End-to-End Vision-Language-Action Policies for Autonomous Lunar Rover Docking
Stanford University(斯坦福大学)
本研究设计用于自主月球车对接的视觉-语言-动作策略,在高保真月球模拟中训练,闭环评估中其在训练未见过的感知干扰下表现与模块化基线相当,自适应时域执行可降低推理频率并限制危险接触率。
2026-10-15 cs.RO
A Robust and Rapidly Deployable Waypoint Navigation Architecture for Long-Duration Operations in GPS-Denied Environments
Stevens Institute of Technology(史蒂文斯理工学院)
针对GPS拒止环境下多批次作业的定位误差累积问题,提出结合公开软件包的多批次航点导航架构,实现数小时内从建图到自主导航的快速部署。
2023-08-10 cs.RO
Overview of Guidance, Navigation and Control System of the TeamIndus lunar lander
Axiom Research Labs(公理研究实验室)
TeamIndus的月球物流愿景包括多个月球任务,以满足科学,商业和全球探索的要求。第一次任务定于2020年发射。其主要目标是展示自主精确的月球着陆,以及表面探测漫游车收集着陆点附近的数据。TeamIndus开发了各种技术,以降低进入月球表面的障碍。本文对着陆器GNC系统的设计进行了综述。GNC系统的设计已经结束后,传感器和执行器配置的研究。在GNC硬件的选择上遵循了节俭设计的方法。本文描述了轨道机动和月球下降策略的约束条件。自主月球下降机动的GNC设计的各个方面:时间轴的事件,制导,惯性和光学地形相对导航方案进行了说明。GNC软件描述侧重于系统架构、操作模式和GNC软件的核心要素。GNC算法已经过测试,使用蒙特卡罗模拟和处理器在环运行。本文最后总结了软着陆的关键风险缓解研究。
2019-07-25 astro-ph.IM cs.RO
GPS-free Autonomous Navigation in Cluttered Tree Rows with Deep Semantic Segmentation
Politecnico di Torino(都灵理工大学);Department of Electronics and Telecommunications(电子与电信学院)
针对高树行与果园中树冠遮挡天空且GPS不可用的问题,本文提出仅用合成数据训练的深度语义分割导航方法,并在仿真和真实葡萄园等场景验证其鲁棒性。
2024-04-08 cs.RO
Non-linear Model Predictive Control for Multi-task GPS-free Autonomous Navigation in Vineyards
Politecnico di Torino(都灵理工大学)
针对葡萄园 GPS 失效场景,提出基于单目 RGB-D 相机与非线性模型预测控制的无位置依赖导航系统,可适应不同作物间距并完成穿行和目标接近任务。
2024-04-08 cs.RO
GNSS-based Lunar Orbit and Clock Estimation With Stochastic Cloning UD Filter
本文提出基于GNSS的月球轨道和钟差估计方法,利用随机克隆UD滤波器和延迟状态平滑器,通过高精度模拟验证实现米级轨道精度和亚毫米级速度精度,满足未来月球增强导航服务需求。
2026-02-18 cs.RO
Deep Learning-Based Lunar Crater Terrain Relative Navigation
NASA(美国国家航空航天局);University of Texas at Austin(德克萨斯大学奥斯汀分校)
提出一种结合深度学习陨石坑检测器和扩展卡尔曼滤波的地形相对导航算法,在初始位置偏差达5公里时仍能将导航误差降至数百米。
2026-06-19 cs.LG cs.RO
Visual SLAM with DEM Anchoring for Lunar Surface Navigation
Stanford University(斯坦福大学)
本文提出一种结合学习特征检测与DEM全局约束的视觉SLAM系统,用于月球表面长距离导航,通过引入高程和表面法线因素缓解长期漂移问题。
2026-03-18 cs.CV cs.RO
LunarNav: Crater-based Localization for Long-range Autonomous Lunar Rover Navigation
Jet Propulsion Laboratory, California Institute of Technology(加州理工学院喷气推进实验室);NASA Ames Research Center(美国国家航空航天局艾姆斯研究中心)
Artemis计划需要机器人和载人月球车进行资源勘探和开发,设施的建设和维护以及人类探索。这些漫游车必须支持从大本营到10公里(km)的导航。新的十年调查建议月球科学探测车任务概念-耐力-A作为月球发现和探索计划的最高优先级中等任务,并将要求在南极-艾特金盆地(SPA)穿越约2000公里,在下行链路停止之间单独驱动几公里。这些漫游车任务场景需要提供车载、自主、全球位置知识(也称为绝对定位)的功能。然而,迄今为止,行星漫游车还没有机载全球定位能力;它们只使用相对定位,通过在每次驱动期间集成车轮里程计、视觉里程计和惯性测量的组合来跟踪相对于每次驱动开始的位置。在这项工作中,我们总结了LunarNav项目的最新进展,在该项目中,我们开发了算法和软件,使月球车能够估计其在月球上的全球位置和航向,目标性能是位置误差小于5米(m),航向误差小于3度,3-sigma,在阳光照射区域。这将通过探测漫游车附近的陨石坑并将其与从轨道绘制的已知陨石坑数据库进行匹配来自主实现。总体技术框架由三个主要元素组成:1)弹坑检测,2)弹坑匹配,和3)状态估计。在以前的工作中,我们开发了三种不同的传感模式的火山口检测算法。我们的研究结果表明,漫游车定位误差小于5米是非常有可能在白天的操作。
2023-01-03 cs.AI cs.CV cs.RO
Experiments in Fast, Autonomous, GPS-Denied Quadrotor Flight
University of Pennsylvania(宾夕法尼亚大学)
在未知环境中的高速导航是机器人技术中的一个具有挑战性的问题。它需要快速计算和机器人上所有子系统的紧密集成,以便感知-动作循环中的延迟尽可能小。空中机器人增加了有效载荷容量的限制,这限制了可以携带机载的计算量。这就要求导航系统中的每个组件都有有效的算法。在本文中,我们描述了我们的四旋翼系统,该系统能够在室内和室外混合环境中平稳导航,并且能够以超过18 m/s的速度飞行。我们提供了我们的系统的概述和有关实现我们平台的高速导航能力的特定组件技术的详细信息。我们证明了我们的系统的鲁棒性,通过高速自主飞行和导航通过各种障碍丰富的环境。
2018-06-19 cs.RO
Autonomous Navigation in Rows of Trees and High Crops with Deep Semantic Segmentation
Politecnico di Torino(都灵理工大学)
本文提出一种基于深度语义分割的自主导航方法,解决高树行和果园中GPS信号遮挡及天空不可见时的机器人引导问题,并在模拟树田和葡萄园实验中验证了其鲁棒性与竞争优势。
2023-04-18 cs.RO
Deployable, Data-Driven Unmanned Vehicle Navigation System in GPS-Denied, Feature-Deficient Environments
University of Cincinnati(辛辛那提大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Air Force Research Laboratory(空军研究实验室)
本文提出了一种新的数据驱动的导航系统导航无人车(UV)在GPS拒绝,功能缺陷的环境,如隧道,或矿井。该方法利用车辆可以部署和测量距离的地标,以在车辆穿过其预定义路径通过隧道时实现定位。在这种情况下出现的一个关键问题是,在任务开始之前,在给定一些有关环境的信息的情况下,估计并减少需要部署用于定位的地标的数量。主要焦点是将最大位置不确定性保持在期望值。在这篇文章中,我们开发了一种新的车辆导航系统在GPS否认,功能缺陷的环境相结合的技术,从估计,机器学习,和混合整数凸优化。本文开发了一种新的,系统的方法来执行定位和导航的UV通过环境中的地标数量最少,同时保持所需的定位精度。我们还提出了广泛的模拟实验,不同的情况下,证实了建议的导航系统的有效性。
2021-11-02 cs.RO math.OC
ShadowNav: Autonomous Global Localization for Lunar Navigation in Darkness
Jet Propulsion Laboratory (JPL)(喷气推进实验室);California Institute of Technology (Caltech)(加州理工学院);University of Sydney(悉尼大学)
本文提出ShadowNav,一种利用月球陨石坑前缘作为地标并通过粒子滤波进行自主全局定位的方法,旨在解决月球暗区行驶中漫游车姿态漂移问题,并在模拟和实地测试中验证了其有效性。
2024-09-14 cs.CV cs.RO
Landmark-based Distributed Topological Mapping and Navigation in GPS-denied Urban Environments Using Teams of Low-cost Robots
Lehigh University(理海大学)
在本文中,我们解决的问题,自主多机器人映射,探索和导航在未知的,GPS拒绝室内或城市环境中使用的机器人群配备有有限的传感能力和有限的计算资源的方向传感器。机器人没有环境的先验知识,并且需要使用现有地标以分布式方式快速探索和构建地图,可以使用机载传感器检测地标的存在,尽管几乎没有度量信息(到地标的距离或方位)可用。为了正确和有效地实现这一点,通过城市/室内环境的设计来确保地标的必要密度/分布的存在。因此,我们分两个阶段来解决这个问题:1)在城市/室内环境的设计/建造过程中,我们可以确保在环境中放置足够的地标。为此,我们开发了一种基于过滤的方法来设计环境中地标的战略位置。2)我们开发了一种分布式算法,使用该算法的机器人团队,没有先验知识的环境,可以探索这样的环境,构建一个拓扑地图,不需要度量/距离信息,并使用该地图在环境中导航。这是使用环境的拓扑表示(称为地标复合体)来实现的,而不是构建完整的度量/像素图。该表示由机器人构建,并通过探索和利用之间的平衡被机器人用于导航。我们使用同源性理论的工具来识别未知环境的覆盖/探索中的"洞",从而引导机器人实现对环境的完整探索和映射。
2021-03-05 cs.RO
GPS Denied IBVS-Based Navigation and Collision Avoidance of UAV Using a Low-Cost RGB Camera
Electrical and Computer Engineering Dept., National University of Singapore(新加坡国立大学电子与计算机工程系);National University of Singapore(新加坡国立大学)
本文提出一种仅依赖RGB相机和机载Jetson平台的IBVS框架,通过AI单目深度估计实现无路径规划的无人机导航与避障,并在GPS拒止环境下验证其有效性。
2025-09-22 cs.RO cs.SY eess.SY
Deep RL-based Autonomous Navigation of Micro Aerial Vehicles (MAVs) in a complex GPS-denied Indoor Environment
本文提出深度近端策略优化(D-PPO)算法,通过在Unreal Engine构建的3D元环境中训练,提升微型飞行器在无GPS室内环境中的实时导航效率,实验表明训练计算延迟降低91%且性能无明显下降。
2025-04-08 cs.LG cs.RO
Lunar Terrain Relative Navigation Using a Convolutional Neural Network for Visual Crater Detection
Massachusetts Institute of Technology(麻省理工学院);Draper(德雷珀实验室)
地形相对导航可以通过检测作为补充测量值的全球特征来校正惯性导航系统中的漂移,从而提高航天器位置估计的精度。本文提出了一种系统,使用卷积神经网络(CNN)和图像处理方法来跟踪模拟航天器的位置与扩展卡尔曼滤波器(EKF)。称为LunaNet的CNN在模拟相机帧中视觉检测陨石坑,并且这些检测与当前估计的航天器位置区域中的已知月球陨石坑相匹配。这些匹配的陨石坑被视为使用EKF跟踪的特征。由于LunaNet对图像亮度变化具有更强的鲁棒性,并且在整个轨迹中逐帧进行更具可重复性的陨石坑检测,因此可以在模拟轨迹上进行更可靠的位置跟踪。当使用标准亮度图像对轨迹进行测试时,与使用基于图像处理的陨石坑检测方法的EKF相比,LunaNet与EKF的结合使平均最终位置估计误差降低了60%,平均最终速度估计误差降低了25%。
2020-07-15 cs.CV cs.RO cs.SY
First Multi-Constellation Observations of Navigation Satellite Signals in the Lunar Domain by Post-Processing L1/L5 IQ Snapshots
Department of Electronics and Telecommunications, Politecnico di Torino(电子与电信系,都灵理工大学)
通过后处理L1/L5 IQ快照,首次实验证实多星座导航信号在月球域的可观测性,显著提升月球任务的自主性。
2026-02-11 astro-ph.IM cs.RO eess.SP
Dual Quaternion-Based Unscented Kalman Filter with Visual Inertial Odometry for Navigation in GPS-Denied Environments
Carleton University(卡尔顿大学)
提出一种基于对偶四元数的无迹卡尔曼滤波(DQUKF)结合视觉惯性里程计(VIO),在GPS拒止环境下实现高精度状态估计,在EuRoC数据集上位置RMSE达0.2584米。
2026-06-08 cs.RO cs.SY eess.SY
Autonomous Constellation Fault Monitoring with Inter-satellite Links: A Rigidity-Based Approach
Stanford University(斯坦福大学)
针对月球环境缺乏全面地面站的问题,提出基于顶点冗余刚性图和星间测距的星座故障检测框架,通过GCEDM奇异值识别故障,仿真验证了其有效性,助力月球探测任务。
2024-09-29 cs.RO
Autonomous Urban Localization and Navigation with Limited Information
Cornell University(康奈尔大学)
城市环境为自动驾驶提供了一个具有挑战性的场景。由于信号阴影和多路径误差,全球定位信息(例如GPS信号)可能不可靠。具有用于自主导航的足够信息的环境的详细先验地图通常需要多次驾驶该区域以收集大量数据,对该数据进行大量的后处理以获得地图,然后随着环境的变化而在地图上保持更新。本文通过研究算法和架构来解决城市环境中的自动驾驶问题,从而在有限的信息下实现全功能自动驾驶。开发了一种在很少或不依赖先验地图或GPS的情况下自主导航城市道路的算法。定位是用一个扩展的卡尔曼滤波器与里程计,罗盘,和稀疏的地标测量更新。导航是由基于罗盘的导航控制律。蒙特卡洛研究的关键结果显示了不同环境条件下城市导航的成功率。实验验证了模拟结果,并表明,对于给定的测试条件下,可以找到一个预期的范围内给定的成功率。
2018-10-09 cs.RO
Online Estimation of Ocean Current from Sparse GPS Data for Underwater Vehicles
University of Technology Sydney(悉尼科技大学);Blue Ocean Monitoring Ltd(蓝海监测有限公司);Defence Science and Technology Group(国防科技集团)
水下机器人由于洋流的影响和在水下时缺乏准确的定位而受到位置漂移的影响。我们有兴趣利用这种位置漂移来估计周围地区的洋流,从而帮助导航和规划。本文提出了一种基于高斯过程的期望最大化算法,该算法利用在海面上获得的稀疏GPS数据和航位推算位置估计来估计底层海流。我们首先开发了一个专门的GP回归方案,利用洋流的不可压缩性,以抵消欠定性质的问题。然后,我们在EM算法中使用所提出的回归方案,该算法估计每个GPS定位之间的最佳拟合洋流。所提出的算法在模拟和真实数据集上进行了验证,并被证明能够重建底层的海流场。我们期望使用该算法来闭合未知洋流中水下导航的规划和估计之间的循环。
2019-01-28 cs.RO
There's No Place Like Home: Visual Teach and Repeat for Emergency Return of Multirotor UAVs During GPS Failure
Defence Research and Development Canada(加拿大国防研究与发展部);University of Toronto Institute for Aerospace Studies (UTIAS), University of Toronto(多伦多大学多伦多航空航天研究所(UTIAS))
冗余导航系统对于无人机在高风险环境中的安全运行至关重要。由于大多数商用无人机几乎完全依赖GPS,因此干扰、干扰和多路径是真正的问题,通常将其操作限制在低风险环境和可视视线范围内。本文提出了一种基于视觉的航路跟踪系统的自主,安全返回的无人机的主要导航故障,如GPS干扰。使用可视化示教和重复框架来构建出飞过程中环境的可视化地图,当模拟GPS故障发生时,我们通过将实时视图视觉定位到该地图来显示无人机的自主返回,控制飞行器遵循安全的出飞路径返回发射点。仅使用万向架稳定的立体视觉,而不依赖于外部基础设施或惯性传感,视觉里程计和定位在5-25米的高度和飞行速度高达55公里/小时。我们研究了视觉定位算法在各种条件下的性能,并展示了沿着复杂的450米路径的闭环自治。
2018-09-15 cs.RO
GPS-IDS: An Anomaly-based GPS Spoofing Attack Detection Framework for Autonomous Vehicles
University of Arizona(亚利桑那大学)
提出GPS-IDS框架,基于物理行为模型与机器学习检测自动驾驶车辆GPS欺骗攻击,并在首个公开的AV-GPS数据集上验证有效性。
2024-12-17 cs.CR cs.RO
Quaternion-based Unscented Kalman Filter for 6-DoF Vision-based Inertial Navigation in GPS-denied Regions
Carleton University(卡尔顿大学)
针对GPS拒止区域刚体6自由度运动的位姿、位置和线速度估计问题,提出定义在特定空间的计算高效的四元数导航无迹卡尔曼滤波器,融合视觉与IMU数据,经真实数据集验证其鲁棒性和有效性。
2024-12-03 cs.RO cs.SY eess.SY
SafeNav: Safe Path Navigation using Landmark Based Localization in a GPS-denied Environment
Department of Computer Science(计算机科学系);Missouri University of Science and Technology(密苏里科学与技术大学)
针对GPS拒止战场环境,本文提出结合地标定位、战场运动模型与EKF的LanBLoc-BMM,并基于RAw-RRT*构建两种SafeNav方法,实现更精确、低风险且高效的安全导航。
2025-05-13 cs.AI cs.RO
Using simulation to design an MPC policy for field navigation using GPS sensing
University of Wisconsin-Madison(威斯康星大学麦迪逊分校);California State University-Los Angeles(加州州立大学洛杉矶分校)
本文利用Chrono仿真引擎与ART测试平台开发基于GPS和EKF状态估计的MPC野外导航控制策略,并通过孪生车辆实测验证了Sim2Real的可迁移性。
2023-04-18 cs.RO cs.SY eess.SY
Automated Data Curation Using GPS & NLP to Generate Instruction-Action Pairs for Autonomous Vehicle Vision-Language Navigation Datasets
Machine Intelligence, Interaction, and Imagination (Mi 3 ) Laboratory(机器智能、交互与想象(Mi 3)实验室);University of California, Merced(加州大学默塞德分校)
本文提出利用GPS语音指令与NLP自动生成自动驾驶指令-动作数据对,并构建ADVLAT-Engine原型系统,以低成本高效扩展高质量VLA训练数据集。
2025-05-06 cs.CV cs.LG cs.RO
Virtual Testbed for Monocular Visual Navigation of Small Unmanned Aircraft Systems
Air Force Institute of Technology(空军理工学院)
单目视觉导航方法在过去十年中取得了重大进展,最近产生了几种实时解决方案,用于自主导航小型无人驾驶飞机系统,而无需依赖GPS。这对于可能涉及GPS信号降级或拒绝的环境的军事行动至关重要。然而,测试和比较视觉导航算法仍然是一个挑战,因为视觉数据是昂贵的收集。在进行户外测试之前,在虚拟环境中进行飞行测试是一个有吸引力的解决方案。这项工作提出了一个虚拟的测试平台进行模拟飞行测试,在现实世界的地形和分析的实时性能的视觉导航算法在31赫兹。创建该工具的目的是最终找到一种视觉里程计算法,该算法适用于在固定翼飞机上进一步进行GPS拒绝导航研究,尽管所有算法都是为其他模态设计的。该测试平台用于在固定翼平台上评估三种当前最先进的开源单眼视觉里程计算法:直接稀疏里程计、半直接视觉里程计和ORB-SLAM 2(禁用环路闭合)。
2020-07-01 cs.CV cs.RO
GPS-IMU Sensor Fusion for Reliable Autonomous Vehicle Position Estimation
Mississippi State University(密西西比州立大学)
针对GPS在城市峡谷等环境信号衰减、IMU存在累积漂移的问题,提出基于无迹卡尔曼滤波的GPS-IMU传感器融合方法,经KITTI数据集验证可显著降低各轴定位误差,提升自动驾驶导航可靠性。
2024-05-13 cs.CV cs.RO cs.SY
Learning Navigation by Visual Localization and Trajectory Prediction
Institute of Mathematics of the Romanian Academy(罗马尼亚科学院数学研究所);Faculty of Automatic Control and Computers, University Politehnica of Bucharest(布加勒斯特理工大学自动控制与计算机学院)
在驾驶时,人们根据当前的交通状况以及他们想要的路线做出决定。他们有一张已知路线的心理地图,并且通常能够在不需要指示的情况下导航。目前的自动驾驶模型在使用额外的GPS信息时提高了性能。在这里,我们的目标是推进自动驾驶研究,即使在没有GPS的情况下也能进行路线规划。我们的系统学习实时预测车辆的当前位置和未来轨迹,作为时间的函数,在已知的地图上,仅给出原始视频流和预定目的地。GPS信号仅在训练时可用,训练数据注释是全自动的。与其他已发表的模型不同,我们预测车辆的轨迹长达7秒,从整个时间跨度可以得出完整的转向,速度和加速度信息。轨迹在多个层面上捕获导航信息,从取决于当前交通和前方障碍物的即时转向命令,到朝向特定目的地的长期导航决策。我们使用普通汽车和记录视频和GPS流的智能手机收集数据集。GPS数据用于导出地面实况监督标签,并创建遍历地图的分析表示。在测试中,我们的系统在视觉定位和转向方面优于已发表的方法,并在任何两个已知位置之间提供准确的导航帮助。
2019-10-07 cs.CV cs.LG cs.RO
Fleet-To-Lab: A Transfer Learning Framework For Lunar Rover Slippage Estimation Via Model Fusion
University of Luxembourg(卢森堡大学)
针对月球车滑移估计中地月数据域差异问题,提出Fleet-to-Lab迁移学习框架,通过AcoMerge混合群体智能算法融合异构专家模型,在高保真模拟中提升平衡准确率与宏F1,为数据稀缺场景提供有效方案。
2026-09-16 cs.RO
GPS-Denied Navigation Using Low-Cost Inertial Sensors and Recurrent Neural Networks
Cairo University(开罗大学)
无人机的自主任务需要对无人机的姿态、速度和位置进行连续可靠的估计。传统上,通过将扩展卡尔曼滤波器(EKF)应用于加速度计、陀螺仪、气压计、磁力计和GPS测量来估计这些状态。当GPS信号丢失时,位置和速度估计会迅速恶化,特别是在使用低成本惯性传感器时。本文提出了一种估计方法,使用递归神经网络(RNN),允许可靠的估计无人机的位置和速度在没有GPS信号。RNN是在使用Pixhawk收集的公共数据集上训练的。这种低成本的商业自动驾驶仪记录原始传感器测量(网络输入)和相应的EKF估计(地面实况输出)。该数据集由548个不同的飞行日志组成,飞行时间从4分钟到32分钟不等。培训使用了465次飞行,共计45小时。其余83次飞行共计8小时,等待验证。单次飞行中的误差被认为是RNN预测(没有GPS)和地面实况(EKF与GPS)之间的3D位置(MPE)的最大绝对差。在验证集上,中值MPE为35米。使用所提出的方法可以在5分钟的飞行中实现低至2.7米的MPE值。90%的验证飞行的MPE在166米以下。该网络进行了实验测试,并实时工作。
2021-09-10 cs.RO cs.SY eess.SP
ShadowNav: Crater-Based Localization for Nighttime and Permanently Shadowed Region Lunar Navigation
Jet Propulsion Laboratory(喷气推进实验室);California Institute of Technology(加州理工学院)
人们对每天行驶的距离比目前长得多的特派团越来越感兴趣。此外,其中一些拟议的任务需要在黑暗中自动驾驶和绝对定位。例如,耐力A任务计划在夜间行驶1200公里。在这种飞行任务中缺乏自然光,限制了可用作视觉地标的东西和可观察地标的范围。为了使行星漫游车穿越长距离,车载绝对定位对于漫游车保持其计划轨迹并避开已知危险区域的能力至关重要。目前,为了实现绝对定位,执行地面回路(GITL)操作,其中人类操作员将本地地图或来自机载的图像与轨道图像和地图进行匹配。这种GITL操作将一天可以行驶的距离限制在几百米,这是漫游车可以通过相对方法保持可接受的定位误差的距离。以前的工作表明,使用陨石坑作为地标是一种很有前途的方法,可以在白天对月球进行绝对定位。在这项工作中,我们提出了一种绝对定位的方法,利用陨石坑作为地标和匹配检测到的陨石坑边缘的表面上与已知的陨石坑在轨道图。我们专注于定位方法的基础上的感知系统,其中有一个外部照明和立体相机。我们评估(1)基于单目和立体的表面陨石坑边缘检测技术,(2)最佳定位的陨石坑边缘匹配评分方法,(3)在夜间模拟月球表面图像上的定位性能。我们证明,这种技术显示出的承诺,为保持绝对定位误差小于10米所需的大多数行星漫游任务。
2023-01-11 cs.CV cs.RO
An Attention-Based Deep Learning Architecture for Real-Time Monocular Visual Odometry: Applications to GPS-free Drone Navigation
Polytechnique Montreal(蒙特利尔理工学院)
本文提出一种结合CNN、LSTM与多头注意力模块的实时单目视觉里程计深度学习架构,用于无GPS无人机导航,相比传统RNN模型收敛更快且显著降低了轨迹误差。
2024-04-27 cs.CV cs.LG cs.RO
Spoofing-Resilient LiDAR-GPS Factor Graph Localization with Chimera Authentication
Stanford University(斯坦福大学)
本文提出一种融合 LiDAR 里程计与 GPS 伪距的因子图定位框架,利用卡方检测器在 Chimera 认证间隔内检测并缓解 GPS 欺骗攻击,实验表明标称条件下位置误差低于 5 米,欺骗条件下误差被限制在里程计漂移水平内。
2023-07-10 cs.RO cs.SY eess.SP
NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments
New York University(纽约大学)
NOVA提出一种仅用立体相机和IMU的机载对象中心框架,在目标参考系中融合检测、深度补全、视觉惯性估计与NMPC,并利用控制障碍函数实现避障,在GPS拒止无结构环境中实现超过50 km/h的鲁棒高速目标跟踪。
2025-07-07 cs.AI cs.RO
HD-maps as Prior Information for Globally Consistent Mapping in GPS-denied Environments
KTH Royal Institute of Technology(瑞典皇家理工学院);Nanyang Technological University(南洋理工大学)
提出一种基于LOAM的系统,通过从高精地图提取4DOF位姿先验并集成到位姿图优化中,显著提升了GPS拒止环境下地图的全局一致性与系统鲁棒性。
2024-07-28 cs.RO
Secure Navigation using Landmark-based Localization in a GPS-denied Environment
Missouri University of Science and Technology(密苏里科技大学)
本文提出将基于地标的定位(LanBLoc)与扩展卡尔曼滤波器(EKF)结合,利用安全轨迹和凸包点包含测试实现GPS拒止环境下的安全导航,实验显示纵向误差为6.51%、ADE为2.97米、FDE为3.27米。
2024-02-22 cs.CV cs.LG cs.RO
Optimizing Earth-Moon Transfer and Cislunar Navigation: Integrating Low-Energy Trajectories, AI Techniques and GNSS-R Technologies
Beihang University(北京航空航天大学);Regional Centre for Space Science and Technology Education in Asia & the Pacific (Affiliated to the United Nations) (RCSSTEAP), Hangzhou International Innovation Institute of Beihang University(联合国附属空间科技教育亚太区域中心,北京航空航天大学杭州国际创新研究院)
本文综述了低能量地月转移、人工智能轨迹优化与GNSS-R导航技术的融合方法,提出面向可持续地月探索的可扩展框架。
2025-11-05 astro-ph.EP cs.AI cs.LG
Visual-Thermal Landmarks and Inertial Fusion for Navigation in Degraded Visual Environments
University of Nevada, Reno(内华达大学雷诺分校)
随着航空机器人应用领域的不断扩大,包括许多关键任务,如灾难响应行动,搜索和救援任务以及在GPS拒绝环境中进行的基础设施检查,对航空机器人可靠自主操作的需求变得至关重要。在GPS无法覆盖的地区,空中机器人依靠大量的传感器来定位和导航。可见光谱相机是最常用的传感器,因为它们的成本低,重量轻。然而,在视觉退化的环境中,诸如在照明差、低纹理或存在包括雾、烟和灰尘的遮蔽物的条件下,可见光相机的可靠性显著恶化。然而,在这种条件下保持可靠的机器人导航是必不可少的。与可见光摄像机相比,热成像摄像机在红外光谱中提供可见度,并且可以与可见光谱摄像机以互补的方式用于机器人定位和导航任务,而无需支付通常与携带其他传感器相关的显著重量和功率损失。利用这一事实,在这项工作中,我们提出了一个多传感器融合算法,在GPS拒绝和退化的视觉环境中可靠的里程估计。所提出的方法利用来自可见光和热光谱的信息进行地标选择,并基于空间熵度量从信息图像区域优先进行特征提取。此外,惯性感测线索被集成以提高里程估计过程的鲁棒性。为了验证我们的解决方案,在a)昏暗的车间式工业环境以及b)存在重空气尘埃的黑暗地下矿井中进行了一系列具有挑战性的实验。
2019-03-05 cs.CV 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
Semantic Segmentation and Depth Estimation for Real-Time Lunar Surface Mapping Using 3D Gaussian Splatting
Department of Aeronautics and Astronautics(航空航天系)
本文提出一种实时制图框架,结合密集感知模型与3D高斯溅射表示,在挑战性环境下实现高精度月球表面制图。
2026-03-18 cs.CV cs.RO
Towards bio-inspired unsupervised representation learning for indoor aerial navigation
Ghent University(根特大学);imec(微电子研究中心)
在没有GPS的室内环境中进行空中导航仍然是一个公开的挑战。无人机可以从更丰富的视角感知环境,同时具有比其他自主平台更严格的计算和能源约束。为了解决这个问题,这项研究展示了一种生物启发的深度学习算法,用于同时定位与地图构建(SLAM)及其在无人机导航系统中的应用。我们提出了一种无监督的表示学习方法,产生低维的潜在状态描述符,减轻感知混淆的敏感性,并在节能,嵌入式硬件上工作。在室内仓库环境中收集的数据集上对所设计的算法进行了评估,初步结果表明了鲁棒室内空中导航的可行性。
2021-06-17 cs.AI cs.RO
Toward Underground Localization: Lidar Inertial Odometry Enabled Aerial Robot Navigation
Nanyang Technological University(南洋理工大学);Institute for Infocomm Research, A-STAR(新加坡科技研究局资讯通信研究院)
定位可以通过不同的传感器和技术来实现,例如全球定位系统(GPS)、WiFi、超声波传感器和相机。在本文中,我们专注于基于激光的定位方法,无人机(UAV)的应用在GPS拒绝的环境,如深隧道系统。除了用于平面轴的低成本2D激光雷达之外,用于垂直轴的单轴激光雷达以及惯性测量单元(IMU)设备用于提高定位性能的可靠性和准确性。我们提出了一个比较分析的三个选定的基于激光的同时定位与地图构建(SLAM)的方法:(i)赫克托SLAM;(ii)Gmapping;(iii)制图。这些算法已经实现,并通过真实世界的实验进行测试。将结果与地面实况数据进行比较,并且实验可在https://youtu.be/kQc3mJjw_mw上获得。
2019-10-29 cs.RO cs.SY eess.SY
Lunar Rover Localization Using Craters as Landmarks
Jet Propulsion Laboratory, California Institute of Technology(加州理工学院喷气推进实验室)
迄今为止,行星漫游车的机载定位能力已经使用相对导航,通过在每次驱动期间集成车轮里程计、视觉里程计和惯性测量的组合来跟踪相对于每次驱动开始的位置。在每次驱动结束时,地面在环(GITL)交互用于在更全球的参考系中从人类操作员获得位置更新,方法是将漫游车上的图像或本地地图与轨道侦察图像或漫游车当前位置周围大区域的地图进行匹配。自主流动站驱动器的距离有限,因此累积的相对导航误差不会使流动站有可能驶入轨道图像中已知的危险。然而,最近研究了几个漫游者任务概念,这些概念需要在GITL周期之间进行更长的驱动,特别是对于月球。这些概念需要更大的自主权,以最大限度地减少GITL周期,从而实现如此大的范围;机载全球本地化是这种自主权的关键要素。过去已经研究了多种车载火星车全球定位技术,但尚未出现令人满意的解决方案。对于月球来说,无处不在的陨石坑提供了一种新的可能性,这涉及到从轨道上绘制陨石坑,然后用相机和/或探测器上的激光雷达识别陨石坑地标。这种方法适用于月球上的任何地方,不需要像其他一些方法那样从轨道上进行高分辨率立体成像,并且有可能在任何时候都能以5到10米的精度获得位置信息。本文介绍了我们的技术方法,以火山口为基础的月球车定位,并提出了初步的结果,火山口检测使用3D点云数据从机载激光雷达或立体相机,以及使用单目机载图像的阴影线索。
2022-03-18 cs.AI cs.CV cs.LG
ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints
UC Berkeley(加州大学伯克利分校)
机器人导航已经被视为一个3D重建和规划问题,以及一个端到端的学习问题。然而,远程导航需要关于局部可通行性的规划与推理,以及能够利用关于全球地理的一般知识,其形式为路线图、GPS或提供重要线索的其他辅助信息。在这项工作中,我们提出了一种方法,集成了学习和规划,并可以利用边信息,如示意性路线图,卫星地图和GPS坐标作为规划启发式,而不依赖于他们是准确的。我们的方法,ViKiNG,结合了一个本地可通行性模型,它着眼于机器人的当前摄像头观察和一个潜在的子目标,以推断子目标可以多么容易地达到,以及一个启发式模型,它着眼于开销地图的提示,并试图评估这些子目标的适当性,以达到目标。启发式规划器使用这些模型来确定到达最终目的地的最佳航路点。我们的方法不进行显式的几何重建,只利用环境的拓扑表示。尽管在其训练数据集中从未见过超过80米的轨迹,但ViKiNG可以利用其基于图像的学习控制器和目标导向启发式算法,在以前看不见的环境中导航到3公里外的目标,并表现出复杂的行为,例如探测潜在路径和在发现不可行时回溯。ViKiNG对不可靠的地图和GPS也是鲁棒的,因为底层控制器最终基于以自我为中心的图像观察做出决策,仅使用地图作为规划工具。有关我们实验的视频,请查看我们的项目页面https://sites.google.com/view/viking-release。
2023-01-10 cs.AI cs.LG cs.RO