT算法离线工作，以在具有已知静态障碍物的给定环境中生成无障碍航路点。另一方面，VO算法在线操作以避免与其他UAV和已知静态障碍物碰撞。静态障碍物的边界被近似为小圆圈，以方便VO算法的制定。该算法的性能进行了评估，使用数值模拟，然后比较著名的人工势场（APF）避碰算法。所提出的方法的优点清楚地显示在较低的路径长度和碰撞避免能力的一个具有挑战性的情况。
2023-02-28 cs.RO
A Fully-autonomous Framework of Unmanned Surface Vehicles in Maritime Environments using Gaussian Process Motion Planning
University College London（伦敦大学学院）；EPFL（洛桑联邦理工学院）；Stevens Institute of Technology（史蒂文斯理工学院）
无人水面航行器（USV）对海洋工业中越来越多的部门越来越重要，包括近海勘探，海上运输和国防行动。USV使用和部署增长的一个主要因素是通过使用生成优化轨迹的自主导航系统提供的增加的操作灵活性。与陆地环境中的路径规划不同，海洋环境中的规划要求更高，因为需要确保针对风和洋流造成的重大、随机和往往不可预测的环境影响采取缓解行动。以这些必要的需求为主要动机基础，本文提出了一种新的运动规划器，表示为GPMP 2 *，扩展了基本的基于GP的运动规划器，GPMP 2的应用范围，到复杂的海洋环境。在GPMP 2 * 中创新性地添加了基于蒙特卡罗随机性的插值策略，产生了一种名为具有蒙特卡罗随机性的GPMP 2 *（MC-GPMP 2 *）的新算法，可以增加生成路径的多样性。在并行算法设计，ROS为先进的无人水面车辆，WAM-V 20 USV的全自主框架，已被提出。所提出的运动规划器的实用性以及全自主框架已在ROS海上风电场的模拟检查任务中进行了功能验证。
2022-05-21 cs.RO
NEPTUNE: Nonentangling Trajectory Planning for Multiple Tethered Unmanned Vehicles
Nanyang Technological University（南洋理工大学）
针对多系留机器人到达各自目标时易缠绕的问题，本文提出系绳感知多机器人同伦表示，并结合去中心化在线图搜索与优化框架，实现无缠绕、无碰撞且动力学可行的实时轨迹规划。
2023-04-25 cs.RO
Trajectory Planning for Hybrid Unmanned Aerial Underwater Vehicles with Smooth Media Transition
Univ. Fed. do Rio Grande – FURG（里奥格兰德联邦大学）；Univ. Fed. de Minas Gerais（米纳斯吉拉斯联邦大学）；AuRos Robotics；Universidade de Campinas（坎皮纳斯大学）
在过去的十年中，人们在混合无人水下航行器的研究中付出了巨大的努力，这些机器人可以轻松地飞行和潜入水中，具有不同程度的机械适应性。然而，这方面的文献大多集中在物理设计，施工的实际问题，以及最近，低层次的控制策略。在高级智能的背景下，如运动规划和与现实世界的交互方面，几乎没有做过什么。因此，我们在本文中提出了一种轨迹规划方法，允许碰撞避免对未知的障碍物和空中和水生介质之间的平滑过渡。我们的方法是基于经典的快速探索随机树，其主要优点是能够处理障碍物，复杂的非线性动力学，模型的不确定性和外部干扰的变体。该方法使用的动力学模型的\hydrone，一个混合动力车辆提出了高水下性能，但我们相信它可以很容易地推广到其他类型的空中/水上平台。在实验部分中，我们提出了在充满障碍物的环境中的模拟结果，其中机器人被命令执行不同的媒体运动，证明了我们的策略的适用性。
2021-12-27 cs.RO
Path Planning with Potential Field-Based Obstacle Avoidance in a 3D Environment by an Unmanned Aerial Vehicle
University of Zagreb, Faculty of Electrical Engineering and Computing（萨格勒布大学电气工程与计算学院）
本文研究未知环境下空中机器人的路径规划与避障问题，提出一种基于旋转组件改进 APF 的算法，结合 MPC 跟踪器实现轨迹快速重规划，仿真表明其有效解决了局部极小值问题并生成了更优避障路径。
2023-06-28 cs.RO
Motion Planning and Tracking Control of Unmanned Underwater Vehicles: Technologies, Challenges and Prospects
University of Guelph（圭尔夫大学）
无人水下航行器（UUV）的运动规划与跟踪控制技术是实现UUV高效、鲁棒导航的基础，对于水下救援、设施维护、海洋资源勘探、水上娱乐等具有重要意义。UUV运动规划与跟踪控制的研究在国内外得到了迅速发展。多UUV系统的任务分配、UUV路径规划和UUV轨迹跟踪。本文对UUV的运动规划和跟踪控制的传统技术和智能技术进行了全面的综述。这些不同的方法在文献中的优点和缺点的分析。最后，展望了UUV运动规划和跟踪控制的发展前景。
2022-07-10 cs.RO cs.SY eess.SY
Path Planning of Unmanned System using Carrot-chasing Algorithm
The University of Arizona（亚利桑那大学）
无人系统在执行关键任务时，需要遵循预定的路径，这意味着无人系统需要路径跟踪算法来完成任务。由于预定路径通常由一组数据点给出，因此不仅不存在预定路径的曲率和导数，而且还需要大尺寸的板载存储器。在这项工作中，我们研究了一个简单的路径跟踪算法，称为胡萝卜追逐算法，使用一个简单的控制器的比例控制器的形式来控制无人驾驶系统的运动。
2020-12-24 cs.RO cs.SY eess.SY
Safety-guaranteed trajectory planning and control based on GP estimation for unmanned surface vessels
Katholieke Universiteit Leuven（鲁汶天主教大学）；University of Melbourne（墨尔本大学）
我们提出了一个安全保证的规划和控制框架，无人水面舰艇（USVs），使用高斯过程（GPS）学习不确定性。USV遇到的不确定性，包括外部干扰和模型失配，是潜在的状态依赖性，时变的，很难捕捉恒定的模型。GP是一个功能强大的基于学习的工具，可以与基于模型的规划和控制框架集成，该框架采用Hamilton Jacobi微分博弈公式。这样的组合产生不太保守的轨迹和安全保证的控制策略。我们证明了所提出的框架在模拟和实验上的CLEARPATH苍鹭USV。
2022-05-10 cs.RO cs.SY eess.SY
Energy Aware and Safe Path Planning for Unmanned Aircraft Systems
Technical University of Darmstadt（达姆施塔特工业大学）
本文提出一种基于模型预测控制和混合整数线性规划的多智能体无人飞行器系统能量感知与安全路径规划算法，通过优化能耗、低电量自主返航及动态可行区域防障，实现高效安全的搜索区域覆盖。
2025-04-04 cs.RO cs.SY eess.SY
Dynamic Obstacle Avoidance of Unmanned Surface Vehicles in Maritime Environments Using Gaussian Processes Based Motion Planning
Department of Mechanical Engineering, University College London（机械工程系，伦敦大学学院）；Department of Computer Science, University College London（计算机科学系，伦敦大学学院）
本文提出 Dynamic Gaussian process motion planner 2，通过实时 Gaussian 安全区域与因子图优化处理静态和动态障碍，并融合国际海上避碰规则，经仿真和高保真任务验证有效。
2025-06-07 cs.RO
Planning along Differentiable Charts of Constraint Manifolds with General-Purpose IK Solvers
Massachusetts Institute of Technology（麻省理工学院）
针对运动学约束下机器人轨迹规划难题，提出利用反函数定理从正向运动学雅可比矩阵计算解析IK参数化梯度，并扩展域以保留梯度信号，经实验验证有效。
2026-09-11 cs.RO
A Circle Grid-based Approach for Obstacle Avoidance Motion Planning of Unmanned Surface Vehicles
Intelligent Transportation System Research Center, Wuhan University of Technology（武汉理工大学智能交通系统研究中心）；National Engineering Research Center for Water Transport Safety（国家水运安全工程技术研究中心）；School of Navigation, Wuhan University of Technology（武汉理工大学航运学院）
针对具有动态约束的水面无人机避障问题，提出了一种基于圆网格轨迹元的避障方法。首先，建立船舶模型和标准化规则，分别开发和约束的轨迹。其次，通过分析圆网格的特性，生成圆网格树，指导无人艇的运动。然后，运动学和动力学的USV被认为是通过在线轨迹发生器，通过设计一个关系函数，连接舵角，航向角，和圆网格的中心角。最后，避障是通过利用在线轨迹生成器来选择一个安全，平滑，高效的路径为USV。实验结果表明，该方法能同时避开静态和动态障碍物，在距离代价和转向代价方面均优于相关方法，且转向代价仅为基于网格方法的50%;避碰路径既符合无人艇的动态特性，又为无人艇转向指令提供了参考。
2022-02-09 cs.RO
Model Predictive Control for Optimal Motion Planning of Unmanned Aerial Vehicles
Vietnam National University Hanoi（越南河内国家大学）；Fulbright University Vietnam（富布赖特越南大学）；Duy Tan University（岘港东亚大学）
本文提出一种适用于未知复杂环境的无人机最优运动规划器，通过将局部传感器点云转为体素网格生成轨迹，并利用模型预测控制结合代价函数与约束优化轨迹，实验证明该方法能生成更短更平滑的轨迹且具备更快更稳定的速度曲线和高能效。
2024-10-13 cs.RO
Fields2Cover: An open-source coverage path planning library for unmanned agricultural vehicles
Wageningen University & Research（瓦赫宁根大学及研究中心）
本文介绍了Fields 2Cover，一个新的开源库覆盖路径规划（CPP）的农用车辆。虽然现在有几种CPP解决方案，但将它们统一到开源库并提供基准测试工具来比较它们的性能的努力有限。Fields 2Cover提供了一个框架，用于规划覆盖路径，开发新技术，并对最先进的算法进行基准测试。该库具有模块化和可扩展的架构，支持各种车辆，可用于各种应用，包括农场。它的核心模块是：一个岬生成器，一个条带生成器，一个路线规划器和路径规划器。机器人操作系统（ROS）的接口也提供了作为add-on. In本文中，库的功能，规划覆盖路径在农业中使用8个国家的最先进的方法和7个目标函数在模拟和田间试验。
2023-02-17 cs.CG cs.RO
Prioritized experience replay-based DDQN for Unmanned Vehicle Path Planning
Peking University（北京大学）；Northeastern University（东北大学）；New York University（纽约大学）
针对传统算法在复杂环境下易陷入死区的问题，提出结合优先经验回放的DDQN路径规划算法，实验证明其在速度、准确性和突破死区能力上显著优于其他方法。
2024-06-25 cs.RO cs.SY eess.SY
Multi-Depth Uniform Coverage Path Planning for Unmanned Surface Vehicle Surveying
AZTI Foundation（AZTI基金会）；Tsinghua University（清华大学）；University of the Basque Country (UPV/EHU)（巴斯克国家大学（UPV/EHU））；University of Technology Sydney（悉尼技术大学）；IKERBASQUE
本文提出一种新型自动覆盖路径规划算法，用于无人水面舰艇的水深勘测。通过整合粗略的深度信息预处理目标区域，并自适应引导路径生成和探测范围配置，优化路径间距以实现更一致的海底覆盖。
2026-05-13 cs.RO
Coverage Path Planning with Budget Constraints for Multiple Unmanned Ground Vehicles
针对多机器人环境感知，本文提出融合可变编队覆盖路径规划与集群协同主动感知的状态机切换方法，并在气源定位建图实验中证明其比单模态方法收敛更快。
2023-06-07 cs.MA cs.RO
Optimization-based Trajectory Planning for Tethered Aerial Robots
Universidad Pablo de Olavide（巴勃罗·德·奥拉维德大学）
提出了一种绳系空中机器人轨迹规划的非线性优化方法。特别是，本文解决了无人机（UAV）链接到无人地面车辆（UGV）通过系绳的规划问题。假设UGV位置是静态的，结果是UAV和系绳的无碰撞轨迹。优化器考虑了与UAV、UGV和系绳位置、障碍物和运动的时间方面相关的约束，例如有限的机器人速度和加速度，以及最后的系绳状态，其不需要是紧张的。该问题是制定在一个加权多目标优化框架。仿真结果表明，该方法能够为无人机和系绳产生无障碍和平滑的轨迹。
2021-04-05 cs.RO
Kinodynamic Motion Planning via Funnel Control for Underactuated Unmanned Surface Vehicles
KTH Royal Institute of Technology（瑞典皇家理工学院）；Uppsala University（乌普萨拉大学）
针对欠驱动无人水面艇，提出基于漏斗控制的运动学运动规划算法，通过扩展预设性能控制解决欠驱动与输入饱和问题，保证稳定性并生成无碰撞轨迹，经真实水域实验验证有效。
2024-04-26 cs.RO cs.SY eess.SY
Path Planning for Multiple Heterogeneous Unmanned Vehicles with Uncertain Service Times
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Wayne State University（韦恩州立大学）；Air Force Research Laboratory（空军研究实验室）
本文提出了一个框架，并制定解决路径规划问题的多个异构无人机（UV）与不确定的服务时间为每个车辆-目标对。车辆将受到与其总服务时间超过预设常数的持续时间成比例的惩罚。这些车辆的运动限制不同，在任务开始时位于不同的仓库。车辆还可以配备不同的传感器。目标是为每辆车找到一个在其各自的停车场开始和结束的行程，使得每个目标都被某辆车访问和服务，同时最小化总行驶距离和所有车辆所产生的预期惩罚之和。我们制定的问题作为一个两阶段的随机程序与追索权，目前的理论性质的制定和优势，使用这样的制定，而不是一个确定性的期望值制定，来解决这个问题。大量的数值模拟也证实了所提出的方法的有效性。
2017-02-24 cs.RO math.OC
Path planning for unmanned naval surface vehicles
Department of Computer Science, Florida State University（计算机科学系，佛罗里达州立大学）
针对无人水面航行器（USV）的固定和移动障碍物避碰问题，提出结合全局与局部路径规划器的新方法，全局规划器融合三种算法，局部规划器基于障碍物运动方向决策，仿真验证了有效性。
2026-07-03 cs.RO
Remote ID Spoofing-Aware Trajectory Planning for Small Unmanned Aerial Systems
针对小型无人机在RID位置欺骗攻击下的轨迹规划问题，提出分散式欺骗感知框架，利用物理层观测评估广播可信度，检测定位欺骗代理，集成到规划器中，仿真显示可减少近空中碰撞事件且保持计算效率。
2026-07-23 cs.MA cs.RO
Trajectory Planning and Control for Differentially Flat Fixed-Wing Aerial Systems
New York University（纽约大学）；Autonomous Robotics Research Center-Technology Innovation Institute（自主机器人研究中心-技术创新研究院）
针对固定翼无人机实时轨迹规划与控制的挑战，本文提出一种利用微分平坦特性生成动态可行轨迹并支持持续重规划的方法，通过仿真与真实实验验证了其在风扰动等恶劣条件下的有效性。
2025-02-01 cs.RO
Differential Flatness-based Fast Trajectory Planning for Fixed-wing Unmanned Aerial Vehicles
本文提出基于微分平坦的固定翼无人机轨迹优化方法DFTO-FW，通过多项式参数化消除等式约束并利用解析梯度实现线性时间复杂度的无约束优化，在随机障碍环境中以亚秒级CPU时间生成轨迹，效率比其他方法快数个数量级。
2025-04-08 cs.RO math.OC
Path and trajectory planning of a tethered UAV-UGV marsupial robotic system
本文提出首个针对非拉紧系绳的有袋类UGV-UAV系统的同步无碰撞轨迹规划方法，结合RRT*路径规划与非线性最小二乘优化，经仿真和现场测试验证了可行性。
2023-05-11 cs.RO
Cooperative trajectory planning algorithm of USV-UAV with hull dynamic constraints
Zhejiang University（浙江大学）；Huzhou Institute of Zhejiang University（浙江大学湖州研究院）；Science and Technology on Complex System Control and Intelligent Agent Cooperation Laboratory（复杂系统控制与智能协同技术重点实验室）
复杂动态环境下的有效轨迹生成是无人水面航行器（USV）的一个开放性问题。USV的感知通常受到船体摆动和环境天气的干扰，这使得规划最佳USV轨迹具有挑战性。为保证无人艇在多障碍地图中自主推进过程中能够安全、平滑地执行航迹，提出了一种无人艇-无人机耦合系统的协同航迹规划算法。具体而言，无人机扮演飞行传感器的角色，通过轻量级的语义分割网络和3D投影变换，提供实时的全局地图和障碍物信息。然后，通过基于图的搜索方法生成初始避障轨迹。针对无人艇独特的欠驱动运动学特性，提出了一种基于船体动力学约束的数值优化方法，使其运动轨迹易于跟踪，便于运动控制。最后，提出了一种基于NMPC的运动控制方法，该方法在执行过程中具有最低能耗约束。实验结果验证了整个系统的有效性，生成的轨迹是局部最优的USV具有相当的跟踪精度。
2023-01-30 cs.RO
Path and trajectory planning of a tethered UAV-UGV marsupial robotic system
Universidad de Antofagasta（安托法加斯塔大学）；Universidad de Sevilla（塞维利亚大学）；Universidad Pablo de Olavide（巴勃罗·德·奥拉维德大学）
本文提出首个解决非紧绷系绳有袋UAV-UGV系统轨迹规划的方法，基于RRT*路径规划与非线性最小二乘轨迹优化，生成同步无碰撞且平滑可行的轨迹。
2023-07-20 cs.RO
Research on Control Method and Evaluation System of Ground Unmanned Vehicle Formation Transform
从路径规划和路径跟踪的角度出发，设计了一种多无人地面车辆（UGV）编队控制系统，通过选出一个主车辆，采用主从控制方式，解决了误差可能积累、传递和放大的问题，在编队变换过程中，首先结合动态窗口和势能场的方法生成期望路径，然后采用基于Hermite曲线的路径跟踪算法，使队形变换过程更加稳定，最后，构建了编队控制系统的评价指标体系，该体系综合了期望位置、实际位置、期望速度、实际速度和实际加速度，对编队变换性能、编队驱动过程响应性能和编队稳定性能进行了评价。
2020-08-01 cs.RO
Local Trajectory Planning For UAV Autonomous Landing
Technion - Israel Institute of Technology（以色列理工学院）
自主式无人机的一个重要能力是在自主着陆过程中避免与障碍物碰撞。这种能力需要实时的本地轨迹规划。虽然在紧急着陆等情况下已经引入了自动规划方法，但在现实生活中，只有障碍物的表面可以被感知和检测，因此还没有对这些方法进行评估。我们提出了一种新的优化框架，使用预先规划的全局路径和优先级地图的着陆区。在一个模拟器中实现并评估了几种轨迹规划算法，该模拟器包括3D城市环境、基于LiDAR的障碍物表面传感以及无人机制导和动力学。我们表明，使用我们提出的优化标准可以成功地提高着陆任务的成功概率，同时避免碰撞的障碍物在实时。
2021-11-18 cs.RO
Towards Efficient Motion Planning for UAVs: Lazy A* Search with Motion Primitives
University of Southern California（南加州大学）；University of Michigan（密歇根大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文针对无人机机载计算资源受限导致实时规划困难的问题，将惰性搜索概念引入基于搜索的规划算法，提出基于运动基元的 Lazy A* 搜索方法，可高效找到无碰撞且动态可行的最优轨迹，显著提升计算效率。
2024-11-12 cs.RO
Active Tracking of Marine Pollution Sources: An Uncertainty-Aware Categorical Bayesian Framework for Unmanned Surface Vehicles
University College London（伦敦大学学院）
研究利用无人水面舰艇主动跟踪海洋污染源，提出基于贝叶斯推理的信息路径规划框架，结合CFD、Gazebo和ArduPilot进行模拟，引入最小可信区间量化不确定性，模拟显示该框架成功率达95.8%，性能优于基线方法，为自主环境监测提供基础。
2026-07-21 cs.RO
Safe Path Planning and Observation Quality Enhancement Strategy for Unmanned Aerial Vehicles in Water Quality Monitoring Tasks
University of Electronic Science and Technology of China（电子科技大学）；North China University of Technology（华北理工大学）
本文提出一种动态光照阴影干扰避障路径规划方法，通过动态预测模型和改进的IFDS算法，结合MPC框架和DFAA机制，提升无人机在复杂光照环境下的观测质量和飞行安全性。
2025-12-24 cs.AI cs.RO cs.SY
Optimized Path Planning for USVs under Ocean Currents
Marine Thinking
本文针对海流环境下的USV路径规划问题，通过引入时空贝叶斯推断跟踪和预测海流的新时空因子改进了GPMP2算法，实现了平滑性、避障和海流因素的优化，有效降低了成本并提升了性能。
2024-02-10 cs.RO
MASPA: An efficient strategy for path planning with a tethered marsupial robotics system
University of Seville（塞维利亚大学）
本文针对有袋机器人系统提出了一种基于空间离散化的路径规划策略，通过利用系绳凸性和障碍物几何特征高效确定UAV可行起飞点，显著缩短路径长度并在数秒内求解，优于RRT*基线算法。
2024-12-23 cs.RO
Risk-aware Path and Motion Planning for a Tethered Aerial Visual Assistant in Unstructured or Confined Environments
Texas A&M University（德克萨斯A&M大学）
本研究旨在发展系留式无人机的路径与运动规划演算法，以视觉辅助非结构化或受限环境中的遥操作主机器人。对于核操作、拆弹小组、灾难机器人和其他具有新任务或高度闭塞环境的领域，实践的新兴状态是使用两个机器人，一个主机器人和一个辅助机器人，作为视觉助手，通过提供外部视角来克服传感器的感知限制。然而，使用助理的好处受到限制，至少有三个原因：（1）用户倾向于选择次优视点，（2）仅考虑地面机器人助手，忽略了用于室内飞行的小型无人驾驶航空器系统的快速发展，（3）为第二遥控机器人引入整个机组人员不是成本有效的，可能引入进一步的团队合作需求，因此可能导致沟通不畅本论文提出以自主式系留空中视觉助手取代辅助机器人及其操作人员。随着预先建立的理论的观点质量的基础上启示，本文旨在定义和表示机器人运动风险在非结构化或受限的环境。基于这些理论，一种新的高层次的路径规划算法的开发，使风险意识规划，平衡之间的权衡，以提供安全和值得信赖的视觉辅助飞行的视点质量和运动风险。然后在系留无人机平台上实现规划的飞行轨迹。感知和致动被定制为以低级运动套件的形式适合系留代理，包括具有可忽略的计算开销的新颖的基于系留的定位模型、基于位置和速度控制的系留机身的运动基元以及两个不同的运动基元。
2020-07-19 cs.RO
Online Informative Path Planning for Active Classification on UAVs
ETH Zürich, Autonomous Systems Lab（苏黎世联邦理工学院）
针对精准农业中的杂草检测问题，提出了一种基于无人机的主动分类信息路径规划算法。我们使用占用网格对农田中杂草的存在进行建模，并根据信息理论目标生成计划，使无人机能够有效地收集数据。我们使用全局视点选择和进化优化的组合来细化无人机在连续空间中的轨迹，同时满足动态约束。我们验证我们的方法在模拟与标准的“割草机”的覆盖范围进行比较，并研究不同的目标和优化策略的影响。我们计划在不久的将来在一个真实的平台上评估我们的算法。
2016-07-13 cs.RO
IVG-UAV: An Intelligent Voice-Guided UAV System for Autonomous Ripe Fruit Harvesting with Vision-Based Classification and Adaptive Path Planning
SUNY Binghamton University（纽约州立大学宾汉姆顿分校）
针对热带大型农场水果采摘依赖人工、成本高的问题，提出IVG-UAV系统，集成语音识别、视觉成熟度分类与自适应路径规划，并在Gazebo中仿真验证，实现自主采摘。
2026-10-08 cs.RO
Assisted Path Planning for a UGV-UAV Team Through a Stochastic Network
Texas A&M University（德克萨斯A&M大学）；Air Force Research Laboratory（空军研究实验室）；Infoscitex Corporation（Infoscitex公司）
针对随机网络中的UGV-UAV团队，提出D*KSPP与基于RPP的启发式PAA算法，实现UAV辅助UGV实时避障并最小化到达时间。
2023-12-28 cs.RO
Exploiting Null Space in Aerial Manipulation through Model-In-The-Loop Motion Planning
Faculty of Electrical and Computer Engineering, University of Zagreb（萨格勒布大学电气与计算机工程学院）
提出了一种在运动规划过程中考虑无人机动力学和机械臂零空间的飞行机械臂末端轨迹跟踪方法。所提出的方法分阶段进行。航迹规划首先不考虑欠驱动无人机系统的滚转角和俯仰角。其次，我们建议模拟这样的轨迹上的动力学，并通过模型获得无人机的姿态。以这种方式获得的完整的空中操纵器状态被进一步用于说明计划的和模拟的末端执行器状态的差异。最后，末端执行器位姿通过零空间的机械手，以匹配所需的末端执行器位姿轨迹规划中获得。此外，我们已经应用TOPP-RA的方法在无人机上调用微分平坦性原则。最后，通过实验测试验证了规划框架的有效性。
2022-04-28 cs.RO
Energy-Efficiency Path Planning for Quadrotor UAV Under Wind Conditions
Centre de Développement des Technologies Avancées（先进技术开发中心）；Ecole Supérieure des Techniques Aéronautiques et de Construction Automobile（航空技术与汽车制造高等学院）
四旋翼无人驾驶飞行器具有有限数量的嵌入式能量。为了保障无人机任务的成功，必须对任务期间的能量消耗进行管理。在这项研究中，我们介绍了一种优化算法，以最大限度地减少在四旋翼飞行任务在大风条件下消耗的能量。利用效率函数对飞行器旋翼消耗的机械能进行了计算。然后，我们制定的能量最小化问题作为一个最优控制问题。最后一个问题的解决，以计算最小能量的四旋翼简单任务在风的条件下。在仿真实验中，我们比较了所提出的方法与自适应控制方法。
2020-04-01 cs.RO
Direct NMPC for Post-Stall Motion Planning with Fixed-Wing UAVs
固定翼无人机（UAV）在速度、续航力和效率方面比旋翼无人机具有显著的性能优势。然而，这些车辆传统上在机动性方面受到严重限制。在本文中，我们提出了一种非线性控制方法，使特技飞行的固定翼无人机在受限空间机动。我们的方法利用全状态直接轨迹优化和一个最小的，但代表性的，非线性飞机模型，以5 Hz的实时规划侵略性的固定翼轨迹在大迎角。随机运动规划用于避免局部最小值，局部线性反馈用于补偿更新之间的模型不准确性。我们证明了我们的方法在硬件和局部线性反馈和重新规划是必要的成功导航的复杂环境中存在的模型的不确定性。
2020-01-30 cs.RO
Online Informative Path Planning for Active Classification Using UAVs
ETH Zürich（苏黎世联邦理工学院）
在本文中，我们介绍了一个信息化的路径规划（IPP）框架，使用无人机（UAV）的主动分类。我们的算法使用全局视点选择和进化优化的组合，以改善规划的轨迹在连续的三维空间，同时满足动态约束。我们的方法进行了评估的应用杂草检测精准农业。我们使用占用网格对农田中杂草的存在进行建模，并根据信息理论目标生成自适应计划，使无人机能够有效地收集数据。我们通过与现有方法的比较来验证我们的方法，并研究不同规划策略的效果。我们的研究结果表明，该算法建立的地图与传统的“割草机”覆盖率相比，在相同的时间内，熵降低了50%以上。我们展示了规划方案的多旋翼平台与不同的人工农田设置。
2016-09-27 cs.RO
Multi-UAV Adaptive Path Planning Using Deep Reinforcement Learning
University of Bonn（波恩大学）
有效的航空数据汇集在许多遥感应用中是重要的。在大规模监测场景中，部署一组无人驾驶飞行器（UAV）可以提高空间覆盖范围和对个别故障的鲁棒性。然而，一个关键的挑战是无人机的合作路径规划，以有效地实现联合任务的目标。提出了一种新的基于深度强化学习的多智能体信息路径规划方法，用于无人机团队自适应地形监测场景。我们引入了新的网络特征表示，以有效地学习在3D工作空间中的路径规划。通过利用反事实基线，我们的方法明确地解决了信用分配学习合作行为。我们的实验评估表明，改进的规划性能，即更快地映射感兴趣的区域，相对于非反事实的变体。合成和现实世界的数据的结果表明，我们的方法具有优越的性能相比，最先进的非学习为基础的方法，同时可转移到不同的团队规模和沟通的限制。
2023-03-02 cs.RO
Obstacle-aware Adaptive Informative Path Planning for UAV-based Target Search
Autonomous Systems Lab. (ASL), ETH Zürich（苏黎世联邦理工学院自主系统实验室）；TU Delft（代尔夫特理工大学）
利用无人机（UAV）进行目标搜索是与许多场景相关的问题，例如，搜索和救援（SaR）。然而，一个关键的挑战是规划路径的最大搜索效率给定的飞行时间限制。为了解决这一问题，我们提出了障碍感知自适应信息路径规划（OA-IPP）算法，在杂乱的环境中使用无人机的目标搜索。我们的方法利用分层规划策略，使用高斯过程（GP）为基础的目标占用模型，在连续的3D空间中生成信息路径。在这个框架内，我们引入了一个自适应的重新规划方案，使我们能够权衡信息增益，现场覆盖，传感器性能和碰撞避免有效的目标检测。大量的模拟表明，我们的OA-IPP方法比国家的最先进的规划者表现更好，我们展示了它的应用在一个现实的城市SaR的情况。
2019-02-26 cs.RO
Optimum Trajectory Planning for Multi-Rotor UAV Relays with Tilt and Antenna Orientation Variations
Czech Technical University in Prague（布拉格捷克理工大学）；International University of Rabat（拉巴特国际大学）
多旋翼无人机（UAV）需要倾斜才能移动，这会改变UAV的天线方向。我们考虑的场景中，多旋翼无人机作为一个基站（BS）和另一个无人机之间的通信中继。我们提出了一个框架，以产生可行的轨迹为多旋翼无人机中继，同时考虑其运动动力学和运动引起的天线方向的变化。UAV中继的轨迹被优化以最大化传输的端到端比特数。MATLAB和Gazebo中的数值仿真显示了由于无人机倾斜而导致的天线方向变化的好处。
2023-02-09 cs.RO
Informative path planning for scalar dynamic reconstruction using coregionalized Gaussian processes and a spatiotemporal kernel
University of California, Merced（加州大学默塞德分校）
本文提出一种基于协同区域化高斯过程和时空复合核的动态标量场信息路径规划新方法，相比未考虑时间维度的传统方法，能更准确估计时空变化的标量场，且易于集成至现有IPP算法。
2023-09-13 cs.RO
Feasible Computationally Efficient Path Planning for UAV Collision Avoidance
Nanyang Technological University（南洋理工大学）；Fuzhou University（福州大学）
提出了一种鲁棒的、计算效率高的无人机实时避碰算法--基于记忆的壁面跟随人工势场法（MWF-APF）。新算法在沿墙法（WFM）和人工势场法（APF）之间切换，提高了态势感知能力。考虑历史轨迹，避免重复错误决策。此外，它可以有效地应用于低计算能力的平台。最后，以配备有限个飞行时间测距仪的四旋翼飞行器为例，验证了该算法的有效性。通过软件仿真和物理飞行试验验证了MWF-APF方法在复杂场景下的性能。
2021-02-08 cs.RO
Evaluating UAV Path Planning Algorithms for Realistic Maritime Search and Rescue Missions
Faculty of Computer Science, University of Tuebingen（蒂宾根大学计算机科学学院）
针对现有无人机海上搜救路径规划方法未充分考虑目标位置与海洋动力不确定性的问题，本文构建评估框架对比多种规划策略，并提出兼顾精度与实用性的新型规划器。
2024-10-08 cs.RO
Automated Cinematography Motion Planning for UAVs
本项目研究无人机自动化摄影运动规划算法，使四旋翼在避开障碍物的同时将目标保持在画面内，并完成仿真与测试。
2024-09-01 cs.RO
Revisiting Boustrophedon Coverage Path Planning as a Generalized Traveling Salesman Problem
Autonomous Systems Lab, ETH Zurich（苏黎世联邦理工学院自主系统实验室）
在本文中，我们提出了一个路径规划器的低空地形覆盖在已知的环境与无人旋翼微型飞行器（MAVs）。机载系统可以通过使用摄像机、探地合成孔径雷达（GPSAR）和金属探测器对疑似危险区域（SHA）进行调查来协助人道主义排雷。大多数可用的覆盖规划器实现的微型飞行器不考虑障碍物，因此不能部署在有障碍的环境中。我们描述了一个开源的框架来执行覆盖规划的多边形飞行走廊的障碍。我们的规划师扩展boustrophedon覆盖规划通过优化不同的扫描组合，以找到最佳的扫描路径，并考虑在过渡飞行期间的障碍细胞之间。我们评估320合成地图上的路径规划，并表明它能够解决现实的规划实例足够快，在现场运行。该规划器实现了14%的路径成本低于传统的覆盖规划器。我们验证了一个真正的平台上，我们显示了低海拔覆盖在一个倾斜的地形与树木的规划。
2019-07-22 cs.RO
Estimation and Adaption of Indoor Ego Airflow Disturbance with Application to Quadrotor Trajectory Planning
Hong Kong University of Science and Technology（香港科技大学）
普遍认为，在四旋翼无人机（最广泛采用的无人机（UAV）之一）的自主导航过程中，安全始终具有最高优先级。然而，据观察，自我气流扰动在飞行期间可能是一个显著的不利因素，导致潜在的安全问题，特别是在狭窄和密闭的室内环境中。因此，我们提出了一种新的方法来估计和适应室内自我气流干扰的四旋翼，同时将其应用到轨迹规划。首先，针对邻近效应，对不同四旋翼进行了悬停实验。然后，与收集的加速度方差，干扰建模的四旋翼根据所提出的配方。在悬停条件下，在不同的重建的复杂环境的干扰模型也进行了验证。此外，根据估计的扰动进行Hamilton-Jacobi可达性分析的近似，以便于安全的轨迹规划，包括运动动力学路径搜索和B样条轨迹优化。整个规划框架在不同室内环境下的多个四旋翼平台上进行了验证。
2021-09-10 cs.RO
Learning-Accelerated Optimization-based Trajectory Planning for Cooperative Aerial-Ground Handover Missions
Institute of Engineering and Computational Mechanics, University of Stuttgart, 70569 Stuttgart, Germany（工程与计算力学研究所，斯图加特大学，德国斯图加特70569）；Mechanical Engineering, LUT University, 53850 Lappeenranta, Finland（机械工程，卢蒂大学，芬兰拉佩恩兰塔53850）
本文提出了一种结合学习的轨迹规划框架，用于协同无人 aerial 和 ground 车辆的切换任务，通过使用解耦的编码器-解码器 LSTM 网络生成协调的切换轨迹预测，从而加速优化过程，实现更快的收敛和更高的优化成功率。
2026-05-19 cs.LG cs.RO math.OC
Dynamic UGV-UAV Cooperative Path Planning in Uncertain Environments
Department of Computer Science, University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校计算机科学系）
本文提出动态UGV-UAV协同路径规划方法，通过无人机动态检测道路以提高地面车辆路径安全性与效率，实验表明双向策略在多数情况下表现最佳，多无人机可减少地面车辆行驶时间但增加计算时间。
2026-04-28 cs.AI cs.RO
