Robotics During a Pandemic: The 2020 NSF CPS Virtual Challenge -- SoilScope, Mars Edition
School of Earth and Space Exploration（地球与空间探索学院）；Vanderbilt University（范德堡大学）；National Institute of Technology Karnataka（卡纳塔克邦国家理工学院）
远程样品回收是小型无人机系统（sUAS）在行星科学和空间探索中的一个快速发展的应用。用于自动部署和恢复用于样本缓存的传感器探针的网络物理系统（CPS）的开发已经在NASA的MARS 2020任务中进行。为了挑战学生团队开发样本回收设置的自主性，2020年NSF CPS挑战赛围绕着MARS 2020漫游者和sUAS二人组的推出进行定位。本文讨论了感知和轨迹规划的样品回收sUAS在仿真环境中。在总共五个参赛队中，讨论了前两名的结果。部署在网络物理系统虚拟组织（CPS-VO）上的OpenUAV云仿真框架允许团队在COVID-19大流行期间远程工作一个多月，以开发和模拟自主探索算法。远程模拟使全球各地的团队能够在实验中进行协作。这两个小组以不同的方式完成探测器搜索、探测器回收和降落在移动目标上的任务。本文总结了团队的见解和经验教训，因为他们从广泛的感知传感器和算法中进行了选择。
2021-03-15 cs.RO
Design and Model Predictive Control of Mars Coaxial Quadrotor
Luleå University of Technology（吕勒奥理工大学）
火星一直是太阳系行星探索的主要候选者，因为科学发现支持未来在这个星球上居住的机会。火星的洞穴和熔岩管就像地形一样，包括不平坦的地面，能见度差和狭窄的空间，使得轮式漫游车不可能在这些地区航行。为了解决这些问题，提高火星地形探测能力，本文提出了一种新型的同轴四旋翼微型飞行器（MAV）的设计和控制。正如将要介绍的那样，对拟议的火星同轴四旋翼飞机的设计和控制架构的关键贡献，是从控制的角度来看，在自主性方面与Inconsistency相比，引入了一种替代方案，并且更加增强。基于所提出的设计，本文将介绍的数学建模和自动控制框架的车辆，将包括一个线性化模型的同轴四旋翼和相应的模型预测控制器（MPC）的轨迹跟踪。在为火星空中飞行提出的众多模型中，相关技术水平缺乏可靠的控制架构。拟议的MAV基于MPC的闭环响应将在飞行期间的不同条件下进行验证，并引入额外的干扰，以复制真实的飞行场景。为了进一步验证所提出的控制架构，并证明所建议的设计的有效性，引入的火星同轴四旋翼和MPC方案将进行比较，PID型控制器，类似于Inconsistity直升机的控制架构的位置和航向。
2021-10-01 cs.RO
Design and Autonomous Control of the Active Adaptive Suspension System Rudra Mars Rover
通过人工智能远程驾驶或控制的半自主或完全自主的无人驾驶飞行器有助于促进空间探索。漫游车最基本的任务之一是地形穿越，这需要高效的悬架系统。该通信提出了一个悬架系统，该系统在通过曲柄杠杆连接的线性致动器的帮助下为每个车轮提供自由度。线性致动器的致动直接改变每个车轮距底盘的高度，从而为漫游器提供铰接。控制系统的开发提供了一种算法，其自主致动。该系统被证明有助于底盘的调平，其中任何类型的倾斜、侧倾或俯仰都可能导致有效载荷的有效工作。在5月至6月在美国犹他州举行的2013年大学漫游车挑战赛上，印度SRM大学RUDRA团队（亚洲第一队，第五名）成功地将其作为漫游车的一部分进行了尝试和测试。
2016-08-25 cs.RO
Overcoming the Challenges of Solar Rover Autonomy: Enabling Long-Duration Planetary Navigation
University of Toronto（多伦多大学）
以前和现在的火星漫游者的成功鼓励了世界各地的航天机构追求更多的行星探索任务，并实现更雄心勃勃的导航目标。例如，美国航天局计划的火星样品返回任务将是一项多年的任务，需要太阳能动力漫游车在大约三个月的时间里每日行驶150米以上。本文回顾了当前漫游车使用的移动规划框架，并调查了在红色星球上进行连续长距离导航所面临的主要挑战。它还讨论了与环境感知和能源感知导航有关的最新工作，并提供了一个关于这些工作最终如何使太阳能漫游车在火星上实现自主长距离导航的观点。
2018-09-10 cs.RO
MarsLGPR: Mars Rover Localization with Ground Penetrating Radar
University of Michigan Robotics Department（密歇根大学机器人学系）；University of Michigan Space Institute（密歇根大学太空研究所）
提出利用探地雷达（GPR）辅助火星车定位，开发基于GPR的深度学习模型预测一维相对位姿平移，并将其与惯性和轮式编码器数据融合于滤波框架，实验证明其在高滑移环境中优于轮式编码器并改善多模态滤波估计，同时发布了首个火星模拟环境GPR定位数据集。
2025-11-03 cs.LG cs.RO
Field Report on Ground Penetrating Radar for Localization at the Mars Desert Research Station
University of Michigan Robotics Department（密歇根大学机器人系）；University of Michigan Space Institute（密歇根大学太空研究所）
本文报告在火星沙漠研究站采集50余条GPR勘测轨迹的实地经验，验证探地雷达作为行星探测车定位模态的可行性，并总结方法与未来方向。
2025-06-06 cs.RO
The Landform Contextual Mesh: Automatically Fusing Surface and Orbital Terrain for Mars 2020
Jet Propulsion Laboratory（喷气推进实验室）；California Institute of Technology（加州理工学院）
本文提出地形上下文网格方法，自动融合火星2020漫游车图像与轨道数据生成交互式3D地形可视化，用于任务规划与公众访问。
2025-09-22 cs.RO
Neural Radiance Maps for Extraterrestrial Navigation and Path Planning
Stanford University（斯坦福大学）
本文提出利用神经辐射场构建地图，用于自主导航中的路径规划，通过整合局部和全局信息，实现更高效的路径规划。
2026-03-18 cs.CV cs.RO
Rover Relocalization for Mars Sample Return by Virtual Template Synthesis and Matching
McGill University（麦吉尔大学）；Facebook AI Research（脸书人工智能研究实验室）；University of Michigan（密歇根大学）；Carnegie Mellon University（卡内基梅隆大学）；Jet Propulsion Laboratory（喷气推进实验室）；California Institute of Technology（加州理工学院）
我们认为，在名义上的火星样品返回运动的背景下，漫游车重新定位的问题。在这一活动中，漫游车（R1）需要能够使用另一个漫游车（R0）多年前收集的参考图像在大约50 x 50 m的区域内自主导航和定位。我们提出了一个视觉定位器，表现出鲁棒性相对贫瘠的地形，我们希望在相关领域找到，以及大的照明和R0和R1之间的视点差异。定位器合成从参考R0图像构建的网格的部分渲染，并将其与R1图像进行匹配。我们在总共2160张图像的数据集上评估了我们的方法，这些图像涵盖了预期环境条件（地形、照明、接近角）的范围。实验结果表明了该方法的有效性。这项工作为火星样品返回活动提供了信息，该活动将选择一个地点，在那里毅力号（R0）将放置一组样品管，以便将来由另一个漫游者（R1）取回。
2021-03-05 cs.CV cs.RO
Bi-Level Image-Guided Ergodic Exploration with Applications to Planetary Rovers
Yale University（耶鲁大学）
本文提出一种双层图像引导遍历探索方法，结合学习型图像分类器更新信息地图，并利用粗细双层求解器分别控制车体与视觉传感器，有效提升了火星漫游车岩层定位精度并最小化了探索路径长度。
2023-07-31 cs.RO
Towards Safer Planetary Exploration: A Hybrid Architecture for Terrain Traversability Analysis in Mars Rovers
Polytechnic of Turin（都灵理工大学）
针对火星车在崎岖行星地形中的自主导航风险，本文融合语义分割、像素级粗糙度分类与几何危险检测，构建可生成混合成本地图的ROS2架构，并经Unity仿真验证其在线可通行性分析能力。
2024-10-23 cs.RO
Spherical Planetary Robot for Rugged Terrain Traversal
Arizona State University（亚利桑那州立大学）
轮式行星漫游车，如火星探测漫游车（MER）和火星科学实验室（MSL）提供了前所未有的火星表面的详细图像。然而，这些漫游者体积庞大，成本高昂，因为它们需要携带复杂的仪器和科学实验室。我们建议开发低成本的行星漫游车，其大小和形状都像哈密瓜，可以从更大的漫游车上部署。名为SphereX的漫游车质量为2公斤，是球形的，完整的，并包含一个跳跃机制，可以跳过崎岖的地形。小型低成本漫游车是对大型漫游车的补充，特别是在穿越崎岖地形或滚下峡谷、悬崖或火山口以获取图像和科学数据时。虽然对于这些小型机器人来说，这可能是一次单程旅行，但它们可以在战术上用于获得高回报的科学数据。该机器人配备了一对立体摄像机来执行视觉导航，并为科学有效载荷提供了空间。在本文中，我们分析了一个实验室原型的设计和开发。结果表明，一个有前途的途径发展的领域系统。
2017-02-09 astro-ph.IM cs.RO
Enhancing Rover Mobility Monitoring: Autoencoder-driven Anomaly Detection for Curiosity
Jet Propulsion Laboratory（喷气推进实验室）；California Institute of Technology（加州理工学院）
针对火星科学实验室火星车长期运行的异常检测需求，提出基于欠完备自编码器的行驶异常检测方法，利用多系统遥测数据，经实验验证可识别人类遗漏的细微异常，为行星探测任务可靠性提升提供支持。
2024-05-13 cs.RO
Path Planning and Navigation Inside Off-World Lava Tubes and Caves
University of Arizona（亚利桑那大学）；Arizona State University（亚利桑那州立大学）
月球和火星的详细表面图像揭示了数百个洞穴状的开口。这些洞穴状的开口理论上是熔岩管的残余，其内部可能处于原始状态。这些地点可能保存了月球和火星的地质记录，包括过去水流和可居住性的证据。使用轮式探测器探索这些洞穴仍然是一个艰巨的挑战。这些洞穴很可能有入口，天花板塌陷，就像亚利桑那州和新墨西哥州的熔岩管一样。因此，即使是有经验的人类徒步旅行者也几乎不可能穿越入口。我们的方法是利用SphereX机器人，这是一个3公斤，30厘米直径的机器人，带有计算机硬件和连接到火箭推进器的智能手机传感器。每个SphereX机器人都可以在低重力、无空气或低压环境中跳跃、滚动或短距离飞行。可能会部署几个SphereX机器人，以最大限度地减少单点故障，并利用合作行为穿越洞穴。在这些洞穴环境中，导航和路径规划面临一些重要挑战。定位系统，如全球定位系统是不可用的，也不容易安装，由于从岩石的信号阻塞。这些洞穴太暗，太大，传统的传感器，如相机和微型激光传感器，执行详细的测绘和导航。在本文中，我们确定了新的技术来映射这些洞穴进行本地化，合作映射和导航。
2018-03-07 cs.RO
Autonomous Mars Rover Module for Soil Sampling and Life Component Analysis
The University of Texas at Arlington（德克萨斯大学阿灵顿分校）
本研究提出了一种自主火星探测车模块，用于土壤采样和生命成分检测，通过整合机械和生化系统实现外星生命检测的可行性验证。
2026-01-23 astro-ph.EP astro-ph.IM cs.RO
A GNC Architecture for Planetary Rovers with Autonomous Navigation Capabilities
HE Space for ESA – European Space Agency（HE Space 公司（为欧洲空间局））；European Space Agency（欧洲空间局）；University of Malaga（马拉加大学）
本文提出了一种针对即将到来的火星探测任务（如火星2020和样品提取漫游车（SFR））的行星漫游车的制导，导航和控制（GNC）架构。这些任务的导航要求需要具有自主能力的控制架构，以实现快速和长距离的遍历。所提出的解决方案提出了一个两级架构，其中有效的导航（低）级始终处于活动状态，并且根据地形的难度启用完整的导航（上）级。第一级是基于危险检测、局部路径重新规划和具有视觉里程计的轨迹控制的自主导航的基本功能的有效实现。第二个层次实现了一个自适应SLAM算法，提高了相对定位，评估了更优的路径规划前方地形的可通行性，并执行全局（绝对）定位，纠正在较长的遍历姿态漂移。该架构为远程、低监控和快速行星探索提供了解决方案。这两种导航水平都已在行星模拟实地测试活动中得到验证。
2019-11-22 cs.RO
MLNav: Learning to Safely Navigate on Martian Terrains
Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）；Manipal Institute of Technology（马尼帕尔理工学院）；California Institute of Technology（加州理工学院）；Massachusetts Institute of Technology（麻省理工学院）
我们提出了MLNav，一个学习增强的路径规划框架，用于在复杂环境中运行的安全关键和资源有限的系统，例如在火星上航行的漫游车。MLNav明智地使用机器学习来提高路径规划的效率，同时充分尊重安全约束。特别是，在这样的安全关键设置的主要计算成本是运行基于模型的安全检查器上提出的路径。我们学习的搜索启发式算法可以在一次运行中同时预测所有路径选项的可行性，并且基于模型的安全检查器仅在得分最高的路径上调用。我们使用Perseverance漫游者收集的真实火星地形数据以及一套具有挑战性的合成地形进行高保真模拟验证。我们的实验表明：（i）与Perverance漫游者上的基线ENAV路径规划器相比，MLNav可以在多个关键指标上提供显着改进，例如在导航真实火星地形时碰撞检查减少10倍，尽管使用合成地形进行训练;（ii）MLNav可以成功导航高度挑战性的地形，其中基线ENAV无法在超时之前找到可行路径。
2022-03-09 cs.AI cs.CV cs.LG
GNC of the SphereX Robot for Extreme Environment Exploration on Mars
Arizona State University（亚利桑那州立大学）
轮式地面机器人在探索洞穴、熔岩管和天窗等极端环境时受到限制。小型机器人可以通过跳跃、飞行或滚动来利用非传统的机动性，从而克服这些限制。多个机器人作为一个团队运行提供了显着的好处比一个单一的大型机器人，因为它们不容易出现单点故障，使分布式命令和控制，并使并行执行任务。这些机器人可以补充大型漫游车和着陆器，帮助探索无法进入的地点，获取样本和规划未来的探索任务。我们的机器人，SphereX，质量为3公斤，球形，包含相当于当前智能手机的计算机。它们包含一系列制导、导航和控制传感器和电子设备。SphereX包含1公斤科学有效载荷的空间，包括样品返回。我们在这一领域的工作已经认识到需要小型化的化学流动系统，提供动力和推进。我们的研究探索了微型火箭的使用，包括固体火箭，双推进剂，包括RP 1/过氧化氢和聚氨酯/高氯酸铵。这些推进选项可在火星上提供最长10分钟的飞行时间。飞行，特别是悬停消耗大量燃料;因此，我们一直在开发我们的机器人，以执行弹道跳跃，使机器人能够有效地进行长距离旅行。正在开发的技术，使中途修正在弹道跳。使用多个相机，可以从运动模糊中重建图像场景。因此，我们的方法是在机器人进行弹道跳跃时启用照片映射。同样的图像也将用于导航和路径规划。使用我们提出的设计方法，我们正在开发低成本的方法，使用小型机器人网络进行行星体的表面探索。
2017-01-31 astro-ph.IM cs.RO
Path Planning for Minimizing the Expected Cost until Success
University of California Santa Barbara（加州大学圣巴巴拉分校）
考虑机器人在具有边成本的图上的一般路径规划问题，并且其中每个节点具有给定概率的成功或失败（相对于某些任务）的布尔值。目标是在图上为机器人规划一条路径，使预期成本最小化，直到成功。在本文中，我们的目标是对这个问题有一个基本的理解。我们首先展示了如何将这个问题最优地解决，将其制定为无限时域马尔可夫决策过程，但具有指数空间复杂度。然后，我们正式证明其NP-硬度。为了解决空间复杂度，我们提出了一个路径规划，使用博弈论的框架，渐近任意接近最优解。此外，我们还提出了两个快速和非近视路径规划。为了展示我们的框架的性能，我们对两种场景进行了广泛的模拟：火星上的漫游者正在寻找一个用于科学研究的物体，以及一个机器人正在寻找一个连接到远程站的点（来自旧金山市中心的真实数据）。我们的数值结果表明，现有的国家的最先进的方法有相当大的性能改善。
2018-08-20 cs.RO
Hardware-accelerated Mars Sample Localization via deep transfer learning from photorealistic simulations
Universidad de Málaga（马拉加大学）；Andalucía Tech（安达卢西亚理工大学）；European Space Agency（欧洲空间局）
火星样品返回活动的目标是从火星表面收集土壤样品，并将其送回地球进行进一步研究。这些样本将由毅力号探测器采集并储存在金属管中，然后存放在火星表面。作为这项活动的一部分，预计采样漫游车将负责定位和收集多达35个样品管超过150火星溶胶。自主能力对于整个活动的成功至关重要，特别是对于采样漫游车。本文提出了一种新的采样管自主检测和姿态估计的系统架构。对于检测阶段，提出了深度神经网络和来自合成数据集的迁移学习。该数据集是从火星场景的逼真3D模拟创建的。另外，使用计算机视觉技术（诸如轮廓检测和检测区域上的线拟合）来估计样本管姿态。最后，使用ExoMars测试漫游车在类似火星的试验台上进行样品定位程序的实验室测试。这些测试在不同的硬件架构中验证了所提出的方法，提供了与样本检测和姿态估计相关的有希望的结果。
2022-11-04 cs.AI cs.CV cs.LG
Learning to Drive on Mars: Visual Multimodal Traversability Estimation for Off-World Navigation
University of Southern California（南加州大学）；Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）；Washington State University（华盛顿州立大学）
本文提出基于火星2020毅力号数据集的不确定性感知多模态可穿越性估计框架，在AUROC和F1上超越现有方法，并集成到路径规划器中。
2026-09-22 cs.RO
Heterogeneous Verification of an Autonomous Curiosity Rover
University of Liverpool（利物浦大学）
Currency漫游者是迄今为止在行星探索任务中成功部署的最复杂的系统之一。它是由美国宇航局发射的，目的是探索火星表面，并确定潜在的生命迹象。尽管它在机上的自主权有限，但它的大部分决定都是由地面控制团队做出的。由于地球和火星之间的通信延迟，这阻碍了水星对其环境的反应速度。根据两颗行星的轨道位置，地球和火星之间的信息传输可能需要4- 24分钟。如果Curtain是自主控制的，它将能够更快更灵活地执行其活动。然而，在这种情况下增加使用自主性的主要障碍之一是缺乏自主行为将按预期工作的保证。在本文中，我们使用一个机器人操作系统（ROS）模型的Currency是在Gazebo模拟，并添加一个自主智能体，负责高层决策。然后，我们使用正式和非正式技术的混合来验证不同的系统组件（ROS节点）。这种异构验证技术的使用是必不可少的，以提供不同抽象级别的节点的保证，并允许我们将相关的验证证据，以提供整体保证。
2020-07-20 cs.RO cs.SE
Improved Planetary Rover Inertial Navigation and Wheel Odometry Performance through Periodic Use of Zero-Type Constraints
West Virginia University（西弗吉尼亚大学）
我们提出了一种方法，以提高轮式行星探测车航位推算定位性能，利用零型约束方程的导航滤波器。在没有外部辅助的情况下，惯性导航解决方案固有地表现出立方误差增长。此外，对于正在穿越各种类型的地形的行星漫游车，由于车轮打滑，车轮里程计在定位中的使用通常是不可靠的。对于当前的火星漫游者，每当存在定位误差的高可能性时，通常使用基于计算机视觉的方法;然而，这些策略需要额外的计算能力、能量资源，并且显著减慢漫游者的移动速度。为此，我们提出了一种导航方法，该方法通过提供可靠的导航解决方案来补偿里程计误差的高可能性，该解决方案利用非完整车辆约束以及状态感知伪测量（例如，零速度和零角速率）在周期性停止期间更新。通过使用这一点，可以不经常执行计算上昂贵的基于视觉的校正。与基于GPS的定位的实验测试，比较被用来证明所提出的方法的准确性。与论文相关的源代码、后处理脚本和示例数据集发布在公共存储库中。
2019-09-23 cs.RO
Advancing Resource Extraction Systems in Martian Volcanic Terrain: Rover Design, Power Consumption and Hazard Analysis
Welham Boys’ School, Dehradun（德里达伦中学）；Prayoga Institute of Education Research, Bengaluru（布加勒斯教育研究学院）
本研究提出火星火山地形原位资源利用计划，设计约2.1吨六轮摇臂-转向架漫游车，结合边坡稳定、太阳能与核能供电，实现自主采矿，强调机械韧性、环境适应与操作自主性。
2025-09-07 astro-ph.EP astro-ph.IM cs.RO
HALO: Hazard-Aware Landing Optimization for Autonomous Systems
University of Washington（华盛顿大学）
本文提出耦合感知-规划方案HALO，结合HALSS算法识别安全着陆区与Adaptive-DDTO算法自适应重规划轨迹，在模拟火星环境中实现更高着陆成功率与更低燃料消耗。
2023-04-04 cs.CV cs.RO cs.SY
Human-Computer Interaction Glow Up: Examining Operational Trust and Intention Towards Mars Autonomous Systems
Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）
需要数百名来自不同学科和背景的操作员在地球上进行巧妙的协调，以确保火星漫游者在忍受这颗红色星球的恶劣环境的同时，有很高的可能性实现他们的科学目标。运营团队包括许多个人，每个人都有独立和重叠的目标，致力于决定在下一个计划期间在火星表面执行什么。团队必须在固定的时间段内一起工作，以了解彼此的目标和限制，这通常需要经常修改。这项研究探讨了火星表面操作过程中面临的挑战，从高层次的科学目标到制定有效，安全和最佳的活动计划，准备辐射到漫游者。通过这项研究，我们的目标是阐明如何规划意图可以制定和有效地传达到未来的航天器，将变得越来越自主。我们的研究结果揭示了人与人之间互动的复杂本质，这需要大量的软技能和核心能力，以便在计划制定过程中与科学和工程团队同时进行沟通。此外，我们的研究结果暴露了在引发运营商的规划意图方面的重大挑战，这将在未来加剧，因为地面运营商异步地与车载自主车合作。建造一个奇妙的机器人并将其降落到火星表面是一项了不起的壮举-然而，确保科学家能够从任务中获得最佳效果是一项持续的挑战，并且随着自主性的增加，这将不会成为一项艰巨的任务。
2021-10-28 cs.HC cs.RO
Qualitative Relational Mapping and Navigation for Planetary Rovers
Cornell University（康奈尔大学）；Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）
本文提出了一种大规模空间定性映射的新方法。建议的框架利用图形表示的世界，以建立一个地图，包括定性的限制地标三胞胎之间的几何关系。本文提出了一种基于摄像机图像的测量方法，扩展了定性空间推理领域的研究成果。使用确定性的迭代图形更新将测量融合到地图中。一个分支定界的方法来解决一组非凸可行性问题所需的在线测量和离线运营商查找表。一种用于在遥远的地标之间旅行的导航方法被开发，使用从定性地图中提取的相对邻域图的估计，以便基于接近度生成一系列地标目标。平均和渐近性能的映射算法进行评估，随机生成的地图上使用Monte Carlo测试，数据驱动的仿真结果的机器人穿越喷气推进实验室火星场，同时建立一个关系图。仿真结果表明，最初的快速收敛的定性状态估计可见的地标，然后缓慢的锥形剩余的模糊状态从地图中删除。
2014-01-31 cs.RO
Attitude Control of an Inflatable Sailplane for Mars Exploration
Univ. of Arizona（亚利桑那大学）
利用一系列着陆器、漫游者和轨道飞行器，对火星的探索已经成为可能。火星勘测轨道飞行器（MRO）上的HiRise相机拍摄了覆盖火星表面大片区域的高分辨率图像。然而，轨道图像缺乏从现场勘探中获得的深度和丰富的细节。火星科学实验室和即将到来的火星2020等漫游者携带最先进的科学实验室进行原位探索和分析。然而，它们只能在整个任务过程中覆盖火星的一小部分区域。我们在成像、提供服务和探索未来人类任务所需的火星表面大片区域的能力方面存在着关键的能力差距。一个很有希望的解决方案是开发一种侦察滑翔机，每小时飞行数十至数百公里。该飞机将配备成像仪，提供现场景深，覆盖范围与MRO等轨道资产相当。一个主要的挑战是，火星的二氧化碳大气层很薄，海平面的压力只有地球的1%。为了补偿，飞机需要高速飞行，并有足够大的机翼面积来产生所需的升力。充气机翼是一个很好的选择，因为它们具有最低的质量，并可用于改变形状（变形）取决于空气动力学或控制要求。在本文中，我们提出了我们的设计，能够部署从12 U立方体卫星平台的充气帆飞机。气动展开机构确保高度紧凑的装载体积，并最大限度地减少复杂性。
2019-02-15 astro-ph.EP astro-ph.IM cs.RO
Mars Terrain Segmentation with Less Labels
Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院）；Mississippi State University（密西西比州立大学）
行星漫游车系统需要执行地形分割，以识别可行驶区域，并识别用于样本收集的特定类型的土壤。最新的火星地形分割方法依赖于监督学习，这是非常数据饥饿和难以训练，只有少量的标记样本可用。此外，对于不同的应用（例如，漫游器遍历与地质学），并且因此每次都必须从头开始训练网络，这是对资源的低效使用。本研究提出了一种用于火星地形分割的半监督学习框架，其中在未标记图像上以无监督方式训练的深度分割网络被转移到在少数标记图像上训练的地形分割任务。该网络包括一个骨干模块，它是使用对比损失函数和输出atrous卷积模块，它是使用逐像素交叉熵损失函数训练训练。以分割精度为指标的评价结果表明，采用对比预训练的方法比普通监督学习方法的分割精度提高了2%-10%.此外，该模型能够实现91.1%的分割准确率，仅使用161个训练图像（原始数据集的1%），而普通监督学习的分割准确率为81.9%。
2022-02-01 cs.CV cs.LG cs.RO
SPASS: Scientific Prominence Active Search System with Deep Image Captioning Network
Carnegie Mellon University（卡内基梅隆大学）
火星漫游者的行星探测任务是复杂的，通常需要人类专家进行详细的任务规划，从要采取的路径到要捕获的图像。NASA已经使用这个过程从火星上获取了超过2200万张图像。为了提高自动化程度，从而在这个过程中的效率，我们提出了一个系统的行星漫游车，积极寻找突出的预先指定的科学功能在捕获的图像。科学家可以用自然语言预先指定这些搜索任务，并将其上传到漫游者上，在漫游者上，部署的系统不断地用深度图像描述网络为捕获的图像添加字幕，并通过某些指标将自动生成的字幕与预先指定的搜索任务进行比较，以便优先考虑这些图像进行传输。作为一个有益的副作用，所提出的系统也可以部署到地面行星数据系统作为基于内容的搜索引擎。
2018-09-10 cs.CV cs.IR cs.LG
Time-Efficient Mars Exploration of Simultaneous Coverage and Charging with Multiple Drones
National University of Defense Technology（中国人民解放军国防科技大学）
本文提出了一种多无人机和一台火星车协同进行火星探测的省时方案。为了最大限度地实现火星表面的长期有效覆盖，我们开发了一个综合框架，该框架综合考虑了有限的能量，传感器模型，通信范围和安全半径，我们称之为TIME-SC2（同时覆盖和充电的时间效率火星探测）。首先，我们提出了一个多无人机覆盖控制算法，利用新兴的深度强化学习和设计一个新的信息地图来表示动态系统状态。其次，我们提出了一个接近最优的充电调度算法，将每个无人机导航到一个单独的充电槽，我们已经证明了总是存在可行的解决方案。该框架的吸引力不仅在于其能够最大限度地提高探索效率，而且还在于其高度的自治性，大大减少了非探索时间。大量的模拟已经进行了展示TIME-SC2在时间效率，自适应性和灵活性方面的显着性能。
2020-11-16 cs.AI cs.RO
Flying, Hopping Pit-Bots for Cave and Lava Tube Exploration on the Moon and Mars
Arizona State University（亚利桑那州立大学）
轮式地面机器人在探索洞穴、熔岩管和天窗等极端环境时受到限制。小型机器人通过跳跃、飞行和滚动来利用非传统的机动性，可以克服许多粗糙度的限制，从而扩大月球和火星上感兴趣的探测地点。在本文中，我们介绍了一个网络的3公斤，0.30米直径的球机器人（坑机器人），可以飞，跳和滚动使用机载微型推进系统。这些坑机器人可以从着陆器或大型漫游者部署。每个机器人都配备了智能手机大小的计算机，立体相机和激光测距仪，以执行导航和地图绘制。球形机器人可以携带1公斤的有效载荷或执行样品返回。我们的研究表明，月球上的飞行距离为5公里，飞行时间为0.7小时。
2017-01-26 astro-ph.IM cs.RO
UWB Anchor Based Localization of a Planetary Rover
Julius Maximilian University Würzburg（维尔zburg尤利乌斯-马克西米利安大学）；ETH Zürich（苏黎世联邦理工学院）；Technical University of Applied Sciences Würzburg-Schweinfurt（维尔茨堡-施韦因富特应用技术大学）；Austrian Space Forum（奥地利空间论坛）
针对行星探索中缺乏全局参考导致的定位难题，提出利用火箭发射UWB锚节点建立自身坐标系，并结合SLAM实现机器人定位，系统已应用于ESA-ESRIC 2021挑战赛和AMADEE-24模拟火星任务。
2025-04-10 cs.RO cs.SY eess.SY
M3Depth: Wavelet-Enhanced Depth Estimation on Mars via Mutual Boosting of Dual-Modal Data
IEEE Publication Technology Department（IEEE出版技术部门）
针对火星非结构化地形纹理稀疏、几何约束不足导致深度估计性能下降的问题，提出M3Depth模型，通过小波卷积核、深度与法向一致性损失及互增强细化模块提升精度，在合成火星数据集上较SOTA方法提升16%，适用于真实火星场景。
2025-06-14 cs.CV cs.RO
Using physics-based simulation towards eliminating empiricism in extraterrestrial terramechanics applications
School of Naval Architecture, Ocean and Civil Engineering, Shanghai Jiao Tong University（上海交通大学船舶海洋与建筑工程学院）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Ames Research Center, NASA（美国国家航空航天局艾姆斯研究中心）；NASA, Glenn Research Center（美国国家航空航天局格伦研究中心）；ProtoInnovations, LLC（ProtoInnovations有限责任公司）；Massachusetts Institute of Technology（麻省理工学院）
针对外星探测任务地面地形力学测试因重力偏移产生误判的问题，本文开发了低重力地形力学物理仿真器，验证了其与实验的相关性并开源，可支持探测设备设计及原位资源利用研究。
2024-05-17 astro-ph.EP astro-ph.IM cs.RO
Autonomous Control of a Novel Closed Chain Five Bar Active Suspension via Deep Reinforcement Learning
Manipal Institute of Technology（马尼帕尔理工学院）
本文提出一种结合SAC深度强化学习与PID控制的新型闭链五杆主动悬架方法，利用障碍物距离、高度和底盘姿态实现底盘稳定与低速越障，并通过Gazebo仿真验证其有效性。
2024-07-04 cs.AI cs.RO
Automated Multidisciplinary Design and Control of Hopping Robots for Exploration of Extreme Environments on the Moon and Mars
University of Arizona（亚利桑那大学）
太阳系探索的下一个前沿将是针对极端和崎岖环境的任务，如月球、火星和冰冷卫星的洞穴、峡谷、悬崖和陨石坑边缘。这些环境是太阳系早期形成的时间胶囊，并将为我们早期的太阳系如何让位于现在的行星和卫星提供重要线索。这些地点还将为这些环境过去和现在的可居住性提供重要线索。目前的着陆器和漫游车无法进入这些高度关注的领域，因为精确着陆技术有限，需要大型和复杂的科学仪器，以及不惜一切代价将风险降到最低的任务保证和操作文化。我们过去的工作已经显示了使用多个球形跳跃机器人（称为SphereX）探索这些极端环境的优势。我们之前的工作是基于对SphereX机器人的人类设计基线设计进行探索。然而，SphereX的设计是一项复杂的任务，涉及大量的设计变量和多个工程学科。在这项工作中，我们建议使用自动化多学科设计和控制优化（AMDCO）技术，以找到接近最佳的设计解决方案，在质量，体积，功率和控制的SphereX不同的任务场景。
2019-10-09 astro-ph.IM cs.AI cs.RO
Telerobotic Mars Mission for Lava Tube Exploration and Examination of Life
TUDSaT；ESA（欧洲空间局）；DLR（德国航空航天中心）
这一拟议任务的总体概况和总体目标是为未来人类火星殖民开拓潜在的高度有益（甚至至关重要）和成本效益高的技术。采用全新的和颠覆性的解决方案，在火星环境中未经测试，我们的方法是高风险和高回报之一。这种解决方案失败的真实可能性促使我们将我们的任务架构建立在一个携带6个不同实验有效载荷的漫游车上，每个有效载荷都能够独立于其他有效载荷运行，从而大大增加了任务产生一些有价值发现的机会。与此同时，我们试图通过组装有效载荷的组合来利用现有的协同效应，这些有效载荷将共同形成一个连贯的实验生态系统，每个有效载荷都为其他有效载荷提供潜在的价值。除了为评估新技术解决方案提供这样一个试验平台外，我们拟议任务的另一个目标是帮助产生科学知识，增进我们对红色星球的了解。为此，我们的任务瞄准了Nili-Fossae地区，该地区拥有丰富的自然资源（特别是碳酸盐），过去的水资源库和火山活动的迹象。利用我们提出的实验有效载荷，我们打算探索现有的熔岩管，寻找过去生命的迹象，并评估它们对未来基地建设具有潜在价值的地质特征。我们将评估植物和真菌形式的生物物质分别作为可能的食物和基础建筑材料。最后，我们寻求探索各种新颖的发电技术，利用火星大气和重力。正如本章其余部分所详述的那样，这些实验有效载荷的组合构成了我们提出的火星遥控机器人任务的支柱。
2023-01-31 cs.HC cs.RO
Stereovision Image Processing for Planetary Navigation Maps with Semi-Global Matching and Superpixel Segmentation
Cranfield University（克兰菲尔德大学）；University of Oxford（牛津大学）
本文提出结合半全局匹配与超像素细化的立体视觉方法，生成更精确一致的火星地形导航地图，减少块效应和空洞，提升自主导航安全性。
2025-09-06 astro-ph.EP astro-ph.IM cs.CV
Olympus: A Jumping Quadruped for Planetary Exploration Utilizing Reinforcement Learning for In-Flight Attitude Control
NTNU（挪威科技大学）；Autonomous Robots Lab（自主机器人实验室）
本文介绍了专为火星重力设计的跳跃腿式机器人Olympus，通过仿真优化其设计以实现高效跳跃，并利用强化学习策略实现飞行中姿态控制，成功跨越仿真到现实鸿沟完成实验验证。
2025-03-05 cs.LG cs.RO
Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions
German Aerospace Center (DLR)（德国航空航天中心（DLR））；Technical University of Munich（慕尼黑工业大学）；ETH Zurich（苏黎世联邦理工学院）
在未来，地外探险不仅将由漫游者进行，而且还将由飞行机器人进行。刚刚降落在火星上的技术演示无人机“无畏号”将标志着一个不受地形可穿越性阻碍的探索新时代的开始。强大的自我定位是至关重要的。轻便、廉价、信息丰富的传感器摄像头已经被用于估计车辆的自我运动。然而，在人造环境中被证明有效的方法不能简单地部署在其他星球上。火星荒地中存在的高度重复的纹理对基于描述符匹配的方法构成了巨大的挑战。在本文中，我们提出了一种先进的鲁棒单目测距算法，使用有效的光流跟踪，以获得图像之间的特征对应关系和一个完善的关键帧选择标准。与大多数其他方法相比，我们的框架还可以处理仅旋转的运动，这对于单目测距系统来说特别具有挑战性。此外，我们提出了一种新的方法来估计当前的规模漂移的风险的基础上的相对翻译信息矩阵的主成分分析。这样我们就得到了一个隐含的不确定性度量。我们评估了我们的方法在火星环境中捕获的具有挑战性的真实世界数据集的所有序列上的有效性，并表明它优于最先进的方法。
2021-09-12 cs.CV cs.RO
