Control of Cooperative Unmanned Aerial Vehicles: Review of Applications, Challenges, and Algorithms
协作无人机系统是一组智能体相互之间以及与周围环境进行交互以完成特定任务的系统。与单个无人机相比，无人机群有望提高效率、灵活性、准确性、鲁棒性和可靠性。然而，提供外部通信可能会使它们暴露于额外的故障，故障，不确定性和网络攻击，并可能导致错误从网络中的一个组件传播到其他组件。此外，其他挑战，如复杂的非线性动力学的无人机，避碰，速度匹配，和凝聚力应该得到充分解决。合作无人机的主要应用是边境巡逻;搜索和救援;监视;测绘;军事。在协同系统的决策和控制中需要解决的问题包括无人机复杂的非线性动力学、避碰、速度匹配和内聚。本文综述了无人机协同控制领域的新课题及其相关的实用方法。
2019-08-07 cs.SY eess.SY
Black-box Stealthy GPS Attacks on Unmanned Aerial Vehicles
本研究分析无人机GPS黑盒隐蔽虚假数据注入攻击的脆弱性，证明闭环系统增量指数稳定时仅篡改GPS就能引发任意大位置偏差，且攻击无需系统模型，经案例验证了结论。
2024-09-17 cs.SY eess.SY
Verification Framework for Control System Functionality of Unmanned Aerial Vehicles
提出了一种基于定理证明的无人机控制系统验证框架。该框架的目的是制定一个程序，证明数学设计的控制系统的飞机满足鲁棒性要求，以确保在不同的环境条件下的安全性能。大量的数学推导，以前是手工进行的，在计算机上检查其正确性。为了说明该过程，高阶逻辑交互定理证明器和自动定理证明器被用来正式验证一个非线性姿态控制系统的一般多旋翼无人机在稳定域内的动态状态空间的无人机。该过程的进一步益处在于，所得到的方法中的一些可以在飞机上实施，以检测何时由于恶劣天气条件或致动器/传感器故障而导致其控制器违反其飞行包线限制。这样的检测过程可以用于建议远程飞行员或机载智能代理决定计划的飞行路径的一些改变或执行紧急着陆。
2020-06-18 cs.SY eess.SY
Payload-Mass-Aware Trajectory Planning on Multi-User Autonomous Unmanned Aerial Vehicles
未来的无人机将由多个用户共享，并且必须在需要其完全自主功能的条件下运行。无人机轨迹的计算将是重要的，但除非考虑质量和飞行速度，否则无法计算出最佳轨迹。本文介绍了多用户动态有效载荷质量场景中的无人机轨迹规划案例，允许无人机计算其轨迹，而无需地面控制通信。我们制定和研究在可变有效载荷质量和飞行速度意识下的无人机轨迹规划，在这种情况下，它是由多个用户或应用程序共享。我们提出了有效的解决方案，使用启发式和优化算法的组合。为了支持这一调查，我们提出了一个新的模型的功率耗散的无人机推进速度和有效载荷质量的函数。我们评估了我们提出的算法解决方案在当代嵌入式处理器上的性能，并证明了它能够以有限的计算开销（在ARM Cortex-A9 SoC上不到300毫秒）生成接近最优的轨迹。
2020-01-08 cs.SY eess.SY
Lyapunov-based Nonlinear Model Predictive Control for Attitude Trajectory Tracking of Unmanned Aerial Vehicles
针对无人机（UAV）的姿态控制问题，提出了一种新的基于李雅普诺夫（Lyapunov）的非线性模型预测控制器（LNMPC）。基于二次型代价函数，综合无人机动力学和系统约束，设计了控制器。一个额外的收缩约束，然后引入，以确保闭环系统的稳定性。该约束是通过一个李雅普诺夫函数来自滑模控制器（SMC）。最后证明了LNMPC的可行性和稳定性。仿真和比较结果表明，所提出的控制器保证了系统的稳定性，并优于其他国家的最先进的非线性控制器，如反推控制器（BSC）和SMC。此外，所提出的控制器可以集成到现有的无人机模型在凉亭模拟器进行软件在环测试。仿真结果表明，LNMPC控制器的控制效果优于无人机内置PID控制器，验证了所提方法的有效性和适用性。
2022-10-28 cs.SY eess.SY
Real-time System Identification Using Deep Learning for Linear Processes with Application to Unmanned Aerial Vehicles
提出了一种基于深度学习（DL）和改进继电反馈测试（MRFT）的线性系统参数辨识方法。所提出的方法利用MRFT来揭示关于未知过程的区别频率;然后将其传递到训练的DL模型以识别底层过程参数。所提出的方法保证了在识别和控制阶段的稳定性和性能，并需要几秒钟的观测数据来推断动态系统参数。以四旋翼无人机姿态和高度动力学为例进行了仿真和实验验证。结果表明，该方法的有效性和实时性，它优于传统的预测误差方法的准确性，对偏差的鲁棒性，计算效率和数据要求。
2020-04-21 cs.SY eess.SY
A Minimum Energy Filter for Localisation of an Unmanned Aerial Vehicle
Australian National University（澳大利亚国立大学）；Defence Science and Technology Group（国防科学与技术集团）
无人机的精确定位对于下一代自动化任务至关重要。提出了一种基于扩展特殊欧氏群的速度辅助姿态估计的最小能量滤波器。所采取的方法利用李群对称性的问题相结合的惯性测量单元（IMU）传感器输出与地标测量到一个强大的和高性能的状态估计。我们提出了一种异步离散时间实现融合高带宽IMU与低带宽离散时间地标测量典型的现实世界的场景。通过仿真验证了该滤波器的性能。
2020-09-10 cs.RO cs.SY eess.SY
Demonstrating Reinforcement Learning and Run Time Assurance for Spacecraft Inspection Using Unmanned Aerial Vehicles
本文针对在轨航天器检查任务，采用强化学习训练NNC并结合RTA实时约束位置与速度，通过模拟航天器动力学的无人机实物实验验证了安全性与抗扰鲁棒性。
2024-05-10 cs.SY eess.SY
Collaborative Visual Area Coverage using Unmanned Aerial Vehicles
University of Patras（帕特雷大学）
本文研究无人机团队如何通过调整高度优化视觉覆盖质量，提出分布式控制算法并验证其有效性。
2016-12-06 cs.MA cs.SY eess.SY
Constrained Imitation Learning for a Flapping Wing Unmanned Aerial Vehicle
The George Washington University（乔治华盛顿大学）
提出了一种基于数据驱动的微型扑翼无人机最优控制策略。首先，一组最佳的轨迹计算离线的基础上的几何制定的动力学，捕捉大角度扑动运动和准定常空气动力学之间的非线性耦合。然后，根据模仿学习的框架，将其转化为反馈控制系统。特别是，一个额外的约束，通过学习过程中，以提高所得到的控制动态的稳定性。与传统方法相比，所提出的约束模仿学习无需在线生成额外的最优轨迹，而不会牺牲稳定性。因此，计算效率得到了显著提高。此外，这建立了第一个非线性控制系统，稳定的扑翼飞行器的纵向和横向耦合动力学，而不依赖于平均或线性化。这些都说明了数值例子的启发，帝王蝶的模拟模型。
2022-06-08 cs.RO cs.SY eess.SY
A survey on unmanned aerial vehicle collision avoidance systems
Stony Brook University（石溪大学）
本文综述了最新无人机避障系统，分析了感知与检测、避障两部分的分类、优缺点及比较。
2015-08-31 cs.RO cs.SY eess.SY
Stealthy Perception-based Attacks on Unmanned Aerial Vehicles
Duke University（杜克大学）
在这项工作中，我们研究的脆弱性，无人机（UAV）的隐形攻击的感知为基础的控制。为了指导我们的分析，我们考虑两个具体的任务：（$i$）地面车辆跟踪（GVT），和（$ii$）垂直起飞和降落（VTOL）的四轴飞行器在移动的地面车辆。具体来说，我们引入了一种方法来随着时间的推移持续攻击传感器测量和相机图像，以导致控制性能下降（例如，通过任务失败）同时保持隐身（即，未被部署的异常检测器检测到）。与主要依赖于深度神经网络对小输入扰动（例如，通过在图像中添加小块和/或噪声），我们表明可以通过改变地面车辆着陆标记的图像以及适当地伪造传感数据来设计隐形但有效的攻击。我们说明了我们的攻击在凉亭3D机器人模拟器的有效性。
2023-03-03 cs.RO cs.SY eess.SY
Detection of Stealthy Adversaries for Networked Unmanned Aerial Vehicles*
Stevens Institute of Technology（史蒂文斯理工学院）
本文针对网络化无人机编队控制中的零动态和隐蔽攻击，提出集中式与分散式观测器检测方法，利用通信拓扑切换和本地测量实现隐蔽入侵检测，并通过实验验证其有效性。
2022-05-22 cs.RO cs.SY eess.SY
Cell A* for Navigation of Unmanned Aerial Vehicles in Partially-known Environments
Clemson University（克莱姆森大学）
正确的路径规划是移动机器人实现鲁棒、高效自主导航的第一步。同时，在没有完全先验信息的复杂环境下，机器人的工作仍然具有挑战性。本文提出了一种扩展的A* 搜索算法及其变种，使路径规划稳定，计算负担较少，同时处理长距离任务。实现的算法是能够在线搜索一个无碰撞和平滑的路径时，前往定义的目标位置。本文将该算法部署在自主无人机平台上，并在遥控小车上实现，验证算法的有效性。
2020-09-16 cs.RO cs.SY eess.SY
A Pilot Study of Smart Agricultural Irrigation using Unmanned Aerial Vehicles and IoT-Based Cloud System
本文介绍了一种基于物联网（IoT）、嵌入式系统和无人机（UAV）的现代信息和通信技术在农业中的移动应用。拟议的农业监测系统是使用Arduino微控制器板、Wi-Fi模块、水泵和电子环境传感器（即温度、湿度和土壤湿度）设计和实现的。无人机在这项研究中的作用是从农场的不同区域收集这些环境数据。然后，自动计算云中每个区域的灌溉水量。此外，开发的系统可以远程监控农场的条件，包括Android移动应用程序上的用水需求，以指导农民。这项研究的结果表明，我们提出的基于物联网的嵌入式系统可以有效地避免在智能农业框架内不必要的和浪费的水灌溉。
2021-01-06 cs.SY eess.SP eess.SY
Stereo Vision for Unmanned Aerial VehicleDetection, Tracking, and Motion Control
提出了一种新的无人机检测方法。本研究的目的是为自主式多旋翼无人机开发一种鲁棒的设置，能够视觉检测和跟踪入侵无人机进行实时运动规划。该系统由两部分组成：使用立体摄像机生成三维点云数据的目标检测和应用卡尔曼滤波器进行无人机运动建模的视频跟踪。在探测到入侵者后，猎人可以瞄准并向入侵者发射一张绳网以压制它。计算机视觉，运动跟踪和规划算法可以在安装在猎人无人机上的便携式计算机上实现。
2020-05-07 cs.SY eess.IV eess.SP
Risk Management of Unmanned Aerial Vehicles
本文提出一种基于循环迭代结构的定性风险管理模型，适用于无人飞行器，以降低数据丢失、设备故障及声誉损失风险。
2023-11-07 cs.CR cs.SY eess.SY
Securing Mobile IoT with Unmanned Aerial Systems
物联网（IoT）将很快无所不在，数十亿传感器和执行器将支持我们的行业和福祉。物联网设备是嵌入式系统，在大多数情况下使用无线技术连接。服务于物联网的无线网络的可用性，数据的隐私性，完整性和可信度至关重要，因为物联网将推动企业和个人决策。本文提出了一种新的方法，在无线安全领域，利用先进的无线技术和无人机系统或车辆（UAS或UAV）的出现。我们考虑了窃听问题，并分析了无人机如何帮助减少或克服移动物联网环境中的这种威胁。结果表明，当无人机协助基站将信息中继到所需的物联网节点时，可以在信道保密率方面实现巨大的改进。我们的方法与技术无关，可以扩展到解决其他通信安全问题。
2020-05-15 cs.SY eess.SP eess.SY
Sensitivity Study of Fiducial-Aided Navigation of Unmanned Aerial Vehicles
Utah State University（犹他州立大学）
无人驾驶飞行器（UAV）在城市地区的可能应用和好处越来越受到人们的关注。在实现这些可能性之前，无人机必须能够在城市环境中可靠和精确地导航。确定无人机位置的最常见手段是利用全球导航卫星系统（GNSS）的位置测量。然而，在城市环境中，由于遮挡和多路径，GNSS测量显著降级。本研究分析了使用相机视线（LOS）测量自描述基准作为传统的GNSS测量的替代品。为了将惯性测量单元（IMU）的连续测量与离散视线测量相结合，对无人机的状态进行精确估计，提出了一种扩展卡尔曼滤波器（EKF），并进行了验证。评估了估计误差协方差对各种系统参数的敏感性，包括IMU等级、基准放置、车辆高度和图像处理频率。
2021-10-04 cs.RO cs.SY eess.SY
Sequential Manipulation Planning for Over-actuated Unmanned Aerial Manipulators
Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院）；Peking University（北京大学）；Tsinghua University（清华大学）
本文针对无人机机械臂的序列操作规划问题，提出基于虚拟运动链的统一运动学与动力学规划方法，并在仿真与实验中首次展示过驱动UAM的多种序列操作能力。
2023-07-11 cs.RO cs.SY eess.SY
Design of Ad Hoc Wireless Mesh Networks Formed by Unmanned Aerial Vehicles with Advanced Mechanical Automation
Rutgers University（罗格斯大学）
本文研究了由机械自动化能力（如AP分离和电池更换）驱动的无人机网状网络架构，提出并验证了启发式调度算法。
2018-04-20 cs.NI cs.SY eess.SY
Adaptive Super-Twisting Controller Design for Accurate Trajectory Tracking Performance of Unmanned Aerial Vehicles
本文针对外部干扰下的敏捷四旋翼无人机，提出一种自适应超螺旋控制器及级联控制架构，实现精确轨迹跟踪，解析证明了闭环稳定性，并通过仿真和实验验证了有效性。
2023-09-14 cs.SY eess.SY math.DS
Trajectory Tracking for Unmanned Aerial Vehicles in 3D Spaces under Motion Constraints
Indian Institute of Technology Bombay（印度理工学院孟买分校）；University of Cincinnati（辛辛那提大学）
针对无人机三维轨迹跟踪需满足空间约束的问题，提出考虑各自由度空间约束、适配惯性矩阵信息有限情况的非线性控制策略，证明其收敛性并通过仿真验证有效性，可应用于管道巡检等场景。
2024-07-15 cs.RO cs.SY eess.SY
Cellular Controlled Cooperative Unmanned Aerial Vehicle Networks with Sense-and-Send Protocol
School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院）
本文提出了一种细胞控制无人机传感网络，通过协同完成传感任务，采用感知-发送协议，优化轨迹、传感位置和无人机调度以最小化任务完成时间。
2018-05-30 cs.SY eess.SP eess.SY
Adaptive twisting sliding mode control for quadrotor unmanned aerial vehicles
本文提出自适应扭曲滑模控制算法，用于四旋翼无人机在非线性、扰动和参数变化下的姿态控制，通过改进滑模律和增益自适应方案提升控制性能。
2018-06-05 cs.RO cs.SY eess.SY
Shaping Wind-Tunnel Airflow for Unmanned Aerial Vehicles using Online Learning
该研究提出一种结合简化物理模型与迭代测量学习的在线学习算法，用于控制多风扇垂直风洞气流，可生成多种气流剖面，还能提升滑翔机器人飞行性能，且对风扇数量变化具备鲁棒性。
2026-08-05 cs.AI cs.RO cs.SY
Multi-Task Regression-based Learning for Autonomous Unmanned Aerial Vehicle Flight Control within Unstructured Outdoor Environments
Durham University（杜伦大学）
全球无人机（UAV）行业的增长扩大了全自主无人机应用的可能性。一个特殊的应用，其中部分动机这项研究是使用无人机在广域搜索和监视行动，在非结构化的户外环境。这种环境的关键问题是缺乏有助于自主飞行的结构化特征，例如道路或路径。在本文中，我们提出了一种端到端的多任务回归学习方法，能够定义飞行命令的导航和探索下的森林树冠，无论存在的痕迹或额外的传感器（即GPS）。训练和测试是使用软件在循环管道，允许对国家的最先进的姿态估计技术进行详细的评估。我们广泛的实验表明，我们的方法擅长在所需的搜索范围内进行密集的探索，能够覆盖更广泛的搜索区域，推广到以前看不见的和未探索的环境，并优于当代最先进的技术。
2019-07-18 cs.CV cs.LG cs.RO
A Visual-inertial Navigation Method for High-Speed Unmanned Aerial Vehicles
Beijing University of Posts and Telecommunications（北京邮电大学）；Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院）
研究了高速高空无人机的单目摄像定位问题。提出了一种利用视觉和惯性器件互补的导航方法，以克服无人机水平飞行时的奇异性。通过分离线性部分和非线性部分，改进了定位问题的数学模型，用线性等式约束优化问题代替了非线性最小二乘问题。为了避免序列无约束极小化方法（罚方法）在最优点附近的病态性，基于微分代数动力系统构造了一种半隐式连续信赖域方法来求解线性等式约束优化问题.除了传统的常微分方程数值方法在有限积分区间上的收敛性分析外，还分析了半隐式连续方法在无穷积分区间上的全局收敛性。最后给出了数值结果。
2020-02-12 cs.CV cs.NA cs.SY
