A Unified Finite-Time Sliding Mode Quaternion-based Tracking Control for Quadrotor UAVs without Time Scale Separation
针对四旋翼无人机有限时间位置跟踪，提出基于四元数、连续可微滑模流形和过渡前馈的统一非线性控制框架，无需时间尺度分离即可保证半全局有限时间稳定并抑制有界扰动。
2025-07-26 cs.SY eess.SY
Geometric Control for Load Transportation with Quadrotor UAVs by Elastic Cables
无人驾驶飞行器（UAV）组越来越多地用于运输任务，因为组合强度允许增加最大有效载荷。然而，由此产生的无人机的机械耦合在跟踪控制方面提出了新的挑战。因此，我们设计了一个几何轨迹跟踪控制器的四旋翼无人机携带和运输的刚体，这是通过不可弯曲的弹性电缆连接到四旋翼的合作任务。电缆的弹性与奇异扰动技术一起允许在模型中减少到具有非弹性电缆的类似模型。在这个降阶模型中，我们设计了一个控制器，使得负载的位置和姿态指数收敛到给定的期望轨迹。然后我们表明，在某些假设下，该结果会导致原始弹性模型的一致收敛跟踪误差。此外，在系统存在非结构化扰动的情况下，我们证明了误差最终有界，且有一个任意小的界。最后，通过仿真验证了理论结果.
2021-11-01 cs.SY eess.SY math.OC
Aerial Assistive Payload Transportation Using Quadrotor UAVs with Nonsingular Fast Terminal SMC for Human Physical Interaction
Carleton University（卡尔顿大学）
本文提出一种基于导纳-非奇异快速终端滑模控制（NFTSMC）的双四旋翼无人机协同载荷运输方法，通过人类施加的力引导飞行器运动，利用 Lyapunov 分析证明稳定性，并在 ROS 和 Gazebo 仿真中验证了其减轻人类工作负荷的有效性与鲁棒性。
2024-12-23 cs.RO cs.SY eess.SY
Reinforcement Learning Based Prediction of PID Controller Gains for Quadrotor UAVs
本文提出基于DDPG强化学习的四旋翼PID控制器增益在线微调方法，通过离线训练与仿真实验验证，相比手动调谐显著减小姿态误差并提升轨迹跟踪性能。
2025-02-06 cs.RO cs.SY eess.SY
Vehicle Parameter Independent Gain Matrix Selection for a Quadrotor using State-Space Controller Design Methods
Department of Mechanical and Manufacturing Engineering, University of Calgary（卡尔加里大学机械与制造工程学院）
本文提出了一种基于状态空间方法的四旋翼稳定悬停控制器设计，采用线性方法在存在扰动时保持稳定，并设计了跟踪系统，增益矩阵与四旋翼参数无关，适用于多种四旋翼。
2014-10-02 cs.SY eess.SY
Feasibility and Singularity in High-Order Safety-Critical Control for Quadrotor UAVs
Universidad Politécnica de Madrid（马德里理工大学）；Centre for Automation and Robotics (CSIC-UPM)（自动化与机器人中心（西班牙国家研究委员会-马德里理工大学））
针对四旋翼团队在有界输入和避碰约束下的高阶安全控制，提出扭矩感知动态扩展与高斯过程学习残差的方法，解决推力失效和联合不可行问题，保证碰撞避免。
2026-09-18 cs.RO cs.SY eess.SY
Methods for Multi-objective Optimization PID Controller for quadrotor UAVs
本文在统一仿真框架下比较元启发式、贝叶斯优化和深度强化学习三类方法用于四旋翼PID增益自动整定，发现灰狼优化效果最优，并证明噪声感知的黑箱整定可在不改硬件的情况下同时降低振荡、功耗和噪声。
2025-09-22 cs.SY eess.SY
Quaternion-based Adaptive Backstepping Fast Terminal Sliding Mode Control for Quadrotor UAVs with Finite Time Convergence
Carleton University（卡尔顿大学）
本文针对四旋翼无人机轨迹跟踪中的奇异性与不确定性问题，提出基于四元数的自适应反步控制和自适应快速终端滑模控制方法，实现有限时间收敛并抑制控制抖振。
2024-07-31 cs.RO cs.SY eess.SY
A Tethered Quadrotor UAV$-$Buoy System for Marine Locomotion
无人机（UAV）正在寻找进入海上应用的方法。在这项工作中，我们假设一个原始的系统，需要一个海洋机车四旋翼无人机操纵的速度浮动浮标通过电缆。通过利用无人机在高速、机动性、易于部署和宽视野方面的优势，所提出的无人机$-$浮标系统为各种新颖的应用铺平了道路。采用欧拉-拉格朗日法建立了浮标、无人机、缆绳和水环境耦合的动力学模型。提出了一种稳定的控制系统设计，以在两个约束条件下操纵浮标的前进浪涌速度：保持缆绳处于拉紧状态，并保持浮标与水面接触。在控制器设计过程中使用极坐标来获得对跟踪性能的相关影响，由此每个控制通道独立地影响一个控制参数。正如无波和多波海洋中的数值模拟所证明的那样，与传统的基于笛卡尔的速度控制器相比，这导致了性能的提高。
2021-07-22 cs.SY eess.SY
Towards Non-Robocentric Dynamic Landing of Quadrotor UAVs
The Hong Kong Polytechnic University（香港理工大学）；The University of Newcastle（纽卡斯尔大学）；The Hong Kong University of Science and Technology（香港科技大学）
本文提出一种无需机载外部传感器和昂贵计算单元的四旋翼动态着陆方案，通过地面相机与LED标记实现非惯性系相对状态估计，并利用微分平坦与二次规划生成最小加加速度着陆轨迹，实验验证了其可行性与传统方法相当的性能。
2024-01-21 cs.RO cs.SY eess.SY
RADAR Perception for Dynamic Obstacle Avoidance onboard small-scale Quadrotor UAVs
University of Klagenfurt（克拉根福大学）
该研究针对小型四旋翼无人机，提出首个毫米波RADAR感知与控制系统，结合交互多模型跟踪器与控制障碍函数控制器，实现快速动态避障，在多环境实验中精度达标，端到端延迟约14ms。
2026-11-09 cs.RO cs.SY eess.SY
Adaptive Backstepping and Non-singular Sliding Mode Control for Quadrotor UAVs with Unknown Time-varying Uncertainties
Carleton University（卡尔顿大学）
针对四旋翼无人机位置姿态跟踪的奇异性与精度难题，提出级联的基于四元数的自适应反步控制与非奇异滑模控制方案，通过自适应律更新参数，保证渐近稳定性，在未知时变不确定性和大初始误差下仍具良好控制效果。
2024-07-13 cs.RO cs.SY eess.SY
Robust Backstepping Control of a Quadrotor Unmanned Aerial Vehicle Under Colored Noises
针对四旋翼在有色噪声环境下的高度与姿态控制问题，本文基于 MATLAB 非线性模型设计鲁棒反步控制器，并通过多类噪声仿真验证其超调最小、调节时间最短。
2025-01-07 cs.SY eess.SY
A novel metric for detecting quadrotor loss-of-control
Delft University of Technology（代尔夫特理工大学）
针对四旋翼飞行器失控定义不明确、现有检测方法受限的问题，提出一种基于执行器能力的新型失控检测指标，经仿真与真实飞行数据验证，可检测故障及剧烈偏航引发的失控，且具备通用性。
2024-08-12 cs.RO cs.SY eess.SY
A robust but easily implementable remote control for quadrotors: Experimental acrobatic flight tests
通过最近的无模型控制（MFC）策略，这是很容易实现的四旋翼无人机的实验飞行测试报告。我们表明，它是可能实现杂技速率控制的无人机，这是超出了以前的标准。同一个遥控器在两辆实际车辆上进行测试，无需任何重新调整。它在两种情况下都产生低跟踪误差。我们表明，MFC是强大的，即使当四旋翼高度损坏。视频片段可以在以下网站找到：https://youtu.be/wtSLalA4szc
2020-08-03 cs.SY eess.SY math.OC
Error-State LQR Formulation for Quadrotor UAV Trajectory Tracking
Carnegie Mellon University（卡内基梅隆大学）
提出一种基于误差状态线性二次型调节器的四旋翼无人机轨迹跟踪方法，利用指数坐标表示姿态误差，结合全状态反馈与级联体速率控制器实现鲁棒控制。
2026-07-28 cs.RO cs.SY eess.SY
MPC-Based Trajectory Tracking for a Quadrotor UAV with Uniform Semi-Global Asymptotic Stability Guarantees
Huazhong University of Science and Technology（华中科技大学）；Lakehead University（湖首大学）
本文提出了一种适用于四旋翼无人机的模型预测轨迹跟踪方法，通过分层控制策略实现姿态和推力的闭环控制，并证明了整体系统半全局渐近稳定性。
2026-09-21 cs.SY eess.SY
Neuro-Symbolic Agentic AI for Networked Low-Altitude UAVs
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
本文提出神经符号智能体AI框架，结合神经基础与符号推理，增强网络化低空无人机在不确定环境下的决策可靠性，并通过城市消防巡检案例验证其可重用技能与证据驱动决策的潜力。
2026-09-18 cs.AI cs.SY eess.SY
Control and Trajectory Optimization for Soft Aerial Manipulation
Massachusetts Institute of Technology（麻省理工学院）
利用无人驾驶飞行器（UAV）的操纵和抓取目前需要精确定位，并且通常以降低的速度执行以确保成功抓取。这是因为典型的UAV只能容纳具有很少自由度的刚性操纵器，这限制了它们补偿由飞行器定位误差引起的干扰的能力。此外，UAV必须最小化外部接触力以保持稳定性。另一方面，生物系统利用柔软性来克服类似的限制，并利用顺应性来实现积极的抓握。针对一种由四旋翼和柔性夹持器组成的柔性空中机械手，研究其控制和轨迹优化问题，充分发挥柔性的优势。据我们所知，这是第一个在软操纵和无人机控制之间的交叉点的工作。我们提出了一种解耦的方法，四旋翼和软夹持器，结合（i）的几何控制器和最小的捕捉轨迹优化的四旋翼（刚性）基地，与（ii）准静态有限元模型和控制空间插值的软夹持器。我们证明了几何控制器渐近稳定的四旋翼的速度和姿态，尽管增加了软负载。最后，我们评估所提出的系统在一个现实的软动力学模拟器，并表明：（i）的几何控制器是相当不敏感的软有效载荷，（ii）的平台可以可靠地抓住未知的对象，尽管不准确的定位和初始条件，和（iii）解耦控制器是适合实时执行。
2021-11-23 cs.RO cs.SY eess.SY
Collision Recovery Control of a Foldable Quadrotor
The Polytechnic School, Ira A. Fulton Schools of Engineering, Arizona State University（亚利桑那州立大学艾拉·富尔顿工程学院理工学院）
提出一种带扭力弹簧的可折叠四旋翼系统，通过机械顺应性增加冲击时间并减小净冲击力，结合恢复控制器实现碰撞后安全悬停，实验证明其反弹速度更低且恢复控制更简单。
2021-05-28 cs.RO cs.SY eess.SY
Geometric Control of two Quadrotors Carrying a Rigid Rod with Elastic Cables
针对两个四旋翼无人机（UAV）携带和运输刚性杆的协同任务，设计了一种几何轨迹跟踪控制器。电缆的弹性与奇异扰动技术一起允许在模型中减少到具有非弹性电缆的类似模型。在这个降阶模型中，我们设计了一个控制器，使得在对初始误差的一些假设下，控制棒指数地跟踪其位置和姿态的给定期望轨迹。然后，我们表明，指数跟踪在降阶模型对应于指数跟踪的原始弹性模型。我们还表明，以前定义的控制方案提供了统一的最终有界性的存在下，非结构化的有界干扰。
2021-04-13 cs.SY eess.SY math-ph
Efficient Collision-Avoidance Constraints for Ellipsoidal Obstacles in Optimal Control: Application to Path-Following MPC and UAVs
Institute of Engineering and Computational Mechanics, University of Stuttgart（工程与计算力学研究所，斯图加特大学）；Chair of Systems Modeling and Simulation, Saarland University（系统建模与仿真教授团，萨尔兰大学）；Department of Mechanical Engineering, LUT University（机械工程系，卢霍斯大学）
针对无人机三维避障需求，提出含高效连续可微椭球碰撞检测条件与两阶段优化的模块化最优控制框架，应用于路径跟踪MPC，经仿真和Crazyflie实物实验验证，为同类MPC首次无人机三维硬件验证。
2025-10-30 cs.RO cs.SY eess.SY
SPOT: Spatio-Temporal Obstacle-free Trajectory Planning for UAVs in Unknown Dynamic Environments
Robotics Research Center, IIIT Hyderabad, India（IIIT海得拉巴机器人研究中心，印度）；IIT-BHU, India（IIT-BHU，印度）
提出一种基于4维时空规划器、视觉安全飞行走廊生成和轨迹优化的无地图反应式运动规划方法，实现无人机在未知动态环境中的避障，并通过备份规划模块应对死锁。
2026-07-03 cs.RO cs.SY eess.SY
Distributed Control for 3D Inspection using Multi-UAV Systems
KIOS Research and Innovation Center of Excellence (KIOS CoE)（KIOS卓越研究与创新中心）；University of Cyprus（塞浦路斯大学）
本文提出一种多无人机系统的分布式控制算法，通过生成无碰撞轨迹以最短时间协同检查目标对象表面的3D点，数值仿真验证了其有效性。
2024-09-20 cs.RO cs.SY eess.SY
Advanced Algorithms of Collision Free Navigation and Flocking for Autonomous UAVs
无人驾驶飞行器（UAV）对于包括农业、建筑、采矿、环境监测等在内的许多军事和民用应用已经变得非常流行。UAV的期望特征是能够以最少的人为交互自主地导航和执行任务。这是一个非常具有挑战性的问题，因为有几个因素，如无人机应用的高度复杂性，在恶劣环境中的操作，有限的有效载荷和机载计算能力以及高度非线性动力学。本报告中提出的工作有助于无人机控制的最新水平，以实现多无人机系统的安全自主导航和运动协调。本报告的第一部分涉及单无人机系统。解决了在未知/动态环境中的三维（3D）无碰撞导航的复杂问题。为此，先进的3D反应控制策略的开发采用感测和避免范例，以产生快速反应周围的障碍。一个特殊的情况下，在三维未知的封闭环境（即隧道）的导航也得到了解决。在设计中考虑了一般的三维运动学模型，这使得这些方法适用于除了水下航行器之外的不同类型的无人机。此外，不同的实现方法与四旋翼型无人机的控制设计中考虑无人机的动力学也进行了研究。实际的实验和仿真进行了分析所开发的方法的性能。本报告的第二部分涉及多无人机系统的安全导航。研究了多无人机编队飞行和三维区域覆盖的分布式运动协调方法。这些方法为大规模系统提供了良好的计算成本。考虑到系统具有不同的尺寸，进行了仿真，以验证这些方法的性能。
2021-10-30 cs.AI cs.RO cs.SY
Adaptive Second-order Sliding Mode Control of UAVs for Civil Applications
Faculty of Engineering and Information Technology（工程与信息技术学院）；University of Technology Sydney, Australia（悉尼技术大学，澳大利亚）
本文提出了一种自适应二阶准连续滑模控制方案，用于无人机在基础设施监测中的鲁棒姿态控制，通过数学建模和稳定性分析，实现了对噪声和扰动的鲁棒性，并在仿真中验证了其优于实际无人机任务的跟踪性能。
2017-07-31 cs.RO cs.SY eess.SY
Sym2Real: Symbolic Dynamics with Residual Learning for Data-Efficient Adaptive Control
Duke University（杜克大学）
Sym2Real框架解决符号回归在实际控制中因对噪声敏感而受限的问题，先从低保真模拟学习，再用少量真实数据残差自适应弥合模拟到现实差距，仅约10条轨迹就实现对四旋翼和赛车的鲁棒控制及模拟到现实转移。
2026-07-20 cs.RO cs.SY eess.SY
Magnisketch Drone Control
Carnegie Mellon University（卡内基梅隆大学）
本文提出 Magnasketch 无人机系统，利用模型预测控制结合磁力动力学，在磁性绘图板上实现图像到艺术的转换，虽误差略大但绘图更平滑且具备全状态控制优势。
2024-12-14 cs.RO cs.SY eess.SY
Connectivity Preserving Decentralized UAV Swarm Navigation in Obstacle-laden Environments without Explicit Communication
Kyoto University of Advanced Science（京都先进科学大学）；Okayama University（冈山大学）
本文针对障碍物环境下无人机集群在无显式通信时的导航问题，提出基于控制障碍函数的新型控制方法，克服现有人工势场方法的缺陷，通过优化或近似修正控制输入，经仿真和真实实验验证有效性。
2024-11-28 cs.RO cs.SY eess.SY
RAMP-Net: A Robust Adaptive MPC for Quadrotors via Physics-informed Neural Network
Purdue University（普渡大学）
模型预测控制（MPC）是一种需要迭代求解硬约束优化问题的SOTA控制技术。对于不确定动态，基于解析模型的鲁棒MPC施加了额外的约束，增加了问题的难度。在性能关键型应用程序中，当需要在更短的时间内进行更多计算时，该问题会加剧。数据驱动的回归方法，如神经网络，在过去已经提出了近似系统动态。然而，这样的模型依赖于大量的标记数据，在没有符号分析先验的情况下。这会带来不小的培训开销。物理信息神经网络（PINN）在逼近非线性常微分方程组（ODE）方面获得了广泛的应用，并具有合理的精度。在这项工作中，我们提出了一个鲁棒自适应MPC框架通过PINN（RAMP-Net），它使用一个神经网络训练部分从简单的ODE和部分从数据。物理损失用于学习表示理想动力学的简单常微分方程。访问损失函数内部的分析函数充当正则化器，针对参数不确定性实施鲁棒行为。另一方面，常规数据丢失用于适应在数学建模期间未考虑的残余干扰（非参数不确定性）。在仿真环境中进行了四旋翼飞行器轨迹跟踪实验。我们报告7.8%至43.2%和8.04%至61.5%的速度范围从0.5至1.75米/秒的跟踪误差减少相比，两个SOTA回归基于MPC方法。
2023-02-24 cs.AI cs.RO cs.SY
Human Physical Interaction based on UAV Cooperative Payload Transportation System using Adaptive Backstepping and FNTSMC
本文针对双四旋翼无人机协同载荷运输系统，提出结合自适应反步位置控制与快速非奇异终端滑模姿态控制的非线性控制策略，并通过导纳控制实现人机物理交互，以提升系统稳定性与操作响应性。
2025-03-13 cs.SY eess.SY
Distributed Switching Model Predictive Control Meets Koopman Operator for Dynamic Obstacle Avoidance
Chalmers University of Technology（查尔姆斯理工大学）
本文提出一种结合Koopman算子的分布式切换模型预测控制框架，用于无人机在动态障碍环境中的安全避让与协同控制。
2025-11-28 cs.SY eess.SY
Accurate Tracking of Aggressive Quadrotor Trajectories using Incremental Nonlinear Dynamic Inversion and Differential Flatness
Massachusetts Institute of Technology (MIT)（麻省理工学院）
本文提出了一种新的控制律，用于跟踪四旋翼的位置、偏航角及其至四阶导数，包括速度、加速度、加加速度和加加加速度以及偏航速率和偏航加速度。通过基于四旋翼动力学的微分平坦性，使用前馈输入跟踪加加速度和加加加速度。通过闭环电机速度控制，直接控制机体扭矩以实现加加加速度跟踪。控制器利用增量非线性动态逆反（INDI）在外部干扰如空气动力学阻力的情况下实现对线性和角加速度的鲁棒跟踪。通过响应分析严格分析所提出的控制律，并通过实验演示。控制器使四旋翼无人机能够跟踪复杂的3D轨迹，达到最高12.9 m/s的速度和2.1g的加速度，同时保持均方根跟踪误差仅为6.6 cm，在约18m×7m×3m的飞行体积内。此外，通过在飞行测试中附加拖板和在悬停时拉拽无人机来演示控制器的鲁棒性。
2020-06-07 cs.RO cs.SY eess.SY
Control Barrier Function Based UAV Safety Controller in Autonomous Airborne Tracking and Following Systems
Virginia Tech（弗吉尼亚理工大学）；University of Kentucky（肯塔基大学）；University of Louisville（路易斯维尔大学）
针对无人机空中跟踪非合作目标时的碰撞风险，提出基于控制屏障函数的二次规划安全控制器，最小化修改轨迹跟踪输入以保证安全，并在AirSim模拟中验证了有效性。
2023-12-28 cs.RO cs.SY eess.SY
Reach-Avoid Differential game with Reachability Analysis for UAVs: A decomposition approach
School of Computing Science（计算科学学院）；Defense Reseach & Development Canada (DRDC)（国防研究与发展加拿大（DRDC））；DRDC Suffield Research Center（DRDC 足球场研究中心）
本文提出了一种基于分解的RA博弈解决方法，通过将问题分为水平和垂直子博弈，并利用HJ可达性分析和跟踪控制算法实现三维空间中的最优捕获。
2026-10-28 cs.AI cs.GT cs.SY
Multirotor Nonlinear Model Predictive Control based on Visual Servoing of Evolving Features
National Technical University of Athens (NTUA)（雅典国家技术大学）；University of Thessaly（塞萨利大学）；New York University（纽约大学）
本文提出一种基于演化特征视觉伺服的多旋翼无人机非线性模型预测控制方案，通过结合障碍函数确保安全与最优性能，并利用配备摄像机的四旋翼无人机实时仿真和实验验证了其跟踪移动目标的有效性。
2024-09-25 cs.RO cs.SY eess.SY
Model Predictive Control for Trajectory Tracking on Differentiable Manifolds
University of Hong Kong（香港大学）
我们认为几何跟踪控制理论和模型预测控制（MPC）的机器人系统在流形上操作之间的差距的桥梁的问题。我们提出了一个通用的流形MPC制定的基础上发展的流形上的系统的规范表示。然后，我们提出了一种方法，解决了在流形MPC制定线性化的跟踪下沿轨迹的系统。所提出的方案有两个主要优点。首先，线性化系统导致一个等价的误差系统表示的一组最小的参数没有任何奇异性。其次，系统建模，误差系统推导，线性化和控制的过程中，流形约束完全解耦的系统描述，使一个符号MPC框架，自然封装流形约束的发展。在这个框架中，用户只需要提供系统特定的描述，而不需要处理多方面的约束。我们实现了这个框架，并测试它的四旋翼无人机（UAV）上运行的$SO(3) \times \mathbb{R}^n$和无人地面车辆（UGV）在曲面上移动。真实世界的实验表明，所提出的框架和实现高跟踪性能和计算效率，即使在高度侵略性的特技飞行四旋翼机动。
2021-06-29 cs.RO cs.SY eess.SY
Formation Control for Moving Target Enclosing via Relative Localization
Sun Yat-sen University（中山大学）
本文研究多无人机分布式合围移动目标问题，提出基于带遗忘因子RLSE的相对定位技术和耦合振荡器运动规划，设计协同编队跟踪控制方案实现渐近收敛，并通过仿真与三架四旋翼实验验证有效性。
2023-07-28 cs.MA cs.RO cs.SY
Design, Modeling and Control for a Tilt-rotor VTOL UAV in the Presence of Actuator Failure
Carnegie Mellon University（卡内基梅隆大学）；Amazon（亚马逊）
实现垂直起飞和降落，同时提供长距离飞行的能力，为广泛的新的现实世界飞机应用打开了大门，同时改善了许多现有的任务。倾转旋翼垂直起降无人机（VTOL）比固定翼和多旋翼飞机更适合此类应用。这些飞机的前期工作主要涉及空气动力学性能、设计、建模和控制。然而，一个较少探索的领域是研究它们的潜在容错，由于其固有的冗余，这使得它们能够容忍一定程度的驱动故障。本文介绍了倾转旋翼垂直起落飞机作动器几种故障的容限。我们讨论了一个定制的倾转旋翼垂直起降无人机，这是一个固定翼飞机和倾转旋翼，其中四个螺旋桨可以单独旋转的四旋翼组合的设计和建模。然后，我们分析了可行的扳手空间的车辆可以产生和设计的动态控制分配，使系统能够适应执行器故障，受益于配置冗余。所提出的方法是轻量级的，并实现作为一个扩展到现有的飞行控制堆栈。大量的实验验证了该系统能够在不同的执行器故障情况下保持受控飞行。据我们所知，这项工作是第一次研究倾转旋翼垂直起降的容错，利用配置冗余。源代码和模拟可以在https://theairlab.org/vtol上访问。
2023-01-02 cs.RO cs.SY eess.SY
