Bayesian Optimization for Fast Radio Mapping and Localization with an Autonomous Aerial Drone
School of Electrical;Computer Engineering, University of Georgia, Athens, GA, USA
本文提出一种利用高斯过程进行无线电信号估计并结合贝叶斯优化进行无人机自主导航引导的算法,通过仿真与飞行实验验证其在窄带频谱共享下构建无线电地图与定位的有效性。
2024-07-27 cs.NI cs.RO
LLM-Drone: Aerial Additive Manufacturing with Drones Planned Using Large Language Models
Carnegie Mellon University(卡内基梅隆大学)
针对传统增材制造难以适配复杂环境、无人机增材制造精度不足的问题,研究提出LLM-Drone系统,结合大语言模型的语义规划与反馈纠错能力,实现仅靠文本提示即可完成无人机航空增材制造,建造精度达90%。
2025-03-21 cs.RO
SCALOFT: An Initial Approach for Situation Coverage-Based Safety Analysis of an Autonomous Aerial Drone in a Mine Environment
University of York(约克大学)
本文提出测试方法SCALOFT,通过开发测试用例、实时监控和检测安全违规来评估矿井中自主无人机的安全性,并通过引入种子故障验证了其有效性。
2025-05-27 cs.RO
Some Problems of Deployment and Navigation of Civilian Aerial Drones
University of New South Wales(新南威尔士大学)
最大的挑战之一是确定无人机的部署和导航,以使其在不同的应用中受益最大。许多研究问题已经提出了关于这个主题。例如,无人机支持的野生动物监测近年来备受关注。不幸的是,这种方法对不同种类的野生动物造成了严重的干扰。此外,由于能够在需要时将通信供应迅速转向需求,配备有基站的无人机,即,无人机蜂窝正在成为向受灾地区的受害者和救援队提供蜂窝网络的一个有前途的解决方案。然而,很少有研究调查了有限回程通信距离的多个无人机小区的最佳部署。此外,使用自主无人机作为许多现实生活应用的飞行交互器尚未得到充分讨论。凭借卓越的机动性,无人机自主空中互动可能用于预防鲨鱼袭击和动物放牧。尽管如此,以前对自主无人机的研究并没有详细讨论这些应用。本报告探讨了所有上述研究问题的解决方案,特别关注无人机的部署和导航。仿真结果验证了所提方法的有效性。我们相信,我们在这份报告中的发现为自主民用无人机的基本好处提供了新的启示。
2021-06-24 cs.RO cs.SY eess.SY
A Modular Continuum Manipulator for Aerial Manipulation and Perching
Stevens Institute of Technology(史蒂文斯理工学院)
大多数的空中机械手采用串联刚性连杆设计,这会导致在操作过程中初始接触时产生很大的力,并可能导致飞行稳定性困难。这种限制可能会得到改善的连续操作器的遵守。为了实现这一目标,我们提出了一种新颖的设计,紧凑,轻便,模块化的电缆驱动的连续操作器的航空无人机。然后,我们推导出一个完整的建模框架,其运动学,静力学和刚度(遵守)。该框架是必不可少的机械手集成到空中无人机。最后,我们报告的硬件原型的初步实验验证,其操作的可行性提供见解。未来的工作包括集成和测试所提出的连续机械手与空中无人机。
2022-06-13 cs.RO
Segmentation of Drone Collision Hazards in Airborne RADAR Point Clouds Using PointNet
针对无人机超视距作业的态势感知需求,提出基于PointNet的机载雷达点云端到端语义分割方法,可同时识别五类碰撞危险,准确率达94%,为安全BVLOS作业提供支持。
2023-11-06 cs.CV cs.RO
Bumper Drone: Elastic Morphology Design for Aerial Physical Interaction
University of Bristol(布里斯托大学);School of Engineering Mathematics and Technology(工程数学与技术学院);School of Civil, Aerospace and Design Engineering(土木、航空航天与设计工程学院);Department of Aeronautics(航空系);Laboratory of Sustainability Robotics, EMPA(可持续机器人实验室,EMPA)
Bumper Drone通过弹性结构实现稳定的空中物理交互,减少pitch振荡并提升环境接触的稳定性与操控性。
2026-02-21 cs.RO
A Novel Potential Field Controller for Use on Aerial Robots
University of Nevada(内华达大学)
无人机(UAV),俗称无人机,在现实世界的应用中有很多潜在的用途。无人机需要先进的规划和导航算法,使它们能够安全地移动并与周围的世界互动。本文提出了一种扩展势场控制器(ePFC),它能使空中机器人安全地跟踪动态目标位置,同时避开路径上的障碍物,比传统的势场控制器(PFC)具有更平滑的跟踪路径和更短的调节时间。利用李雅普诺夫方法对所提出的ePFC的稳定性进行了评估,并在Matlab环境下对其性能进行了仿真。最后,在实验室环境下的实验平台上实现了该控制器,验证了该控制器的有效性。
2017-04-15 cs.RO
DroneWiS: Automated Simulation Testing of small Unmanned Aerial Systems in Realistic Windy Conditions
Saint Louis University(圣路易斯大学)
本文提出DRV 2.0及其新组件DroneWiS,利用计算流体力学模拟现实复杂风况,为小型无人驾驶航空系统提供自动化仿真测试工具,以提升其在真实环境中的可靠性与安全性。
2024-09-25 cs.RO cs.SE
A Progress-Aware Leader-Follower Midair Docking System for Dual-Drone Aerial Manipulation
Department of Computer Science, University College London(计算机科学系,伦敦大学学院)
提出一种进度感知的领航-跟随双四旋翼空中对接平台,通过被动磁锁紧模块和阶段管理器实现可靠对接,并基于定量指标进行仿真与实验评估。
2026-05-28 cs.RO
HoverAI: An Embodied Aerial Agent for Natural Human-Drone Interaction
Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Skolkovo Institute of Science and Technology(斯克尔科沃信息科技研究所)
HoverAI通过结合无人机移动、视觉投影和对话式AI,实现了人-无人机自然交互的具身代理,提升了空间感知与社交响应能力。
2026-01-20 cs.RO
On-board Deep-learning-based Unmanned Aerial Vehicle Fault Cause Detection and Identification
Rutgers University–New Brunswick(罗格斯大学新布朗斯维克分校)
随着无人驾驶飞行器(UAV)/无人机使用的增加,实时检测和识别故障原因对于从潜在的类似坠毁的场景或事故后取证分析中正确恢复非常重要。坠毁的原因可能是传感器/致动器系统的故障,物理损坏/攻击,或对无人机软件的网络攻击。在本文中,我们提出了基于深度卷积和长短期记忆神经网络(CNN和LSTM)的新型架构,以基于传感器数据检测(通过自动编码器)和分类无人机误操作。所提出的架构能够从原始传感器数据中自动学习高级特征,并学习传感器数据中的空间和时间动态。我们通过在真实无人机上的模拟和实验来验证所提出的深度学习架构。实验结果表明,我们的解决方案能够以超过90%的准确率检测并分类各种类型的无人机误操作(准确率约为99%(模拟数据)和高达88%的准确率(实验数据))。
2020-05-06 cs.CV cs.LG cs.RO
Aerobat, A Bioinspired Drone to Test High-DOF Actuation and Embodied Aerial Locomotion
California Institute of Technology(加州理工学院);Northeastern University(东北大学)
这项工作提出了一个驱动框架的仿生扑翼无人机称为Aerobat。这款无人机拥有14个身体关节,能够产生动态多功能的机翼构型,并且没有尾翼。因此,在我们的机器人中,与开环稳定且没有明显变形特性的主流扑翼设计不同,驱动和闭环反馈设计可能会带来重大挑战。我们提出了一个框架的基础上集成机械智能和控制。在这种设计框架中,由几个称为引物的微小低功率致动器领导的小调整可以产生重要的飞行控制作用,这是由于机器人的计算结构。由于它们重量轻得令人难以置信,该系统可以容纳大量引物。在这项工作中,我们的目的是显示在Aerobat的无绳系飞行关节的运动调节的可行性。
2022-12-10 cs.RO cs.SY eess.SY
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
Drones Guiding Drones: Cooperative Navigation of a Less-Equipped Micro Aerial Vehicle in Cluttered Environments
Multi-robot Systems Group, Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague(多机器人系统组,控制系,电气工程系,捷克技术大学)
本文提出一种协同导航框架,由主无人机携带重传感器构建地图并规划路径,引导装备较少的次级无人机在杂乱GNSS拒止环境中自主导航,通过真实实验验证了其有效性。
2025-05-27 cs.RO
Integrated Motion Planner for Real-time Aerial Videography with a Drone in a Dense Environment
Seoul National University(首尔大学)
这封信提出了一种集成的方法,无人机(或多旋翼)通过跟随移动物体在3-D障碍环境中执行自主摄像任务。所提出的系统包括:1)可以应用于密集环境的目标运动预测模块和2)基于所提出的可见性度量的分层追逐规划器。在预测模块中,假设目标物体本身不与障碍物碰撞,我们将观测误差最小化。利用协变优化方法得到目标未来轨迹的估计。另一个模块是追踪规划器,它是由预规划器和平滑规划器组成的双层结构。在第一阶段,我们利用图搜索方法预先规划一个追逐走廊,其中包括在一个时间窗口内的目标的安全性和可见性。在随后的阶段中,我们使用二次规划(QP)在走廊内生成一条平滑且动态可行的路径。我们验证了我们的方法与多个复杂的场景和实际实验。源代码可以在https://github.com/icsl-Jeon/traj_gen_vis中找到
2019-11-21 cs.RO
EmergencyNet: Efficient Aerial Image Classification for Drone-Based Emergency Monitoring Using Atrous Convolutional Feature Fusion
KIOS Research and Innovation Center of Excellence(KIOS研究与创新卓越中心);University of Cyprus(塞浦路斯大学)
基于深度学习的算法可以为无人驾驶飞行器(UAV)/无人机等遥感技术提供最先进的准确性,从而可能增强其在许多应急响应和灾害管理应用中的遥感能力。特别是,配备相机传感器的无人机可以在偏远且难以进入的受灾地区运行,分析图像并在存在各种灾害(如倒塌的建筑物,洪水或火灾)时发出警报,以便更快地减轻其对环境和人口的影响。然而,深度学习的集成引入了繁重的计算需求,阻止了在许多对推理施加低延迟约束的场景中部署这种深度神经网络,以便实时的做出关键任务决策。为此,本文重点研究了用于应急响应/监测应用的机载无人机的有效空中图像分类。具体来说,一个专门的航空图像数据库的应急响应应用程序的介绍和现有的方法进行比较分析。通过这种分析,提出了一种轻量级的卷积神经网络架构,称为EmergencyNet,基于atrous卷积来处理多分辨率特征,能够在低功耗嵌入式平台上高效运行,与现有模型相比,性能提高20倍,内存需求最小,与最先进的模型相比,精度下降不到1%。
2021-04-28 cs.CV cs.LG cs.RO
FLOAT Drone: A Fully-actuated Coaxial Aerial Robot for Close-Proximity Operations
Zhejiang University(浙江大学)
针对近距离作业中全驱动无人机存在的气动干扰与尺寸过大问题,提出具有控制面与共轴双旋翼创新的FLOAT Drone,实现紧凑高效并验证其作业能力。
2026-09-14 cs.AI cs.RO
SPIBOT: A Drone-Tethered Mobile Gripper for Robust Aerial Object Retrieval in Dynamic Environments
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
针对动态环境中无人机空中抓取重物易被螺旋桨气流吹走的难题,提出系留式六足移动夹爪系统SPIBOT,通过实时动作选择算法在多种地形上实现了稳健的1kg目标自主抓取。
2025-03-06 cs.RO
LRDDv2: Enhanced Long-Range Drone Detection Dataset with Range Information and Comprehensive Real-World Challenges
Department of Electrical and Computer Engineering, Drexel University(电子工程系,德雷塞尔大学)
本文介绍LRDDv2数据集,包含39,516张标注图像,其中超8,000张含距离信息,专为远程小目标无人机检测与距离估计设计,增强现实挑战多样性。
2025-08-05 cs.CV cs.RO
AeRove: A Compact Bimodal Aerial-Terrestrial Drone with Rapid Bistable Reconfiguration for Close-Range Pipeline Inspection
New Jersey Institute of Technology(新泽西理工学院)
针对标准无人机近距离管道检测的悬停功耗高、气流敏感等问题,提出紧凑双模态空地机器人AeRove,利用螺旋桨护罩作轮并采用双稳态机构实现200毫秒快速重构,电流消耗降低14倍,实现高效管道巡检与气体检测。
2026-09-21 cs.RO
Autonomous drone cinematographer: Using artistic principles to create smooth, safe, occlusion-free trajectories for aerial filming
Carnegie Mellon University(卡内基梅隆大学);Yamaha Motor Co., Ltd.(雅马哈发动机株式会社)
自主空中摄影有可能在不需要人工干预的情况下自动捕获美观的视频,使个人拥有高端电影制片厂的能力。当前的方法要么只处理离线轨迹生成,要么提供在短时间范围内推理的策略和对障碍物的简单表示,这导致运动不稳定和现实生活中的适用性低。在这项工作中,我们开发了一种空中拍摄的方法,能够权衡拍摄平滑度,遮挡,和摄影指导方针的原则性的方式,即使在嘈杂的演员预测。我们提出了一种新的实时协变梯度下降算法,我们使用它来有效地找到所需的轨迹,通过优化一组成本函数。实验结果表明,我们的方法创建有吸引力的镜头,避免障碍物和遮挡65次超过1.25小时的飞行时间,重新规划在5 Hz与10 s的时间范围。我们使用不同的镜头类型,强劲地拍摄人类演员,汽车和自行车在障碍物之间进行不同的运动。
2018-08-28 cs.AI cs.RO
Experimental Analysis of Quadcopter Drone Hover Constraints for Localization Improvements
West Virginia University(西弗吉尼亚大学)
本文研究在地面机器人与无人机多传感器融合定位中引入无人机悬停约束,利用自动驾驶仪控制指令对速度状态施加约束,并通过增量因子图优化和运动捕捉实验验证其能有效提升无人机定位性能。
2025-04-10 cs.RO
Unmanned Aerial Vehicle Control Through Domain-based Automatic Speech Recognition
Universidad Central de Chile(智利中央大学);Universidade de Pernambuco(伯南布哥大学);Deakin University(迪肯大学)
目前,无人机等无人驾驶飞行器正在成为我们生活的一部分,并深入到社会的许多领域,包括工业化世界。控制无人机的移动和动作的常见替代方案是通过无线触觉接口,可以找到不同的遥控设备。然而,通过此类设备进行控制并不是一种自然的、类似人类的通信接口,有时对某些用户来说很难掌握。在这项工作中,我们提出了一个基于域的语音识别架构,以有效地控制无人驾驶飞机,如无人机。无人机控制是使用更自然、更人性化的方式来传达指令。此外,我们实现了一种使用西班牙语和英语语言进行命令解释的算法,以及在模拟的家庭环境中控制无人机的运动。进行的实验涉及参与者以两种语言向无人机发出语音命令,以比较每种语言的有效性,同时考虑实验参与者的母语。此外,不同程度的失真已被应用到语音命令,以测试所提出的方法时,面对嘈杂的输入信号。所获得的结果表明,无人驾驶飞行器能够解释用户语音指令,与仅使用基于云的算法而不使用基于域的指令相比,当使用音素匹配时,实现两种语言的语音到动作识别的改进。使用原始音频输入,基于云的方法对英语和西班牙语指令的准确率分别达到74.81%和97.04%,而使用我们的音素匹配方法,结果得到改善,对英语和西班牙语的准确率分别达到93.33%和100.00%。
2020-09-09 cs.AI cs.RO
Enhancing Drone Light Shows Performances: Optimal Allocation and Trajectories for Swarm Drone Formations
Aerospace Engineering Department, Faculty of Aeronautics and Astronautics, Kocaeli University(航空航天工程系,航空航天学院,科伊亚利大学);Interdisciplinary Research Centre for Aviation and Space Exploration (IRC-ASE), KFUPM(航空与航天探索交叉研究中心(IRC-ASE),国王费萨尔大学)
本文提出统一分配与轨迹生成框架,解决大规模无人机编队的最优分配与无碰撞轨迹生成问题,实现高效、流畅的灯光表演。
2026-03-25 cs.RO
Deep-Learning-based Automated Palm Tree Counting and Geolocation in Large Farms from Aerial Geotagged Images
Prince Sultan University(苏丹王子大学);CISTER, INESC-TEC, ISEP, Polytechnic Institute of Porto(波尔图理工学院ISEP的INESC-TEC旗下CISTER(注:因原文为层级关联机构,按要求提取到学院/研究院级别,整合为:波尔图理工学院)
在本文中,我们提出了一个深度学习框架,用于使用卷积神经网络从航空图像中自动计数和地理定位棕榈树。为此,我们使用DJI无人机在沙特阿拉伯利雅得的Kharj地区的棕榈树农场收集了航空图像,并建立了一个包含约10,000棵棕榈树的数据集。然后,我们使用最先进的Faster R-CNN算法开发了一个卷积神经网络模型。此外,使用航空影像的地理标记的元数据,我们使用摄影测量的概念和距离校正来自动检测检测到的棕榈树的地理位置。这种地理定位技术在两种不同类型的无人机(DJI Mavic Pro和Phantom 4 Pro)上进行了测试,并被评估为提供平均2.8米的地理定位精度。这种GPS标记使我们能够从一系列无人机图像中唯一识别棕榈树并计算它们的数量,同时正确处理图像重叠的问题。此外,它可以推广到无人机图像中的任何其他对象的地理定位。
2020-05-11 cs.CV cs.LG cs.RO
A Cooperative Aerial System of A Payload Drone Equipped with Dexterous Rappelling End Droid for Cluttered Space Pickup
School of Aerospace Science and Engineering, Beihang University(北京航空航天大学航空航天科学与工程学院);Hangzhou International Innovation Institute of Beihang University(北京航空航天大学杭州国际创新研究院);Institute of Unmanned System, Beihang University(北京航空航天大学无人系统研究院);Tianmushan Laboratory(天门山实验室)
针对杂乱空间缆绳易缠绕问题,提出载荷无人机与灵巧垂降末端机器人协作系统,通过轨迹优化和缆绳动力学模型实现安全拾取,仿真与实验验证了有效性。
2025-05-26 cs.RO cs.SY eess.SY
Optimized Deployment of Unmanned Aerial Vehicles for Wildfire Detection and Monitoring
Chongqing University(重庆大学)
近年来,野火的增加对全球森林资源造成了不可逆转的破坏,威胁到野生动物和人类的生活条件。缺乏实时准确的前线信息可能会给消防员带来巨大风险。虽然已经开发了大量的机器学习算法来使用无人机捕获的空中图像和视频检测野火,但缺乏与无人机部署相对应的方法。我们提出了一个野火快速响应系统,优化无人机的数量和相对位置,以实现整个野火区域的全覆盖。通过对历史野火事件的数据进行训练,我们的模型评估了不同规模野火的可能性,并相应地分配了资源。该方法采用平面几何的方法进行无人机的部署,同时利用不等式约束非线性规划方法进行能力和安全的平衡。该方法能灵活适应不同地形和野火面积的动态扩展。最后,可以在部署完成后评估极端野火情况下的运营成本。我们将我们的模型应用于从澳大利亚维多利亚州东部收集的野火数据,并展示了其在现实世界中的巨大潜力。
2021-11-21 cs.RO math.OC
Motion Control in Multi-Rotor Aerial Robots Using Deep Reinforcement Learning
University of Luxembourg(卢森堡大学);Bonn-Rhein-Sieg University of Applied Sciences(波恩-莱茵-锡格应用科学大学)
针对增材制造(AM)中多旋翼无人机在载荷变化和干扰下的运动控制挑战,提出深度强化学习(DRL)框架,通过课程学习比较DDPG与TD3算法,发现TD3在训练稳定性、精度和成功率上表现更优,为AM中无人机自主控制提供可扩展路径。
2025-04-14 cs.AI cs.RO
Pose2Drone: A Skeleton-Pose-based Framework for Human-Drone Interaction
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
无人机已成为一种常见的工具,用于许多任务,如航空摄影,监视和交付。然而,操作无人机需要与用户进行越来越多的互动。一种自然安全的人机交互(HDI)方法是使用手势。在本文中,我们介绍了一个HDI框架的基础上,基于codeon的姿态估计。我们的框架提供了通过简单的手臂手势控制无人机移动的功能,并在保持安全距离的同时跟随用户。我们还提出了一种单目距离估计方法,该方法完全基于图像特征,不需要任何额外的深度传感器。为了进行全面的实验和定量分析,我们创建了一个定制的测试数据集。实验结果表明,该框架对11种常见手势的识别率平均达到93.5%.该代码可从以下网址获得:https://github.com/Zrrr1997/Pose2Drone
2021-05-28 cs.CV cs.RO
Automated Cinematography with Unmanned Aerial Vehicles
Technicolor France(法国特艺集团)
无人机的兴起及其在电影业中的日益广泛的使用要求创造专用工具。虽然有一系列技术可以自动控制无人机用于各种应用,但没有人考虑过实时产生电影摄影机运动的问题。在本文中,我们提出了我们的无人机导航自主电影摄影的方法。这项研究的贡献是双重的:(i)我们适应虚拟摄像机控制技术无人机导航;(ii)我们引入了一个独立于无人机的平台,用于集成电影摄影知识的高级用户交互。本文中提出的结果表明,我们的工具捕捉现场电影场景,涉及一个或两个移动的演员的能力。
2017-12-12 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
Drone Soccer: Learning to Manipulate with Multicopter Downwash
Carnegie Mellon University(卡内基梅隆大学);Pennsylvania State University(宾夕法尼亚州立大学)
本研究提出利用多旋翼下洗流进行操控,设计无人机足球任务,通过简化动力学模型训练强化学习策略实现运球,并成功迁移至真实世界。
2026-10-01 cs.RO
aerial-autonomy-stack -- a Faster-than-real-time, Autopilot-agnostic, ROS2 Framework to Simulate and Deploy Perception-based Drones
National Research Council Canada(加拿大国家研究理事会)
本文提出空域自主栈,一个基于ROS2的开源框架,支持快速模拟和部署基于感知的无人机系统,通过统一接口支持PX4和ArduPilot,实现20倍于实时的仿真速度,缩短开发测试周期。
2026-05-02 cs.AI cs.RO cs.SE
Wireless Network Demands of Data Products from Small Uncrewed Aerial Systems at Hurricane Ian
Texas A&M University(得克萨斯农工大学);Florida State University(佛罗里达州立大学)
本研究基于飓风伊恩的无人机数据,量化了灾害响应中无线网络需求,提出五因素模型,为无人机设计和通信发展提供指导。
2023-09-05 cs.NI cs.RO
A Survey of Medical Drones from Flight Dynamics, Guidance, Navigation, and Control Perspectives
Department of Mechanical Engineering, Texas Tech University(机械工程系,得克萨斯理工大学)
本文从飞行动力学、导航与控制角度综述医疗无人机,探讨任务需求、载具设计、GNC算法及优化方向。
2026-01-05 cs.RO
anafi_ros: from Off-the-Shelf Drones to Research Platforms
Nanyang Technological University(南洋理工大学)
现成的无人机操作简单,易于维护空中系统。然而,由于专有的飞行软件,这些无人机通常不提供任何开源接口,使它们能够在研究或教学中自主飞行。这项工作介绍了一个用于ROS1和ROS2的软件包,用于与Parrot ANAFI家族的现成无人机进行直接接口。开发的ROS包与硬件无关,允许无缝连接到所有四种支持的无人机模型。该框架可以轻松连接到同一地面站的单个无人机或一组无人机。开发的软件包在无人机能力的极限下进行了密集测试,并进行了精心记录,以方便全球其他研究小组使用。
2023-03-03 cs.RO
Detecting and avoiding frontal obstacles from monocular camera for micro unmanned aerial vehicles
Heriot Watt University(赫瑞瓦特大学)
在文献中,有几种方法试图使无人机自主飞行,即,通过提取诸如直线的透视线索。然而,它只适用于定义良好的人造环境,除了许多其他线索,需要足够的纹理信息。我们的主要目标是检测和避免正面障碍物从单目摄像机使用四旋翼Ar.无人机2通过利用光流作为运动视差,无人机被允许以1 m/s的速度飞行,高度范围从地面以上1至4米。由于光流具有一定的局限性,即受光照条件和孔径的影响,因此探测和避开前方障碍物是一个非常具有挑战性的问题。
2016-04-03 cs.RO
Qualitative and Quantitative Risk Analysis and Safety Assessment of Unmanned Aerial Vehicles Missions over the Internet
Jinan University(暨南大学);University of Tunis El Manar(突尼斯马纳尔大学);National Institute of Applied Sciences and Technology, University of Carthage(迦太基大学应用科学与技术国家研究所);Prince Sultan University(苏丹王子大学);CISTER/INESC TEC;ISEP-IPP(波尔图理工学院工程学院);National School of Electronics and Telecommunication(国立电子与电信学院)
在过去的几年里,无人机(UAV)作为一种新兴技术正在进行一场革命,在军事,民用和商业领域有许多不同的应用。自主无人机的出现带来了严峻的挑战,包括如何在执行任务期间保持其安全运行。无人机的安全操作仍然是一个开放且敏感的问题,因为无人机的任何意外行为或任何危险都将导致可能非常严重的潜在风险。这项工作背后的动机是提出一种方法,用于通过互联网{(无人机互联网(IoD))}保证无人机的安全。将使用两种方法进行安全性分析:(1)定性安全性分析方法,和(2)定量安全性分析方法。第一种方法使用国际安全标准,即ISO 12100和ISO 13849,通过侧重于定性评估技术来评估无人机任务的安全性。该方法从危险识别、风险评估、风险缓解开始,最后得出与无人机交付用例相关的安全建议。第二种方法提出了一种使用贝叶斯网络(BN)进行概率建模的定量安全评估方法。BN利用第一种方法提供的信息对与无人机飞行相关的安全风险进行建模。一个说明性的无人机坠毁的情况下,作为一个案例研究,其次是情景分析,以证明所提出的方法的适用性。这两种定性和定量分析使{所有相关利益相关者}能够检测、探索和解决无人机飞行的风险,这将有助于行业更好地管理无人机的安全问题。
2019-04-20 cs.CY cs.RO
Agile Formation Control of Drone Flocking Enhanced with Active Vision-based Relative Localization
Shanghai Jiao Tong University(上海交通大学)
基于视觉的相对定位方法可以为机群的协作提供有效的反馈,在以往的工作中得到了广泛的研究。然而,有限的视场(FOV)固有地限制了其性能。针对这一问题,本文提出了一种新的分布式主动视觉相对定位框架,并将其应用于机群编队控制。受自然界鸟群的启发,我们设计了基于图的注意力规划(GAP)来提高集群中主动视觉的观察质量。然后将主动探测结果与超宽带(UWB)和视觉惯性测距(VIO)的机载测量数据融合,获得实时相对位置,进一步提高了群体的编队控制性能。仿真和实验结果表明,所提出的主动视觉系统优于固定视觉系统的估计和形成精度。
2021-11-15 cs.RO
Decentralized traffic management of autonomous drones
Eötvös University of Budapest(布达佩斯厄特沃什大学);MTA-ELTE Statistical and Biological Physics Research Group(匈牙利科学院-厄特沃什大学统计与生物物理研究组);CollMot Robotics LLC(CollMot机器人有限责任公司)
针对公共空域无人机增长带来的交通协同瓶颈,提出去中心化自组织交通管理算法,具备安全高效可扩展等特性,可适配多场景并经百架无人机实验验证。
2023-12-18 cs.AI cs.MA cs.RO
Towards a Robust Aerial Cinematography Platform: Localizing and Tracking Moving Targets in Unstructured Environments
Carnegie Mellon University(卡内基梅隆大学);University of Washington(华盛顿大学)
无人机在空中摄影中的使用已经彻底改变了一些需要实时和动态摄像机视角的应用和行业,如娱乐,体育和安全。然而,在拍摄移动目标时安全地控制无人机通常需要多个专业的人类操作员;因此需要一个自主的摄影师。目前的方法具有严重的现实限制,例如需要完全脚本化的场景,高精度的运动捕捉系统或GPS标签来定位目标,以及环境的先验地图来避免障碍物和计划遮挡。在这项工作中,我们克服了这些限制,并提出了一个完整的系统,航空电影摄影,结合:(1)基于视觉的目标定位算法;(2)实时增量的3D符号距离地图算法的遮挡和安全计算;和(3)实时相机运动规划,优化平滑度,碰撞,遮挡和艺术准则。我们评估的鲁棒性和实时性能在一系列的现场实验和模拟跟踪动态目标移动通过未知的,非结构化的环境。最后,我们验证,尽管消除了以前的限制,我们的系统达到了最先进的性能。该系统的运行视频可以在https://youtu.be/ZE9MnCVmumc上看到
2019-07-29 cs.CV cs.LG cs.RO
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
Mapping Safe Zones for Co-located Human-UAV Interaction
University of Southampton(南安普顿大学)
本文通过18名参与者的室内实验,研究共处无人机与人的安全距离,发现单机安全距离为300 cm以上,多机需再增加100 cm,并据此绘制禁飞、适度和安全飞行区域地图。
2024-09-03 cs.RO
Towards Affective Drone Swarms: A Preliminary Crowd-Sourced Study
Fordham University(福特汉姆大学)
无人机群是一组自主无人驾驶飞行器,作为一个集体实体。我们对无人机群的人性化感兴趣,让它们具备通过非语言动作对人类用户产生情感影响的能力。受最近观察者如何通过观看舞蹈动作而情感感动的研究结果的启发,我们调查了协调的无人机群运动是否以及如何对普通观众产生情感影响的问题。我们对Amazon Mechanical Turk的初步研究得出了一些有趣的发现,包括有希望的结果和挑战。
2018-05-31 cs.HC cs.RO
SwarmGear: Heterogeneous Swarm of Drones with Reconfigurable Leader Drone and Virtual Impedance Links for Multi-Robot Inspection
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术学院)
本文提出异构无人机集群巡检系统SwarmGear,采用具备柔性腿的领航无人机实现空地协同,并利用虚拟阻抗链路保持编队,实验表明其在复杂环境中具有高运动精度与低跟踪误差。
2023-04-06 cs.RO cs.SY eess.SY
Autonomous Aerial Delivery Vehicles, a Survey of Techniques on how Aerial Package Delivery is Achieved
University of Bath(巴斯大学);Ryerson University(瑞尔森大学)
本综述系统回顾了自主空中配送车辆的技术进展与开放问题,涵盖机械臂与夹爪、动力学建模与控制、动静平台降落、安全风险及无人机与卡车协同路由等关键领域。
2023-08-01 cs.RO cs.SY eess.SY
Machine Learning Based Early Fire Detection System using a Low-Cost Drone
Ankara University(安卡拉大学)
本文提出了一种新的机器学习为基础的森林火灾早期检测系统,在低成本和准确的方式。从而为森林火灾的视觉探测提供了一个新的、明确的视角。无人驾驶飞机就是为此而建造的。系统中的微控制器已经通过深度学习方法的训练进行了编程,无人机已经被赋予了识别烟雾的能力,烟雾是火灾探测的最早迹象。火灾探测中普遍使用的算法的共同问题是高误报率和漏警率。通过额外的监督阶段确认可视化获得的结果将提高系统的可靠性并保证结果的准确性。由于无人机的移动视觉能力,可以从任何角度清晰、连续地控制数据。系统性能进行了验证,在仿真和物理环境中进行实验。
2021-01-21 cs.AI cs.RO
An Autonomous Drone System with Jamming and Relative Positioning Capabilities
University of Cyprus(塞浦路斯大学);KIOS Research and Innovation Center of Excellence(KIOS卓越研究与创新中心)
随着无人机(UAV)未经授权的操作数量的增加,实施多功能反无人机系统正成为必要。在这项工作中,我们开发了一种基于无人机的反无人机系统,该系统采用检测和跟踪流氓无人机的算法,结合无线拦截能力,共同干扰流氓无人机,同时实现对追击者无人机的自我定位。在所提出的系统中,软件定义无线电(SDR)用于在干扰传输和频谱扫描功能之间切换,以分别实现所需的GPS中断和自定位。大量的现场实验证明了所提出的解决方案在各种参数设置下的真实环境中的有效性。
2022-06-09 cs.RO eess.SP
Taking Flight with Dialogue: Enabling Natural Language Control for PX4-based Drone Agent
University of Southampton Malaysia(英国南安普顿大学马来西亚分校);Connected Intelligence Research Group(连接智能研究组);Sustainable Electronic Technologies(可持续电子技术)
针对空中机器人研究不足及 UAV 视觉-语言系统依赖闭源模型的问题,提出集成 PX4、ROS 2 与 Ollama 本地模型的开源智能体框架,并在仿真和实机上基准测试多种 LLM 与 VLM。
2025-06-09 cs.RO
The Phoenix Drone: An Open-Source Dual-Rotor Tail-Sitter Platform for Research and Education
University of Toronto Institute for Aerospace Studies(多伦多大学航空航天研究所)
在本文中,我们介绍了凤凰无人机:第一个完全开源的尾坐式微型飞行器(MAV)平台。该飞行器具有高度通用的双旋翼设计,设计成本低,易于扩展/修改。我们的开源版本包括所有的设计文档,软件资源和仿真工具,用于构建和飞行用于研究和教育目的的高性能尾座。该无人机已被开发为具有高度控制权限的精确飞行。我们的设计方法包括广泛的测试和表征的空气动力学性能的车辆。该平台集成了许多现成的组件和3D打印部件,以降低成本。尽管如此,该文件包括飞行试验的结果,表明该车辆能够非常稳定的悬停和准确的轨迹跟踪。我们希望开源的Phoenix参考设计对研究人员和教育工作者都有用。特别是,本文中的细节和可用的开源材料应使学习者获得空气动力学,飞行控制,状态估计,软件设计和仿真的理解,同时实验一个独特的空中机器人。
2019-08-18 cs.RO
FLOAT Drone for Physical Interaction: Lateral Airflow Reduction, Wrench Modeling, and Adaptive Control
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网络系统与控制研究所);Differential Robotics Technology Company(差分机器人技术公司)
研究针对下一代无人机空中物理交互,提出FLOAT无人机。通过同轴双旋翼布局、控制面等设计实现多维度力扳手生成等。贡献包括量化侧向气流减少,建立高保真模型并嵌入分配器,实验证明提升控制精度等。
2026-07-07 cs.RO
Drones e Inteligencia Artificial para Investigación y Competición
Universidad Tecnológica del Uruguay(乌拉圭技术大学)
这项工作的重点是一般工业中使用的无人机或无人机(无人驾驶航空器)。这些车辆在工业中有大量的用途和潜力,作为土木工程,医学,采矿等的工具。然而,由于需要GPS,这种车辆仅限于在室内使用,并且在室内无法工作。以这种方式,这项工作提出了一种在没有GPS的情况下工作的无人机,从而能够在例如封闭空间中使用并且具有良好的精度。这项工作是基于一种使用计算机视觉和GPS的方法。
2022-10-20 cs.RO
Design Iterations for Passive Aerial Manipulator
Indian Institute of Science(印度科学学院);Robert Bosch Center for Cyber Physical Systems(罗伯特·博世信息物理系统研究中心)
使用无人机抓取机动目标是一个具有挑战性的问题。本文介绍了一种新型的目标拦截空中机械手的设计,开发和原型。它是一个单自由度(DoF)机械手与被动篮式末端执行器。所提出的设计是节能的,重量轻,适用于空中抓取应用。详细设计了操纵机构和一种新型的螺旋桨保护装置。
2021-02-16 cs.RO