Post-disaster building indoor damage and survivor detection using autonomous path planning and deep learning with unmanned aerial vehicles
The Hong Kong University of Science and Technology（香港科技大学）；University of British Columbia（不列颠哥伦比亚大学）；Stevens Institute of Technology（史蒂文斯理工学院）
针对灾后建筑室内搜救需求，提出融合自主导航、深度学习检测与低成本MAV的自主检查方法，并在模拟灾后办公楼中验证其高精度与应用潜力。
2025-03-13 cs.CV cs.RO
A Review on Communication Protocols for Autonomous Unmanned Aerial Vehicles for Inspection Application
Aarhus University（奥胡斯大学）
通信系统是自主式无人机系统设计的关键部分。它必须解决不同的考虑因素，包括无人机的效率，可靠性和机动性。此外，多无人机系统需要一个通信系统来协助无人机团队中的信息共享、任务分配和协作。在本文中，我们回顾了支持无人机团队的通信解决方案，同时考虑在电力线检测行业的应用。我们提供了用于支持UAV应用中的通信的候选无线通信技术的综述。这些候选技术的性能测量和无人机相关的信道建模进行了审查。讨论了当前构建无人机网状网络的技术。然后，我们分析了机器人通信中间件，ROS和ROS2的结构，接口和性能。基于我们的审查，在通信系统的每一层的候选解决方案的功能和依赖关系。
2021-11-12 cs.NI cs.RO
Power Line Inspection Tasks with Multi-Aerial Robot Systems via Signal Temporal Logic Specifications
Czech Technical University in Prague（布拉格捷克理工大学）；ENEA（意大利国家新技术、能源与可持续经济发展署）
本文提出了一种基于信号时序逻辑（STL）规范的电力线检测任务的四旋翼机群的可行和受限轨迹计算框架。规划器允许制定复杂的任务，避免障碍物，并在执行计划任务时保持无人机之间的安全距离。设置一个优化问题，以生成满足这些规范的最佳策略，并考虑车辆的约束。此外，事件触发的重规划器被提出来应对不可预见的事件和外部干扰。能量最小化项也被认为是隐含地节省四旋翼电池寿命，同时执行任务。MATLAB数值仿真和实验结果表明了该方法的有效性和可行性，并证明了其在实际应用中的可行性。
2023-02-09 cs.MA cs.RO
Self-Inspection Method of Unmanned Aerial Vehicles in Power Plants Using Deep Q-Network Reinforcement Learning
University of Toronto（多伦多大学）
为了检查发电厂，可以使用强化学习技术来构建自主机器人。该方法复制的环境，并采用一个简单的强化学习（RL）算法。这一战略可适用于若干部门，包括发电部门。研究提出了一个具有感知、计划和行动的预训练模型。为了解决优化问题，例如无人机（UAV）导航问题，DeepMind于2015年推出的基于强化学习的框架Deep Q-network（DQN）结合了深度学习和Q-learning。为了克服现有流程中存在的问题，本研究提出了一种结合无人机自主导航和DQN强化学习的电厂巡检系统。这些训练过程参考状态设置奖励函数，并考虑内部和外部影响因素，这将它们与现在使用的其他强化学习训练技术区分开来。例如，该技术的强化学习部分的关键组成部分引入了风场模拟、无人机的电池充电水平、无人机达到的高度等状态。经过训练的模型使无人机能够在困难的环境中自行移动，从而更有可能将检查策略应用于实践。该模型的平均得分收敛到9000。经过训练的模型允许无人机进行到达目标点所需的最少旋转次数。
2023-03-16 cs.LG cs.RO
An Application of Stereo Thermal Vision for Preliminary Inspection of Electrical Power Lines by MAVs
Lviv Polytechnic National University（利沃夫国立理工大学）；Terabee（Terabee公司）；Czech Technical University in Prague（捷克布拉格技术大学）
本文提出了一种利用立体热视觉对电力线路进行初步检测的方法，该方法采用了一种特殊类型的小型无人机（UAV），即微型无人机（MAVs）。建议的硬件和软件设置允许检测过热的电力设备，这是停电的主要原因之一。立体视觉通过精细地检测潜在的损坏源来补充GPS信息，同时还提供了对损害扩展的测量。该飞行器的尺寸减小且重量轻，能够对标准无人机难以进入的区域进行勘测。凉亭仿真和真实飞行实验验证了该方案的可行性和有效性。
2023-02-09 cs.RO
Optimized Path Planning for Inspection by Unmanned Aerial Vehicles Swarm with Energy Constraints
Georgia Southern University（佐治亚南方大学）；Virginia Tech（弗吉尼亚理工大学）
本文提出一种考虑无人机能量限制的高效路径规划算法，通过优化飞行、悬停和数据传输能耗，降低巡检总时间和能量消耗，为自主巡检系统设计提供指导。
2018-08-17 cs.RO cs.SY eess.SY
Aerial Inspection Behaviors via RL-based Quadrotor Control for Under-canopy Forest Environments
Robotics and AI group, in the Department of Computer Science, Electrical and Space Engineering at Luleå University of Technology, Sweden（鲁尔坎大学技术学院机器人与人工智能小组，计算机科学、电气与空间工程系，瑞典）
本文提出了一种基于深度强化学习的四旋翼控制器，用于在树冠下森林环境中进行自主巡检任务，通过端到端控制策略实现巡检视角姿态跟踪，并结合旅行商问题规划器和快速随机树星规划器确保长距离任务的安全可靠部署。
2026-05-19 cs.AI cs.RO math.OC
Development of a semi-autonomous framework for NDT inspection with a tilting aerial platform
CREATE Consortium（CREATE联盟）；Princeton University（普林斯顿大学）
本文针对全向倾斜无人机搭载五自由度机械臂的空中机械臂系统，提出并联力-阻抗控制方法实现无损检测接触，并通过推压建立真空以测量表面厚度，验证了算法的可重复性。
2024-07-03 cs.RO cs.SY eess.SY
Developing system of wireless sensor network and unmaned aerial vehicle for agriculture inspection
Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội（河内国家大学所属技术大学）；Trường Đại học Kinh tế - Kỹ thuật Công nghiệp（工业经济与技术大学）
农业生产采用高科技是越南的必然趋势。特别是对于需要大面积种植的材料作物，无线传感器网络在提高生产力、监测病虫害、减轻气候变化的影响以及减少耕种者的直接劳动力等方面发挥着重要作用。本文构建了一个农业作物田间监测的实验模型，使用LoRa无线传感器网络和无人机相结合，收集有关天气和土壤条件，植物健康的数据，帮助种植者轻松地对当前种植的作物进行灌溉，病虫害处理和施肥的解决方案做出正确的决策。该系统已开发和实验在现场评估的一些基本功能，并证明所获得的数据的稳定性和可靠性。
2021-06-20 cs.NI cs.RO
Planning and Perception for Unmanned Aerial Vehicles in Object and Environmental Monitoring
本论文针对无人机在物体与环境监测中的规划与感知问题，提出了基于深度学习形状预测的物体视觉覆盖优化、多无人机路径规划，以及面向基础设施检查和野火管理的环境监测算法，并通过实验验证了其有效性。
2024-07-17 cs.RO
Dense 3D Reconstruction for Visual Tunnel Inspection using Unmanned Aerial Vehicle
Institute for Infocomm Research (IR), A*STAR（新加坡科技研究局资讯通信研究院）；Nanyang Technological University (NTU)（南洋理工大学）；University of Illinois at Urbana-Champaign (UIUC)（伊利诺伊大学厄巴纳-香槟分校）；Singapore University of Technology and Design (SUTD)（新加坡科技设计大学）
无人机（UAV）的进步为隧道检查等应用开辟了场所。由于其在隧道内飞行的多功能性，它可以快速识别与安全相关的缺陷和潜在问题。然而，长隧道，特别是具有重复或统一结构的隧道，对无人机导航构成了重大问题。此外，需要对来自安装在UAV上的相机的视觉数据进行后处理，以生成用于检查任务的有用信息。在这项工作中，我们设计了一个无人机与单旋转相机来完成任务。与其他平台相比，我们的解决方案在电池寿命、尺寸和重量方面都能满足隧道检测的严格要求。虽然当前的最新技术可以从一系列图像中估计相机姿态和3D几何形状，但它们假设图像之间有大的重叠、小的旋转运动和许多不同的匹配点。这些假设严重限制了它们在隧道式场景中的有效性，其中相机具有不稳定或大的旋转运动，例如安装在UAV上的相机。本文提出了一种新的解决方案，该解决方案利用运动恢复结构、束调整和可用的几何先验来鲁棒地估计相机姿态，并在各种具有挑战性的隧道式环境中使用尽可能少的图像来自动重建全密集的3D场景。我们验证了我们的系统与虚拟现实应用程序和实验与一个真正的数据集。结果表明，所提出的重建连同纹理映射允许远程导航和隧道样环境的检查，即使是那些人类无法访问的。
2019-11-09 cs.CV cs.RO
Cooperative Aerial Robot Inspection Challenge: A Benchmark for Heterogeneous Multi-UAV Planning and Lessons Learned
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）；School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院）；School of Artificial Intelligence, Sun Yat-sen University（中山大学人工智能学院）；Zhejiang University（浙江大学）；Department of Mechanical and Automation Engineering, Chinese University of Hong Kong（香港中文大学机械与自动化工程学系）
本研究提出面向异构多无人机运动规划的仿真基准CARIC，配套软件栈与多场景支持算法研发，依托两届赛事收集全球方案，分析顶尖队伍策略并指明未来研究方向。
2025-01-14 cs.RO cs.SY eess.SY
Spiking Neural Network Actor-Critic Proximal Policy Optimization Control for Autonomous UAV Navigation Through Constrained Openings in Civil Infrastructure and Buildings
Alma Mater Europaea University（欧洲阿尔马马特大学）；AGH University of Krakow（克拉科夫AGH科技大学）
本文提出基于脉冲神经网络的近端策略优化算法，用于无人机在受限环境中自主导航，通过Actor-Critic与高斯策略结合，实现63.77%成功率并后期超90%。
2026-09-22 cs.AI cs.RO
A Decentralized Interactive Architecture for Aerial and Ground Mobile Robots Cooperation
LITIS, University of Le Havre（勒阿弗尔大学LITIS）；GREAH, University of Le Havre（勒阿弗尔大学GREAH）；IUT GEII, University of Le Havre（勒阿弗尔大学IUT GEII）
本文提出了一种新的分散式交互架构的空中和地面移动机器人的合作。空中移动机器人用于在区域检查期间提供全球覆盖，而地面移动机器人用于提供地面特征的局部覆盖。我们包括一个人在回路中提供路标的地面移动机器人安全地在检查区域的进展。空中移动机器人连续跟随地面移动机器人，以便始终将其保持在其覆盖视图中。
2015-02-27 cs.RO
Radial Basis Function Neural Networks for Formation Control of Unmanned Aerial Vehicles
Vietnam National University（越南国立大学）；Fulbright University Vietnam（越南富布赖特大学）
本文针对无人机编队协作执行复杂任务的问题，提出了一种结合反步法、滑模控制与RBFNN估计外部干扰的双环控制方法，并经Lyapunov定理证明稳定性和SIL测试验证了其优于现有方法的性能。
2024-04-21 cs.RO
Learning-Based Defect Recognitions for Autonomous UAV Inspections
The Chinese University of Hong Kong（香港中文大学）；Minjiang University（闽江学院）
裂纹的自动检测与分割在整个无人机检测系统中起着重要的作用。在本文中，我们实现了一个基于经典网络架构（包括Alexnet、VGG和Resnet）的裂缝检测深度学习框架。此外，受特征金字塔网络架构的启发，提出了一种高效的裂缝分割分层卷积神经网络（CNN）深度学习框架，并将其性能与其他最先进的网络架构进行了比较。我们总结了现有的裂缝检测和分割数据集，并建立了互联网上最大的裂缝检测和分割基准数据集，该数据集是面向研究社区的开源数据集。我们的特征金字塔裂缝分割网络在基准数据集上进行了测试，并给出了令人满意的分割结果。还提出了无人机自动检测框架，并将针对各种混凝土结构的裂缝检测任务建立无人机自动检测框架。我们所有自行建立的数据集和代码都是开源的：https://github.com/KangchengLiu/Crack-Detection-and-Segmentation-Dataset-for-UAV-Inspection
2023-02-13 cs.CV cs.RO
An Improved Deep Convolutional Neural Network-Based Autonomous Road Inspection Scheme Using Unmanned Aerial Vehicles
Kumoh National Institute of Technology（国立金乌工科大学）
人工智能（AI）的进步为开发自主设备提供了很好的机会。这项工作的贡献是一个改进的卷积神经网络（CNN）模型及其实现的道路裂缝，坑洼，和黄色车道的道路检测。黄色车道检测与跟踪的目的是通过跟随黄色车道，实现无人机的自主导航，同时通过WIFI或5G介质检测并向服务器报告道路裂缝和坑洼。建立自己的数据集是一项繁忙而耗时的任务。使用默认和改进的模型创建、标记和训练数据集。这两种模型的性能是基准方面的准确性，平均平均精度（mAP）和检测时间。在测试阶段，据观察，改进后的模型的性能更好的精度和mAP方面。改进后的模型在无人机上实现，使用机器人操作系统，通过无人机前置摄像头视觉实时自主检测道路中的坑洼和裂缝。
2020-08-14 cs.CV cs.LG cs.RO
Adaptive Planning Framework for UAV-Based Surface Inspection in Partially Unknown Indoor Environments
Carnegie Mellon University（卡内基梅隆大学）
针对部分未知室内环境中基于无人机的表面检测因参考地图过时导致效率低的问题，提出整合全局覆盖规划与局部反应式自适应的框架，实验证明其可提升检测效率与覆盖率。
2025-04-12 cs.RO
Deployment of Aerial Robots during the Flood Disaster in Erftstadt / Blessem in July 2021
University of Applied Science Gelsenkirchen（盖尔森基兴应用科学大学）；German Rescue Robotic Centre（德国救援机器人中心）；Institute of Fire Service & Rescue Technology, Fire Department of Dortmund（多特蒙德消防局消防与救援技术研究所）
气候变化导致越来越多的极端天气事件，如暴雨和洪水。本技术报告涉及如何使用无人机（UAV）在洪水灾害期间，即2021年7月中欧洪水期间，更具体地说是在Erftstadt / Blessem，更快地向救援指挥官提供最新信息的问题。无人机一方面用于洪水边缘的实时观测和定期检查，另一方面用于系统的数据采集，以便使用运动恢复结构和多视图立体计算3D模型。嵌入在GIS应用程序中的3D模型可作为系统探索和决策支持的规划基础，用于部署额外的小型无人机以及救援部队。无人机通过自主曲折飞行进行的系统数据采集提供了高分辨率图像，这些图像在15分钟内在专门装备的机器人指挥车（RobLW）中计算为周围区域的地理参考3D模型。通过比较连续几天从3D模型中提取的高分辨率高程剖面图，可以看到水位的变化。这些信息使应急管理部门能够计划对建筑物的进一步检查，并在现场寻找失踪人员。
2022-09-07 cs.RO
Ariel Explores: Vision-based underwater exploration and inspection via generalist drone-level autonomy
Norwegian University of Science and Technology (NTNU)（挪威科学技术大学）
本工作将基于视觉的水下探索与检测自主解决方案集成到水下机器人Ariel中，通过多相机视觉惯性状态估计与本体感受速度预测增强鲁棒性，并在潜艇干船坞实地验证了其无人机级自主能力及跨本体路径规划的通用性。
2025-07-14 cs.RO
Visual Servoing NMPC Applied to UAVs for Photovoltaic Array Inspection
University of Alicante（阿利坎特大学）；Instituto de Automática (INAUT)（自动化研究所）；Universidad Nacional de San Juan（圣胡安国立大学）；Centro de Investigaciones de Ciencias Humanas y de la Educación (CICHE)（人文与教育科学研究中心）；Universidad Tecnológica Indoamérica（印多大理工大学）
针对无人机光伏巡检中摄影测量方法的局限性，本研究提出一种基于非线性模型预测控制（NMPC）的视觉伺服系统。该方法利用RGB-D图像提取特征并通过卡尔曼滤波器估计阵列边缘，使无人机能在不同速度和高度下精准跟踪光伏阵列中线，实现低空高质量图像采集，并在仿真和真实环境中验证了其有效性。
2024-02-10 cs.RO
Visual Localization via Semantic Structures in Autonomous Photovoltaic Power Plant Inspection
Czech Institute of Informatics, Robotics, and Cybernetics, Czech Technical University in Prague（捷克信息学、机器人学和自动化研究院，捷克技术大学）
本文提出了一种通过语义结构实现光伏电站巡检自动定位的方法，结合模块检测与导航，提升实时定位精度与鲁棒性。
2026-01-29 cs.CV cs.RO
Automated UAV-based Wind Turbine Blade Inspection: Blade Stop Angle Estimation and Blade Detail Prioritized Exposure Adjustment
School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院）；PowerChina Zhongnan Engineering Corporation Limited（中南电力工程有限公司）
针对风力涡轮机无人机自动化检测中平台适配性不足、角度估计鲁棒性弱、细节易丢失的问题，提出适配的无人机检测平台、基于费马点的叶片停转角度估计法及细节优先曝光调整法，经多风场多机型超百架次测试验证可提升检测自主性。
2025-07-29 cs.RO
View Planning and Navigation Algorithms for Autonomous Bridge Inspection with UAVs
Virginia Tech（弗吉尼亚理工学院）
研究了在箱形梁桥环境中使用无人机进行基础设施检测的问题。我们考虑的情况下，无人机需要全面检查箱形梁桥和定位沿桥面时，像GPS和光流的标准方法被拒绝。我们克服箱形梁桥的困难的方法包括创建本地导航例程，一个监督员和一个计划员。本地导航程序使用两个二维激光雷达进行梁和柱飞行。为了在本地导航程序之间切换，我们实现了一个管理器，它指示UAV何时能够在本地导航程序之间切换。最后，我们实现了一个规划器来计算沿着箱形梁桥的路径，这将使无人机的飞行时间最小化。与当地的导航例程，一个主管，和一个规划师，我们构建了一个系统，可以完全和自主检查箱梁桥时，标准方法是不可用的。
2019-10-03 cs.RO
Tilt-X: Enabling Compliant Aerial Manipulation through a Tiltable-Extensible Continuum Manipulator
Queensland University of Technology（昆士兰理工大学）
Tilt-X通过可倾斜扩展连续体操纵器实现更灵活的空中操控，解决了现有技术在多方向部署和抗螺旋桨下涡方面的局限。
2026-02-27 cs.RO
Transfer Learning-Based Crack Detection by Autonomous UAVs
Middle East Technical University（中东技术大学）
无人机（UAV）最近在建筑物检查中通过自主探索和绘图收集视觉数据方面表现出了出色的性能。然而，考虑到数据的后处理及其与自主无人机的集成，研究的数量有限。这将使建筑物检查的全面自动化迈出巨大的一步。在这方面，这项工作提出了一个决策工具，自主无人机在视觉建筑物检查重访任务。该工具是对预训练的卷积神经网络（CNN）进行微调以进行表面裂纹检测的实现。它提供了一个可选的机制，用于在检查期间重新访问精确位置的任务规划。它被集成到一个四旋翼无人机系统，可以在GPS拒绝的环境中自主导航。无人机配备了机载传感器和计算机，用于自主定位、绘图和运动规划。通过仿真和真实世界的实验测试集成系统。结果表明，该系统实现了在GPS拒绝环境下的裂缝检测和自主导航。
2018-07-31 cs.RO
LiDAR-based Quadrotor Autonomous Inspection System in Cluttered Environments
University of Hong Kong（香港大学）
提出基于LiDAR的四旋翼无人机双阶段巡检系统，结合人在环与自主巡检，利用TSP优化任务序列，在复杂GNSS拒止环境中显著提升巡检效率与安全性。
2025-03-29 cs.RO
ASIP-Planner: Adaptive Planning for UAV Surface Inspection in Partially Known Indoor Environments
Department of Mechanical Engineering, Carnegie Mellon University（卡内基梅隆大学机械工程系）
本文提出ASIP-Planner框架，通过全局覆盖规划与局部视角调整模块，提升无人机在部分已知室内环境中的表面检测效率与适应性。
2026-09-04 cs.RO
Distributed Coordination for Resilient Multi-UAV Remote Sensing: A Photovoltaic Inspection Case Study
研究多无人机遥感运行时协调问题，提出SwarmLink通信基础设施，应用于光伏电站检查，通过分布式拍卖统一传感目标分配、故障恢复和重新分配，无需修改核心且无需地面站参与，减少中断影响。
2026-07-28 cs.RO
Thermal and Visual Tracking of Photovoltaic Plants for Autonomous UAV inspection
University of Genova（热那亚大学）；JPDroni S.r.l.（JPDroni有限责任公司）
由于光伏（PV）发电厂需要定期维护，因此使用无人机（UAV）进行检查有助于降低成本。目前，光伏装置的热检测和目视检查是基于无人机摄影测量。配备全球定位系统（GPS）接收器的无人机被分配了一个飞行区：无人机将来回覆盖它，以收集图像，然后将其合成在一个正交气象仪中。UAV通常在地面以上的高度飞行，该高度适于确保即使在存在GPS定位误差的情况下图像也重叠。然而，这种方法有两个局限性。首先，它需要覆盖整个飞行区，包括光伏组件行之间的“空”区域。第二，在地面以上的高空飞行限制了以后要检查的图像的分辨率。本文提出了一种新的方法，使用一个自主的无人机配备了一个RGB和一个热摄像机的光伏组件跟踪。无人机沿着光伏组件排移动，高度低于正常高度，并通过忽略没有光伏组件的“空”区域，以迂回的方式来回检查光伏组件。在模拟和实际光伏发电厂进行的实验测试报告。
2022-10-11 cs.RO
A Modular Pneumatic Soft Gripper Design for Aerial Grasping and Landing
The Hong Kong Polytechnic University（香港理工大学）；Hong Kong Center for Construction Robotics（香港建造机器人中心）；Research Centre of Unmanned Autonomous Systems（无人自主系统研究中心）；Department of Aeronautical and Aviation Engineering（航空及民航工程系）；Department of Mechanical Engineering（机械工程系）
本文提出一种用于空中抓取与着陆的模块化气动软体夹爪设计，结合前馈比例控制器与可重构软指，兼作软着陆起落架，有效减轻重量并实现217 g最大载荷。
2024-03-25 cs.RO
Soliro -- a hybrid dynamic tilt-wing aerial manipulator with minimal actuators
Autonomous Systems Lab, ETH Z\" u rich, Switzerland
本文提出Soliro，一种融合全向空中机械臂与VTOL混合平台的5DOF分体倾转翼机器人，仅用最少执行器且无需传统控制面，并通过风洞和过渡飞行验证其性能。
2023-12-08 cs.RO
Towards Operating Wind Turbine Inspections using a LiDAR-equipped UAV
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）
本研究提出一种基于 LiDAR、IMU 和 GPS 的无人机自主视觉巡检技术，通过生成轨迹并触发云台相机对旋转中的风力发电机叶片进行无损视觉分析，经实证验证有效，可降低传统停机巡检的成本与风险。
2023-06-26 cs.RO
Heterogeneous Vehicles Routing for Water Canal Damage Assessment
Carniege Mellon University（卡内基梅隆大学）；Massachusetts Institute of Technology（麻省理工学院）
在日本，灌溉水渠的检查大多是人工进行的。然而，随着基础设施老化，对更定期检查的需求巨大，加上可供检查的时间窗口有限，使得人工检查越来越不够用。随着检测时间的缩短和劳动力成本的降低，使用无人机（UAV）和地面车辆（汽车）的组合进行自动检测已成为人工检测的一种有吸引力的替代方案。在本文中，我们提出了一个路径规划框架，生成最佳计划的无人机和汽车检查水渠在一个大的农业区（几十平方公里）。除了最优性之外，路径还需要满足多个约束，以保证无人机的航行安全并遵守当地的交通规则。在拟议的框架中，运河和道路网络首先被建模为两个图，然后将其划分为较小的子图，给定的无人机机队可以在一次电池充电内覆盖这些子图。在图上为无人机和汽车找到最优路径的问题，受到的约束，制定为一个混合整数二次规划（MIQP）。所提出的框架还可以在当前计划中断时快速生成新计划。仿真结果表明，所提出的框架的有效性进行了验证，成功生成的计划，涵盖所有给定的运河段，并能够快速修改计划时，条件发生变化。
2018-03-07 cs.RO
Towards An Adaptive Compliant Aerial Manipulator for Contact-Based Interaction
随着无人机（UAV）的角色不断多样化，感知环境并与环境密切互动的能力变得越来越重要。在本文中，我们报告了一种新的自适应顺应致动器的初始飞行测试，这将使无人机进行这样的任务，如“拾取和放置”的遥感器，结构测试和接触式检查。三个关键的结果进行了讨论和介绍;的能力，以物理补偿的冲击力或施加相互作用力的无人机通过使用的主动顺应机械手;能够定制这些力通过调整的机械手控制器增益;和能够应用一系列快速的物理脉冲，以激发远程放置的传感器，例如振动传感器。本文介绍了整个系统的要求和系统建模的考虑，通过飞行试验的概念驱动。一系列超过60次的飞行试验已被用于产生初步结果，这些结果清楚地表明了这种新型柔性空中作动器的潜力。结果进行了讨论，在潜在的应用，和一系列未来的飞行试验的描述，这将使我们能够完善和改进整个系统。
2017-11-29 cs.RO
Realizing the Aerial Robotic Worker for Inspection Operations
University of Nevada, Reno（内华达大学里诺分校）
本报告概述了一组最近的贡献，在该领域的路径规划，开发，使实现自主空中机器人工作人员进行检查操作。具体的算法贡献解决了机器人检查和探索的几个基本挑战，特别是那些最佳覆盖规划给定的先验已知模型的结构被检查，全覆盖，优化和快速的检查路径规划，以及完全未知的环境和结构的有效探索。所有开发的路径规划器支持完整和非完整系统，并尊重板上的传感器模型和约束。概述所取得的成果，然后是一个集成架构，以便在已知和未知环境中实现完全自主和高效的基础设施检测。
2017-03-08 cs.RO
Aerial Manipulation with Contact-Aware Onboard Perception and Hybrid Control
Department of Aerospace Engineering, Pennsylvania State University（宾夕法尼亚州立大学航空航天工程系）；Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
本文提出了一种无需外部运动捕捉的机载感知与混合控制方法，实现了接触丰富任务的精准运动跟踪和稳定接触力控制。
2026-03-04 cs.RO
Advancing Manipulation Capabilities of a UAV Featuring Dynamic Center-of-Mass Displacement
Technical University of Denmark（丹麦技术大学）
本文针对空中机器人复杂工业交互任务，提出通过优化动态质心位置来增强无人机施力能力，并研究配备2自由度机械臂扩展工具操作功能，仿真验证了其在先进空中操纵中的潜力。
2025-04-11 cs.RO
Soft Electroadhesive Feet for Micro Aerial Robots Perching on Smooth and Curved Surfaces
Centre for Advanced Robotics at Queen Mary University of London（伦敦大学女王学院先进机器人中心）
本文提出了一种高效制造软可拉伸电吸附垫的方法，并通过实验验证了电吸附在停靠中的主导作用，展示了微航体在光滑和曲面表面的可靠停靠能力。
2026-04-17 cs.RO
Unmanned Aerial Vehicles: A Survey on Civil Applications and Key Research Challenges
New Jersey Institute of Technology（新泽西理工学院）；Universiti Tenaga Nasional（国家能源大学）；Western Michigan University（西密歇根大学）；Tafila Technical University（塔菲拉技术大学）；University of Idaho（爱达荷大学）
无人机（UAV）的使用在许多民用应用领域中迅速增长，包括实时监控、提供无线覆盖、遥感、搜索和救援、货物交付、安全和监视、精准农业和民用基础设施检查。智能无人机是无人机技术的下一次重大革命，有望在不同的应用中提供新的机会，特别是在民用基础设施方面，降低风险和成本。民用基础设施预计将主导超过450亿美元的无人机使用市场价值。在这次调查中，我们介绍了无人机的民用应用及其挑战。我们还讨论了当前的研究趋势，并为潜在的无人机用途提供了未来的见解。此外，我们提出了无人机民用应用的关键挑战，包括：充电挑战，碰撞避免和群集挑战，以及网络和安全相关的挑战。根据我们对最近文献的回顾，我们讨论了开放式研究的挑战，并就如何应对这些挑战提出了高层次的见解。
2018-04-19 cs.RO
Design and Control of an Aerial Manipulator for Contact-based Inspection
Birla Institute of Technology and Science (BITS)（比尔拉理工学院）；University of Nevada, Reno（内华达大学里诺分校）
机械手动力学、外力和力矩在空中操纵期间引起稳定性和有效控制的问题。此外，多旋翼微型飞行器对有效载荷、致动和系统状态施加了严格的限制。鉴于这些挑战，这项工作解决了设计和控制的3自由度串联空中机械手接触检查。提出了一种具有足够灵活工作空间的轻量化无损检测系统设计方案。该操作需要调节被检查点上的法向力。已经讨论了接触动力学以及接触期间的闭环动力学的模拟。模拟控制器保留了系统固有的非线性，并使用无源性方法来确保误差收敛到零。制定了从自由飞行到接触的过渡计划，以及执行的硬件和软件框架。本文最后提出了重要的不足和展望。
2018-04-11 cs.RO
LiDAR-based Quadrotor for Slope Inspection in Dense Vegetation
University of Hong Kong（香港大学）；Geotechnical Engineering Office（土力工程处）；Civil and Engineering Development Department（土木工程拓展署）；The Government of Hong Kong SAR（香港特别行政区政府）
本研究开发了一套基于LiDAR的四旋翼无人机软硬件系统，用于在茂密植被环境中进行斜坡检测，并在多个实际现场实验中验证了其避障飞行与巡检的优越性。
2024-09-21 cs.RO
Star-Searcher: A Complete and Efficient Aerial System for Autonomous Target Search in Complex Unknown Environments
Sun Yat-Sen University（中山大学）；Zhejiang University（浙江大学）；The Hong Kong University of Science and Technology（香港科技大学）
提出Star-Searcher无人机系统，通过分层规划器与历史感知机制解决复杂未知环境自主目标搜索问题，实现更短路径、时间及更高搜索完整度。
2024-03-21 cs.RO
Active Interaction Force Control for Contact-Based Inspection with a Fully Actuated Aerial Vehicle
ETH Zürich（苏黎世联邦理工学院）
本文提出并验证了主动交互力控制和规划全驱动和全向空中操作平台，在非结构化环境中的空中接触检查的目标。我们提出了一种可变轴选择阻抗控制，它集成了直接力控制有意的相互作用，使用反馈从板载力传感器。控制方法的目的是拒绝干扰自由飞行，同时处理无意的相互作用，并积极控制所需的相互作用力。一个全驱动和全向倾转旋翼航空系统被用来显示控制和规划方法的能力。实验证明了干扰抑制，推拉互动，和力控制互动在不同的飞行方向。该系统被验证为混凝土基础设施无损检测的工具，
2021-01-05 cs.RO
Maritime Vessel Tank Inspection using Aerial Robots: Experience from the field and dataset release
Norwegian University of Science and Technology (NTNU)（挪威科技大学）
本文展示了空中机器人在船舶压载舱内自主探索与视觉检查的现场成果，覆盖3艘船7类舱段，并总结了经验教训，同时发布了包含机载与手持传感器采集的数据集。
2024-04-29 cs.RO
GATSBI: An Online GTSP-Based Algorithm for Targeted Surface Bridge Inspection
University of Maryland（马里兰大学）；Virginia Tech（弗吉尼亚理工大学）
针对未知几何模型的桥梁表面视觉检测问题，提出基于GTSP的滚动时域规划算法GATSBI，通过语义分割桥梁体素、聚类视点求解最优路径，经仿真与实验验证其比基线算法更高效全面。
2024-06-24 cs.RO
GATSBI: An Online GTSP-Based Algorithm for Targeted Surface Bridge Inspection and Defect Detection
National Institute of Standards and Technology（美国国家标准与技术研究院）；Rice University（莱斯大学）；Colorado State University（科罗拉多州立大学）；University of Colorado（科罗拉多大学）；National Research Institute for Metals（国立金属材料研究所）
针对未知几何模型的基础设施表面缺陷检测问题，提出基于GTSP的在线规划算法GATSBI，通过语义分割基础设施体素、聚类视点并滚动重规划路径，经仿真与实实验证其检测效率与全面性优于已知地图的基线算法。
2024-06-24 cs.RO
MAVFI: An End-to-End Fault Analysis Framework with Anomaly Detection and Recovery for Micro Aerial Vehicles
Harvard University（哈佛大学）；Georgia Institute of Technology（佐治亚理工学院）；Peking University（北京大学）
安全性和弹性对于自主无人机（UAV）至关重要。我们引入MAVFI，微型飞行器（MAVs）的弹性分析方法，以评估无声数据损坏（SDC）对无人机的任务指标，如飞行时间和成功率的影响，以准确测量系统的弹性。为了提高机器人系统的安全性和弹性约束的大小，重量和功率（SWaP），我们提供了两个低开销的基于异常的SDC检测和恢复算法的基础上高斯统计模型和自编码器神经网络。我们的异常错误保护技术在许多模拟环境中得到验证。我们证明了基于自动编码器的技术可以恢复到我们研究的场景中的所有故障情况，计算开销不超过0.0062%。我们的应用程序感知弹性分析框架MAVFI可用于全面测试其他基于机器人操作系统（ROS）的应用程序的弹性，并可在https://github.com/harvard-edge/MAVBench/tree/mavfi上公开获取。
2023-01-30 cs.RO
UAV-based Receding Horizon Control for 3D Inspection Planning
KIOS Research and Innovation Centre of Excellence（KIOS卓越研究与创新中心）；University of Cyprus（塞浦路斯大学）
针对受动力学与传感约束的自主UAV三维检测任务，提出滚动时域规划控制方法，通过MIP求解约束开环最优控制问题以生成检测特征点的最优轨迹。
2023-04-20 cs.RO cs.SY eess.SY
Autonomous visual inspection of large-scale infrastructures using aerial robots
Luleå University of Technology（吕勒奥理工大学）
本文提出了一种新的框架，通过建立一个具有强大的定位，规划和感知能力的全自主微型飞行器（MAV）团队，围绕3D基础设施进行视觉检测。拟议的空中检查系统在大规模上达到了高度的自主性，同时将空中机器人的实际部署推向了极限。在所提出的方法中，部署的MAV的结构的检查只依赖于他们的机载计算机和传感系统。开发的框架设想了一个模块化系统，结合了本地化，路径规划和映射领域的开放式研究挑战，具有快速现场部署和减少执行时间的整体能力，可以根据操作员的需求重复执行检查任务。所建立的系统的架构包括：1）一个基于几何的路径规划器的覆盖复杂结构的多个微型飞行器，2）一个准确而灵活的定位组件，它提供了一个精确的姿态估计的微型飞行器，通过使用超宽带融合惯性估计方案，和3）视觉数据后处理方案的三维模型的建立。所提出的框架的性能已经在多个真实的室外现场试验中得到了实验证明，所有这些试验都集中在风力涡轮机的具有挑战性的结构上作为主要测试用例。成功的实验结果，描绘了所提出的自主导航系统的优点，使技术对空中机器人检查。
2019-01-16 cs.RO
Assisted Control for Semi-Autonomous Power Infrastructure Inspection using Aerial Vehicles
Queensland University of Technology（昆士兰科技大学）；Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）
本文介绍了一种辅助控制技术的设计和实施的小型多旋翼平台的空中检查的固定能源基础设施。传感器的放置是由预期的传感器性能和受约束的平台行为的理论分析，以加快实施的支持。光学传感器提供平台和资产之间的相对位置信息，这使得人类操作员的输入能够自主调整，以确保安全分离。辅助控制方法旨在减少操作员在近距离检查任务期间的工作量，自动管理碰撞避免和安全分离。能源基础设施包括单根垂直木杆和横担，并附有架空电线。模拟和真实的实验结果。
2018-08-01 cs.RO
AI and Semantic Communication for Infrastructure Monitoring in 6G-Driven Drone Swarms
School of Computing, Queen's University（女王大学计算学院）
提出一种集成6G超可靠低延迟通信、边缘AI和语义通信的无人机集群系统，利用LLM生成结构化报告，旨在解决传统监测成本高、速度慢及5G延迟问题，从而降低检查成本并提升故障检测速度。
2025-02-26 cs.AI cs.RO
A Cost-Effective Cooperative Exploration and Inspection Strategy for Heterogeneous Aerial System
School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院）
针对异构无人机集群协同检测，论文提出无需精确环境先验、结合体素地图与规则路径规划的任务分配和全覆盖方法，性能优于基准并已开源。
2024-03-02 cs.RO
SwarmGear: Heterogeneous Swarm of Drones with Reconfigurable Leader Drone and Virtual Impedance Links for Multi-Robot Inspection
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院）
本文提出异构无人机集群巡检系统SwarmGear，采用具备柔性腿的领航无人机实现空地协同，并利用虚拟阻抗链路保持编队，实验表明其在复杂环境中具有高运动精度与低跟踪误差。
2023-04-06 cs.RO cs.SY eess.SY
