WMINet: A Wheel-Mounted Inertial Learning Approach For Mobile-Robot Positioning
The Hatter Department of Marine Technologies, Charney School of Marine Sciences, University of Haifa（哈伊夫大学海洋技术系、查内海洋科学学院）
WMINet通过结合轮式方法和周期性轨迹运动，利用深度学习减少惯性漂移，实现移动机器人仅依赖惯性传感器的高精度定位。
2025-03-17 cs.AI cs.LG cs.RO
Firefly: Supporting Drone Localization With Visible Light Communication
University of Twente（特文特大学）；TU Delft（代尔夫特理工大学）
无人机还没有完全被信任。他们对无线电和摄像头导航的依赖引起了安全和隐私方面的担忧。这些系统可能会出现故障，导致事故，或被滥用于未经授权的录音。考虑到最近的法规允许商用无人机仅在夜间运行，我们提出了一种全新的方法，无人机从人工照明中获取导航信息。在我们的系统中，标准灯泡调节其强度以发送信标，无人机用简单的光电二极管解码此信息。这种光学信息与无人机中的惯性和高度传感器相结合，在不需要无线电、GPS或摄像头的情况下提供定位。我们的框架是第一个提供3D无人机光定位的框架，我们使用由四个光信标和一个迷你无人机组成的测试平台对其进行评估。我们表明，我们的方法可以将无人机定位在实际位置的几分米范围内，与最先进的定位方法相比，定位误差降低了42%。
2021-12-13 cs.RO
Autonomous Drone Landing: Marked Landing Pads and Solidified Lava Flows
Reykjavik University（雷克雅未克大学）
着陆是多旋翼无人机飞行中最具挑战性和风险的方面，对于自主无人机来说，只有简单的着陆方法。我们探讨了两种情况下自主无人机着陆的方法。在第一种情况下，我们研究的方法着陆在已知的着陆垫使用基准标记和万向架安装的单目相机。这种方法在无人机应用中具有潜力，其中无人机必须比GPS可以提供的更准确地着陆（例如，城市峡谷中的包裹递送）。我们扩大了以前的方法，通过驱动无人机的摄像头跟踪标记随着时间的推移，我们解决的复杂性所造成的基准标记方向模糊的姿态估计。在第二种情况下，我们与RAVEN项目合作，探索在冰岛凝固的熔岩流上着陆的方法，冰岛作为火星的模拟环境，并提供了对无人机漫游者探索团队有效性的见解。我们的无人机使用深度摄像头来可视化地形，我们正在开发方法来分析地形数据，以实时的可行着陆点，最大限度地减少传感器和外部基础设施的需求，因此该解决方案不会严重影响无人机的行为，任务结构或操作环境。
2023-02-01 cs.RO
Reconfigurable Drone System for Transportation of Parcels With Variable Mass and Size
Leonardo S.p.A.（莱昂纳多股份公司）
货运无人机被设计为携带具有预定义形状、大小和/或质量的有效载荷。这种灵活性的缺乏需要一个针对特定货物尺寸的多样化无人机机队。在这里，我们提出了一种新的可重构无人机的基础上，模块化设计，适应不同的货物形状，尺寸和质量。我们还提出了一种自动生成无人机配置和合适的参数的飞行控制器的方法。包裹成为无人机的主体，几个单独的推进模块连接到该主体。我们展示了可重构硬件和配套软件的使用，通过运输不同质量和大小的包裹，需要各种数量和推进模块的定位。实验在室内（使用运动捕捉系统）和室外（使用RTK-GNSS传感器）进行。拟议的设计代表了一种更便宜，更通用的替代方案，涉及几个无人机用于包裹运输的解决方案。
2022-11-16 cs.RO
A simple vision-based navigation and control strategy for autonomous drone racing
AGH University of Science and Technology（AGH科技大学）
在本文中，我们提出了一个控制系统，允许无人机自主飞行通过一系列标有ArUco标签的门。使用了简单且低成本的DJI Tello EDU四旋翼平台。基于制造商提供的API，我们创建了一个Python应用程序，可以通过WiFi与无人机进行通信，根据视觉反馈实现无人机定位，并生成控制。提出了两种控制策略，比较和批判性分析。此外，还测量了所用定位方法的准确性。在膝上计算机（约40 fps）和Nvidia Jetson TX2嵌入式GPU平台（约25 fps）上评估应用。我们在GitHub上提供开发的代码。
2021-04-20 cs.CV cs.RO cs.SY
DroNeRF: Real-time Multi-agent Drone Pose Optimization for Computing Neural Radiance Fields
Purdue University（普渡大学）
DroNeRF提出一种仅依赖物体几何、无需外部定位的多无人机位姿优化算法，通过优化单目相机无人机围绕物体的布置，以少量图像实现实时NeRF三维重建，并验证其在PSNR和SSIM上取得更优的感知质量。
2023-08-06 cs.AI cs.MA cs.RO
Towards Drone-based Mapping of Volcanic Gases using Gas Tomography
German Research Foundation (DFG)（德国研究基金会）；Istituto Nazionale di Geofisica e Vulcanologia (INGV)（意大利国家地震与火山观测研究所）
针对无人机旋翼下洗流干扰问题，提出基于拉格朗日模型的模型驱动气体断层成像方法，实现火山气体排放的准确测绘。
2026-06-01 cs.RO
Intuitive Human-Drone Collaborative Navigation in Unknown Environments through Mixed Reality
New York University（纽约大学）；Tandon School of Engineering（坦登工程学院）；Worcester Polytechnic Institute（伍斯特理工学院）
本文提出一种基于混合现实的人机接口，通过HMD共享空间信息，在未知环境中实现超越传统遥控的直观安全协同导航，并在模拟灾后场景中验证其优于FPV控制。
2025-04-08 cs.RO
AirSwarm: Enabling Cost-Effective Multi-UAV Research with COTS drones
Centre for Advanced Robotics Technology Innovation (CARTIN)（高级机器人技术创新中心（CARTIN））；School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院）
AirSwarm利用低成本商用无人机、分层控制架构、无基础设施视觉SLAM和ROS框架，降低多无人机集群研究的技术与资金门槛，实现厘米级定位与可靠协调。
2025-03-10 cs.RO
Dynamic Grasping with a "Soft" Drone: From Theory to Practice
Massachusetts Institute of Technology（麻省理工学院）
在现有的空中机械手中使用的刚性夹具需要精确定位以实现成功的抓取并传递可能使无人机不稳定的大接触力。这限制了抓取过程中的速度，并防止了“动态抓取”，即无人机在移动时试图抓取物体。另一方面，生物系统（例如，鸟类）依靠柔顺和柔软的部件来抑制接触力并补偿抓持不准确性，从而实现令人印象深刻的壮举。本文介绍了软无人机的第一个原型-一个四旋翼，传统的（即，刚性）起落架被软腱致动的夹持器取代，以实现积极的抓持。我们提供三个关键贡献。首先，我们描述了我们的软无人机原型，包括机电设计，软件基础设施和制造。其次，我们回顾了我们用于无人机和软夹持器的轨迹优化和控制的一组算法;这些算法结合了最先进的四旋翼控制技术（即，自适应几何控制器）与高级软机器人模型（即，准静态有限元模型）。最后，我们在物理模拟（使用SOFA和Unity）和运动捕捉室中的真实测试中评估我们的软无人机。我们的无人机能够在基线方法失败的情况下动态地抓住未知形状的物体。我们的物理原型确保了一致的性能，在23次试验中实现了91.7%的成功抓握。我们在视频附件中展示了动态抓取结果。视频附件：https://youtu.be/mqbj8mEyCdk
2021-10-01 cs.RO
Deep Learning for Inertial Positioning: A Survey
College of Intelligence Science and Technology, National University of Defense Technology（国防科技大学智能科学学院）
本文综述了深度学习在惯性定位中的应用，探讨其如何解决传感器校准、误差漂移和多传感器融合等问题，为行人、无人机、车辆和机器人等定位任务提供了未来研究路线图。
2024-03-21 cs.CV cs.RO
Real-Time Sense and Detect of Drones Using Deep Learning and Airborne LiDAR
Drone Systems Lab, School of Computing, Engineering, and Physical Sciences, University of the West of Scotland（无人机系统实验室，计算、工程与物理科学学院，西方苏格兰大学）；Centre for Robotics & Intelligent Systems, Department of Electronic & Computer Engineering, University of Limerick（机器人与智能系统中心，电子与计算机工程系，利默里克大学）；Hamburg Port Authority（汉堡港口管理局）
本文提出首个基于机载LiDAR和3D深度学习的无人机集群实时感知与探测方案，通过垂直扩展扫描空间、加速稀疏卷积，并利用数字孪生增强数据，实现了高精度检测与间隔监控。
2025-08-05 cs.RO
Relative Drone-Ground Vehicle Localization using LiDAR and Fisheye Cameras through Direct and Indirect Observations
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；The University of Tokyo（东京大学）；Line Corporation（Line公司）
估计无人飞行器（UAV）或无人机的姿态是一项具有挑战性的任务。它适用于许多应用，如导航，监视，跟踪地面上的物体和3D重建。在这项工作中，我们提出了一种基于激光雷达相机的无人机和地面车辆之间的相对姿态估计方法，使用激光雷达传感器和鱼眼相机在车辆的屋顶和另一个鱼眼相机安装在无人机下。LiDAR传感器直接观察无人机并测量其位置，两个摄像头通过间接观察周围物体来估计相对方位。我们提出了一种基于动态自适应核的无人机检测和跟踪方法，使用激光雷达。我们检测消失点在两个相机，并找到它们的对应关系，以估计相对取向。此外，我们提出了一种旋转校正技术，依靠通过激光雷达观察到的无人机的运动。在我们的实验中，我们能够实现对无人机的快速初始检测和实时跟踪。我们的方法是全自动的。
2020-11-17 cs.CV cs.RO
SwarMan: Anthropomorphic Swarm of Drones Avatar with Body Tracking and Deep Learning-Based Gesture Recognition
Skoltech（斯科尔科沃科学技术学院）
拟人机器人化身为远程情感交流提供了一种概念上的新方法，使世界各地的人们能够在传统的2D和3D图像数据上进行更广泛的情感和社会交流。然而，目前的远程呈现机器人有几个限制，如高重量，系统的复杂性，防止其快速部署，以及有限的工作空间的化身安装在静态或轮式移动平台。在本文中，我们提出了一个新的概念，通过一个机器人化身的基础上拟人化的无人机群电信; SwarMan。开发的系统由九个纳米飞行器组成，由操作员通过手势识别界面远程控制。SwarMan允许操作员通过直接跟随他们的动作和识别预先记录的情绪模式之一来进行交流，从而将捕捉到的情绪作为无人机上的照明。LSTM MediaPipe网络在收集的600个短视频的数据集上进行了训练，其中包含五种情绪手势。在测试数据集上，情感识别的准确率为97%。由于通过群体化身的通信显着改变了操作员的视觉外观，我们研究了用户识别和响应由无人机群执行的情绪的能力。实验结果表明，用户之间的情绪评级的高度一致性。此外，当通过SwarMan界面进行沟通时，用户表示身体需求较低（Likert量表为2.25），并对其表现感到满意（Likert量表为1.38）。
2022-10-04 cs.RO
Cooperative Perception: A Resource-Efficient Framework for Multi-Drone 3D Scene Reconstruction Using Federated Diffusion and NeRF
提出一种基于联邦扩散模型与NeRF的无人机群协同感知框架，解决计算与带宽限制下的实时3D场景重建，兼顾隐私与可扩展性。
2025-08-01 cs.AI cs.RO
Flying in air ducts
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）；Université de Lorraine（洛林大学）；Aix Marseille Univ（艾克斯-马赛大学）；ISM（运动科学研究所）
本文研究小型四旋翼无人机在通风管道内悬停的气动稳定性问题，通过实验测绘气动力确定最佳悬停位置，并开发基于神经网络的定位系统，实现无人机在直径350mm管道内的稳定悬停与飞行。
2024-10-10 cs.NE cs.RO
LVCP: LiDAR-Vision Tightly Coupled Collaborative Real-time Relative Positioning
Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
针对无GPS和先验地图的空地协同场景，提出LVCP方法，利用激光雷达点云校正VIO漂移，通过点辅助BA和PSO采样实现鲁棒实时的无人机与UGV相对定位。
2024-07-15 cs.RO
Observability-Aware Control for Quadrotor Formation Flight with Range-only Measurement
Institute for Aerospace Studies, University of Toronto（多伦多大学航空航天研究 institute）
本文提出一种基于STLOG的OPC控制器，用于提升四旋翼编队飞行在仅距离测量下的可观测性与定位鲁棒性。
2026-07-17 cs.RO
AeroVR: Virtual Reality-based Teleoperation with Tactile Feedback for Aerial Manipulation
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究所）
无人机在工业维护、紧急救援和电子商务等领域的应用进行了测试。大多数这样的应用需要远程操作。操作员从安装在机器人手臂或无人机上的摄像头接收视觉反馈。由于空中操纵需要机械臂的精细和精确运动，无人机动力学引起的相机数据延迟、狭窄的视场和模糊的图像可能导致无人机坠毁。研究了一种基于虚拟现实（VR）的新型空中遥操作系统。控制系统由具有4自由度机械臂和嵌入式传感器的无人机组成。VR应用通过盔装显示器（HMD）向用户呈现无人机和远程环境的数字孪生。操作员通过佩戴在手臂上的VR跟踪器和带有振动触觉反馈的跟踪手套控制机器人手臂和夹具的位置。控制数据直接从VR实时转换到真实机器人。实验结果表明，一个稳定和强大的遥操作介导的VR场景。该系统可以大大提高空中操作的质量。
2019-10-25 cs.RO
Multimodal Sensor-Gated Mid-Air Launch and Vision-Based Recovery of a Child UAV on a Hovering Mothership Drone
Indian Institute of Technology Hyderabad（印度理工学院海得拉巴分校）
该研究提出母-子四旋翼无人机系统，采用多模态传感器门控实现子无人机从悬停母机的空中发射与回收，室外十次任务九次成功，仿真验证了传感架构的有效性。
2026-10-14 cs.RO
Preserving Relative Localization of FoV-Limited Drone Swarm via Active Mutual Observation
Huzhou Institute, Zhejiang University（浙江大学湖州研究院）；Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院 cyber系统与控制研究所）；The Hong Kong University of Science and Technology (GZ)（香港科技大学（广州））
针对视场受限无人机集群中相互观测与环境观测的矛盾，本文提出基于卡尔曼滤波不确定性评估的主动偏航规划定位校正系统，将定位漂移降低最多65%并成功维持编队。
2024-07-01 cs.RO
SharpSLAM: 3D Object-Oriented Visual SLAM with Deblurring for Agile Drones
Skolkovo Institute of Science and Technology (Skoltech)（斯科尔科沃科学技术研究所（斯科尔泰克））
针对敏捷无人机高动态运动导致面向对象视觉SLAM性能下降的问题，提出SharpSLAM算法，通过图像去模糊提升DSP-SLAM的三维重建与分割质量，在检测精度、距离误差及定位交并比上均有提升，可应用于多领域。
2024-10-07 cs.RO
FMCW Radar Sensing for Indoor Drones Using Learned Representations
KU Leuven（鲁汶大学）；Ghent University（根特大学）；imec（比利时微电子研究中心）
调频连续波（FMCW）雷达是室内无人机的一种有前途的传感器技术，因为它提供有关环境中障碍物的距离，角度和多普勒速度信息。最近，已经提出了深度学习方法来处理FMCW数据，在距离-多普勒或距离-方位图上优于传统检测技术。然而，这些技术是有代价的;对于每个新任务，必须在高维输入数据上训练深度神经网络架构，从而强调数据带宽和处理预算。在本文中，我们研究了无监督学习技术，从FMCW雷达数据生成低维表示，并评估这些表示在多大程度上可以重用于多个下游任务。为此，我们引入了一个新的数据集的原始雷达ADC数据记录从雷达安装在一个飞行的无人机平台在室内环境中，连同地面真理检测目标。我们用真实的雷达数据表明，利用我们学到的表示，我们匹配传统雷达处理技术的性能，并且我们的模型可以在不同的输入模式上进行训练，例如只有两个连续传输的啁啾的原始ADC样本。
2023-01-06 cs.RO eess.SP
Wall Detection Via IMU Data Classification In Autonomous Quadcopters
Fordham University（福特汉姆大学）
在障碍物附近飞行的自动无人机需要能够检测和避开障碍物，否则会与它们相撞。在之前的工作中，无人机可以使用安装在无人机上或环境中的摄像头、超声波或激光传感器的数据来检测和避开墙壁。并不总是能够对环境进行测量，并且添加到无人机上的传感器会消耗有效载荷和功率-这两者对于无人机来说都是有限的。本文研究了如何数据采掘分类技术可以用来预测一个障碍物是在与无人机的基础上只监测空气干扰。我们对转子的气流进行了物理建模，以推导出更高级别的分类特征。数据是从无人机的IMU收集的，而它是在左、前、右都有墙的情况下飞行的，也有没有墙的情况下。从原始数据中总共产生了18个更高级别的特征。我们使用了80%，20%的训练测试方案，包括RandomForest（RF），K-Nearest Neighbor（KNN）和ConcententBoosting（GB）分类器。我们的研究结果表明，使用RF分类器，它可以以90%的准确率预测墙壁相对于无人机的方向。
2021-03-29 cs.RO cs.SY eess.SY
Resilient Terrain Navigation with a 5 DOF Metal Detector Drone
ETH Zurich（苏黎世联邦理工学院）
针对微型飞行器搭载金属探测器开展地雷勘测需先进飞行能力的问题，提出搭载5自由度金属探测器的自主无人机系统，结合滚动时域规划与多传感器融合定位，在复杂地形实现高效精准的埋藏金属物自主测绘。
2023-03-03 cs.RO
OPTILOD: Optimal Beacon Placement for High-Accuracy Indoor Localization of Drones
Virginia Tech（弗吉尼亚理工学院暨州立大学）
对于许多应用，无人机需要完全或部分自主操作。为了完全或部分自主飞行，无人机需要访问位置服务以获取导航命令。虽然使用全球定位系统（GPS）是一个显而易见的选择，但GPS并不总是可用的，可能被欺骗或干扰，并且在室内和地下环境中非常容易出错。利用信标的测距方法是目前常用的定位方法之一，特别适用于室内环境。一般来说，这类定位误差是由于两个因素造成的：测距误差和信标与待定位目标之间的相对几何形状引起的误差。本文提出了OPTILOD（Optimal Beacon Placement for High-Accuracy Indoor Localization of Drones），这是一种用于三维室内环境中信标最优放置的优化算法。OPTILOD利用进化算法的进步来计算信标的最小数量及其最佳位置，以最大限度地减少定位误差。这些问题属于混合整数规划（MIP）类，并且都被认为是NP困难的。尽管如此，OPTILOD可以提供多个最佳的信标配置，最大限度地减少定位误差和部署的信标的数量，同时和时间效率。
2022-01-26 cs.RO eess.SP
Aerodynamics and Sensing Analysis for Efficient Drone-Based Parcel Delivery
Macquarie University（麦考瑞大学）；School of Engineering（工程学院）；School of Computing（计算机学院）
本文结合CFD气流仿真与多学科设计、控制及传感方法，实验分析有效载荷尺寸和位置对最大推力2000 gf无人机稳定性的影响，证明其可平稳提起覆盖螺旋桨达50%的载荷。
2024-10-27 cs.RO cs.SY eess.SY
A Low-Complexity Radar Detector Outperforming OS-CFAR for Indoor Drone Obstacle Avoidance
imec（比利时微电子研究中心）；KU Leuven（荷语鲁汶大学）；U Gent（根特大学）
随着雷达传感器的小型化，人们越来越有兴趣将它们用于室内传感应用，如室内无人机避障。在这些新的场景中，雷达必须在具有大量相邻散射体的密集场景中表现良好。雷达性能的核心是用于将目标从背景噪声和杂波中分离出来的检测算法。传统上，大多数雷达系统使用传统的恒虚警检测器，但其性能下降，在室内场景与许多反射。受非线性目标检测进展的启发，我们提出了一种新的高性能，但复杂度低的目标检测器，我们通过实验验证了我们的算法在使用安装在无人机上的雷达获得的数据集。我们的实验表明，我们提出的算法大大优于OS-CFAR（用于汽车系统的标准检测器），对于我们的室内无人机导航的特定任务，对于给定的误报概率，检测概率高出19%以上。我们还基准我们提出的检测器对一些最近提出的多目标恒虚警检测器，并显示出16%的改善，检测概率相比，CHA-CFAR，甚至更大的改善相比，OR-恒虚警和TS-LNCFAR在我们特定的室内场景。据我们所知，这项工作提高了关键室内传感应用中高性能低复杂度雷达检测的最新水平。
2021-07-15 cs.RO eess.SP
FlightAR: AR Flight Assistance Interface with Multiple Video Streams and Object Detection Aimed at Immersive Drone Control
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
本文提出FlightAR界面，将无人机FPV与底部摄像头画面通过AR叠加到头戴显示器，提升飞行员态势感知，并通过NASA-TLX和UEQ评估验证其优于传统FPV护目镜的用户体验。
2024-10-22 cs.RO
Robust and Scalable Techniques for TWR and TDoA based localization using Ultra Wide Band Radios
Robert Bosch Center for Cyberphysical Systems, Indian Institute of Science（印度科学理工学院罗伯特·博世网络物理系统中心）；Indian Institute of Technology Bombay（印度理工学院孟买分校）；Indian Institute of Technology Madras（印度理工学院马德拉斯分校）
自动驾驶车辆及其应用的当前趋势表明，以低电池和计算成本进行定位的需求日益增加。激光雷达以高计算和功耗为代价提供精确的定位，这可能对无人机不利。对自主无人机的现代要求，如禁止起飞（NPNT）和将无人机限制在走廊内的应用，要求基础设施不断确定无人机的位置。超宽带无线电（UWB）满足这些要求，并提供高精度的定位和快速的位置更新速率，与激光雷达相比，成本和电池消耗的一小部分，并且在茂密的森林校园或室内环境中也具有比GPS更大的网络可用性。在本文中，我们提出了一种新的协议和技术来定位无人机使用到达时间差（TDoA）的方法，这样的应用程序。这进一步提高了位置更新率，而不牺牲准确性，并将其与传统方法进行比较
2020-08-10 cs.RO eess.SP
Precision Meets Art: Autonomous Multi-UAV System for Large Scale Mural Drawing
Sverk Ltd.（Svek有限公司）；Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学）；Cognitive Pilot Ltd.（Cognitive Pilot有限公司）；NUST MISIS（国立研究型技术大学莫斯科国立钢铁合金学院）；Kosygin State University of Russia（俄罗斯柯西金国立大学）
本文提出了一种自主多无人机系统，用于户外大规模壁画绘制，通过复杂定位系统和新型飞行控制算法实现了高精度和稳定性。
2026-01-10 cs.CV cs.RO cs.SY
Snake-Inspired Mobile Robot Positioning with Hybrid Learning
Hatter Department of Marine Technologies, University of Haifa（海法大学海洋技术系）
本文提出MoRPINet框架，通过蛇形滑行运动引导机器人非线性行为，利用神经网络回归行驶距离，以减少惯性导航中的定位误差。
2024-12-01 cs.RO eess.SP
Vision-based Drone Flocking in Outdoor Environments
École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
无人机群的分散部署通常依赖于智能体通信或安装在车辆上的视觉标记，以简化它们的相互检测。这封信提出了一种基于视觉的检测和跟踪算法，使无人机组能够在没有通信或视觉标记的情况下导航。我们采用卷积神经网络来实时检测和定位四轴飞行器上的附近代理。我们不是手动标记数据集，而是通过在静态相机前系统地飞行四轴飞行器来自动注释图像，以使用背景减除来训练神经网络。我们使用多代理状态跟踪器来估计附近代理的相对位置和速度，随后将其馈送到用于高级别控制的群集算法。无人机配备了多个摄像头，以提供全方位的视觉输入。摄像机设置通过避免盲点来确保鸡群的安全，而不管代理配置如何。我们评估的方法与一组三个真正的四轴飞行器，使用建议的基于视觉的群集算法控制。结果表明，无人机可以在户外环境中安全导航，尽管背景杂乱，光照条件困难。源代码、图像数据集和训练的检测模型可在https://github.com/lis-epfl/vswarm上获得。
2021-02-16 cs.CV cs.LG cs.MA
On-line Optimal Ranging Sensor Deployment for Robotic Exploration
University of Trento（特伦托大学）
移动机器人在没有任何定位基础设施的未知环境中导航一直是困难的。本文提出了一种自部署的超宽带UWB基础设施的移动代理，允许一个动态的位置和运行时扩展的UWB锚基础设施，而机器人探索新的环境。我们提供了一个详细的分析定位系统的不确定性，而UWB基础设施的增长。此外，我们开发了一种遗传算法，最大限度地减少部署新的锚，节省能源和资源的移动机器人和最大限度地提高任务的时间。虽然所提出的方法是通用的任何类的移动系统，我们运行模拟和实验室内无人机。结果表明，最大定位不确定性总是控制在用户的阈值，使用几何精度因子（GDoP）。
2021-10-17 cs.MA cs.RO
SwarmCloak: Landing of Two Micro-Quadrotors on Human Hands Using Wearable Tactile Interface Driven by Light Intensity
University of ElectroCommunications, Tokyo（东京电机大学）
对于人类操作员来说，在半空中抓住一个小尺寸的四旋翼飞行器，而不是把它降落在一个表面上，往往更容易和更快。然而，此类情况下的交互策略尚未得到适当考虑，特别是当必须同时降落多架无人机时。在本文中，我们提出了一种新的互动策略，土地多个机器人的人手，使用振动触觉反馈。我们开发了一种可穿戴的触觉显示器，它由四轴飞行器底部的LED环发出的光的强度激活。我们进行了实验，参与者被要求调整手掌的位置，以不同的着陆速度降落一个或两个垂直下降的无人机，只有视觉反馈，只有触觉反馈或视觉触觉反馈。我们对无人机着陆位置、着陆垫和人头轨迹进行了统计分析。双因素方差分析表明，反馈条件之间的统计学显着差异。实验分析证明，随着无人机数量的不断增加，触觉反馈在手的准确定位和操作的方便性方面发挥着越来越重要的作用。单架和两架无人机的最精确着陆是通过触觉和视觉反馈的结合实现的。
2020-01-31 cs.HC cs.RO
PATH: Continuous Target Sensing among Autonomous Cooperative Drones
Macquarie University（麦考瑞大学）
针对无人机续航限制导致的目标交接难题，提出几何辅助的PATH框架，通过3D点重建与跨视角验证实现高准确率交接，实验误差小且通信开销低。
2026-09-14 cs.RO
Testing Spacecraft Formation Flying with Crazyflie Drones as Satellite Surrogates
University of Houston（休斯顿大学）；Matrix Research（矩阵研究公司）；Air Force Research Laboratory（空军研究实验室）
本文提出使用 Crazyflie 2.1 微型无人机作为卫星替代平台，模拟航天器在 Clohessy-Wiltshire 动力学、对接轨迹及神经网络控制下的相对运动，以低成本地面测试航天器自主性。
2024-02-22 cs.RO cs.SY eess.SY
A Precision Drone Landing System using Visual and IR Fiducial Markers and a Multi-Payload Camera
Reykjavik University（雷克雅未克大学）
本研究提出一种结合视觉与红外April Tag基准标记、多载荷相机的无人机精准着陆方法，可动态切换传感器，降低数据需求，实现远距昼夜着陆及遮挡后恢复，平均着陆误差0.19米。
2024-03-06 cs.CV cs.RO
AirPilot: Interpretable PPO-based DRL Auto-Tuned Nonlinear PID Drone Controller for Robust Autonomous Flights
University of California, Irvine（加利福尼亚大学欧文分校）
AirPilot提出一种基于PPO的深度强化学习自动调参非线性PID无人机控制器，在仿真和真实环境中将导航误差降低90%，导航速度提升21%，并减少稳定时间和超调量。
2025-01-21 cs.LG cs.RO cs.SY
Exploiting Physical Contacts for Robustness Improvement of a Dot-Painting Mission by a Micro Air Vehicle
ESIEA（ESIEA工程师学院）；ONERA - The French Aerospace Lab（法国航空航天实验室）
在本文中，我们解决的问题点画在墙上的四旋翼微型飞行器（MAV），使用板上的低成本传感器（单目摄像机和IMU）的定位。提出了一种方法，以应付的不确定性的初始定位的MAV相对于墙壁和处理的墙壁组成的多段。该方法基于在线估计算法，该算法利用无人机在飞行期间检测到的物理接触的信息来提高绘制点的定位精度。仿真结果定量评估所提出的方法的效率。
2019-06-15 cs.RO cs.SY eess.SY
Aggressive Aerial Grasping using a Soft Drone with Onboard Perception
Massachusetts Institute of Technology（麻省理工学院）；Williams College（威廉姆斯学院）
本文提出首个配备完整机载感知的软体空中操作器，通过被动闭合腱驱动软体抓手、神经网络关键点检测与鲁棒3D姿态估计相结合，实现室内外环境下最高2.0 m/s的视觉抓取及对移动目标的抓取。
2023-08-11 cs.RO
AirV2X: Unified Air-Ground Vehicle-to-Everything Collaboration
Texas A&M University（德克萨斯理工大学）；KAIST（韩国科学技术院）；The University of Utah（犹他大学）；University of Washington（华盛顿大学）；University of Michigan（密歇根大学）
本文提出AirV2X-Perception大规模数据集，利用无人机作为灵活感知节点补充或替代固定RSU，覆盖6.73小时多环境驾驶场景，以推动车辆到无人机协同算法的标准化评估。
2025-07-02 cs.AI cs.CV cs.RO
CoinFT: A Coin-Sized, Capacitive 6-Axis Force Torque Sensor for Robotic Applications
Stanford University（斯坦福大学）；University of California Santa Cruz（加州大学圣克鲁兹分校）；Reality Labs Research（现实实验室研究）
CoinFT是一种用于机器人应用的紧凑型电容式六轴力矩传感器，通过电容检测技术实现高精度力和扭矩测量，适用于无人机、机器人末端执行器等多种设备。
2026-09-29 cs.HC cs.RO
Nonlinear Deterministic Observer for Inertial Navigation using Ultra-wideband and IMU Sensor Fusion
Carleton University（卡尔顿大学）；The Hong Kong Polytechnic University（香港理工大学）；Georgia Institute of Technology（佐治亚理工学院）；Bowling Green State University（鲍灵格林州立大学）
针对GPS拒止环境，本文提出一种基于扩展 $\mathbb{SE}_{2}(3)$ 的连续非线性确定性UWB/IMU融合观测器，可估计刚体姿态、位置和速度，并经真实无人机数据集验证其离散实现的指数收敛性。
2023-08-15 cs.RO cs.SY eess.SY
Wheel-Mounted/GNSS Fusion with AI-Aided Position Updates
Autonomous Navigation and Sensor Fusion Lab（自主导航与传感器融合实验室）；Hatter Department of Marine Technologies（海洋技术系）；Charney School of Marine Sciences（海洋科学学院）；University of Haifa（海法大学）
提出一种混合神经惯性导航框架，结合轮式惯性传感器、强制周期轨迹和神经网络，通过误差状态扩展卡尔曼滤波融合GNSS位置更新，实现定位精度提升约46%。
2026-06-02 cs.RO
PathFinder: Attention-Driven Dynamic Non-Line-of-Sight Tracking with a Mobile Robot
School of Electrical, Computer and Energy Engineering, Arizona State University（亚利桑那州立大学电气、计算机与能源工程学院）；School for Engineering of Matter, Transport and Energy, Arizona State University（亚利桑那州立大学物质、运输与能源工程学院）
PathFinder提出一种基于注意力神经网络的数据驱动方法，使搭载标准RGB相机的小型移动机器人能够实时估计视场外行人的二维轨迹，并通过平面选择度量在动态环境中实现低成本非视距成像。
2024-04-07 cs.CV cs.RO
Indoor Testing and Simulation Platform for Close-distance Visual Inspection of Complex Structures using Micro Quadrotor UAV
Durham School of Architectural Engineering & Construction, University of Nebraska-Lincoln（达勒姆建筑工程与建设学院，内布拉斯加大学林肯分校）
本文提出了一种基于微四旋翼无人机的低成本实验平台，用于测试无人机路径规划算法，通过室内环境实现高效、安全的近距离视觉检测，验证了现有路径规划算法在实际应用中的有效性。
2019-04-10 cs.RO cs.SY eess.SY
Automatic Eye-in-Hand Calibration using EKF
Carnegie Mellon University（卡内基梅隆大学）
本文提出了一种基于SLAM的手眼机器人自标定方法。我们的目标是校准机器人手臂的定位，使用基于SLAM的方法，如扩展卡尔曼滤波器（EKF）自动安装在末端执行器上的相机。给定摄像机内参数和工作空间中的一组特征标记，摄像机外参数被近似。一个基于EKF的测量模型被部署来有效地定位相机和计算相机到末端执行器的变换。所提出的方法进行了测试UR5机械手与深度相机安装在末端执行器，以验证我们的结果。
2022-11-13 cs.RO
A Modular Dual-Camera Pipeline for Micro-Inspection Using Aerial Robots
Netherlands Organization for Scientific Research (NWO)（荷兰科学研究组织）；Saxion University of Applied Sciences（萨克逊应用科学大学）
提出一种模块化双相机空中微检测流水线，通过变焦云台相机和广角立体导航相机协同工作，结合视觉反馈回路，实现对树木和温室粘虫板等非结构目标的鲁棒微检测。
2026-06-11 cs.RO
Hybrid Visual SLAM for Underwater Vehicle Manipulator Systems
University of Michigan（密歇根大学）；Woods Hole Oceanographic Institution（伍兹霍尔海洋研究所）；Carnegie Mellon University（卡内基梅隆大学）
本文提出一种基于视觉特征的UVMS混合SLAM方法，通过融合车载立体相机和腕部鱼眼相机特征扩展地图，在自然海底环境中表现出高精度。
2023-04-03 cs.RO
Pedestrian Inertial Navigation: An Overview of Model and Data-Driven Approaches
University of Haifa（海法大学）
本文综述了行人惯性导航的模型与数据驱动方法，重点介绍了鞋载传感器、无约束PDR及三类数据驱动策略。
2024-07-31 cs.RO eess.SP
Optical Tactile Sensing for Aerial Multi-Contact Interaction: Design, Integration, and Evaluation
ETH Zürich（苏黎世联邦理工学院）；Swiss Federal Institute for Forest, Snow and Landscape Research (WSL)（瑞士森林、雪与景观研究所）；UC Berkeley（加州大学伯克利分校）
本文提出一种可安装于无人机底部的大曲面光学触觉传感器及软件流程，实现相距2厘米的多接触实时三维位置与力检测，并通过栖停选择和稀疏障碍建图演示验证其可靠性。
2024-01-30 cs.RO
Fully Onboard SLAM for Distributed Mapping with a Swarm of Nano-Drones
Department of Information Technology and Electrical Engineering (D-ITET), ETH Zürich（信息科技与电气工程系（D-ITET），苏黎世联邦理工学院）；Department of Electrical, Electronic and Information Engineering (DEI), University of Bologna（电气、电子与信息工程系（DEI），博洛尼亚大学）
本研究提出一种基于纳型无人机集群的完全机载分布式建图系统，利用机载深度传感器与低功耗微控制器实现无需外部基础设施的同步定位与建图，并验证了其高精度和随智能体数量线性扩展的效率。
2025-05-31 cs.RO
An Efficient Approach to Communication-aware Path Planning for Long-range Surveillance Missions undertaken by UAVs
在使用无人机进行远程监视任务时，必须进行车辆的路径规划，因为这些是无人驾驶车辆。路径规划，无论是离线还是在线，都需要将路径设置为3D欧几里得空间中的一系列位置，其坐标恰好是纬度，经度和高度。对于非城市地形中长线性基础设施的远程监视的特定应用，连续3D-ESP问题实际上需要两个重要的标量成本。第一个标量成本是沿着计划路径行驶的距离。由于无人机是电池供电的，因此需要在任何代价下，任务的固定起始位置和目标位置之间的路径长度都应最小。另一个标量成本是在远程监视任务期间通过安装在无人机腹部的摄像头传输获取的视频的成本。由于监控目标的长度是长的线性基础设施，因此生成的视频量非常高，并且通常不能完整地存储在船上。如果沿原始路径的某些段的连接性较差，为了提高视频传输速率，信号的传输功率保持较高，这反过来又消耗更多的电池能量。因此，需要一种同时也改善了所谓的通信成本的路径。这两个成本权衡，因此需要帕累托优化这个三维双目标欧氏最短路径问题。在这份报告中，我们研究了单目标离线路径规划问题，基于距离成本，而提出的通信成本作为一个上限约束。最后给出了双目标路径规划的解决方案。
2017-07-14 cs.RO
