Build Your Own Visual-Inertial Drone: A Cost-Effective and Open-Source Autonomous Drone
ETH Zurich(苏黎世联邦理工学院)
本文介绍了一种低成本、研究级的视觉惯性测距辅助垂直起降平台的设计方法。我们利用现成的视觉惯性传感器、机载计算机和四旋翼平台,这些都是工厂校准和批量生产的,从而共享类似的硬件和传感器规格(例如,质量、尺寸、相机-IMU系统的内在和外在以及信噪比)。然后,我们进行系统校准和识别,使我们的视觉惯性里程计,多传感器融合,和模型预测控制框架与现成的产品的使用。这意味着我们可以部分避免构建完整系统的繁琐参数调整过程。在室内使用运动捕捉系统和室外使用激光跟踪仪对整个系统进行了广泛的评估,同时执行悬停和步进响应,以及在存在外部风干扰的情况下执行轨迹跟踪任务。我们实现均方根(RMS)之间的参考和实际的轨迹误差为0.036米,同时执行悬停。我们还进行了较长距离的飞行(~ 180米)在农场现场的实验,并实现了0.82%的总距离飞行的漂移误差。本文传达了我们获得的关于平台和传感器模块的见解,并以开源代码和教程文档的形式返回给社区。
2018-09-06 cs.RO
Beauty and the Beast: Optimal Methods Meet Learning for Drone Racing
University of Zurich(苏黎世大学);ETH Zurich(苏黎世联邦理工学院);Intel(英特尔)
自主微型飞行器仍在与快速和敏捷的机动、动态环境、不完善的感测和状态估计漂移作斗争。无人驾驶飞机竞赛将这些挑战摆在了前面。人类飞行员在经过几次练习后,可以在以前看不见的轨道上飞行。相比之下,最先进的自主导航算法需要精确的环境度量地图或在感兴趣的轨道中收集的大量训练数据。为了弥补这一差距,我们提出了一种方法,可以在以前看不见的环境中飞行一个新的轨道,而无需精确的地图或昂贵的数据汇集。我们的方法代表了全球的轨道布局与粗略的门的位置,这可以很容易地估计从一个单一的演示飞行。在测试时,卷积网络预测最近的门的姿态及其不确定性。这些预测纳入了一个扩展的卡尔曼滤波器,以保持最佳的最大后验估计的门的位置。这使得该框架能够应对可能源于可观测性差或缺乏可见门的误导性高方差估计。给定估计的门姿态,我们使用模型预测控制来快速准确地导航通过轨道。我们在物理世界中进行了广泛的实验,通过复杂多样的前所未见的赛道展示了敏捷和稳健的飞行。所提出的方法被用于赢得IROS 2018年自主无人机竞赛,超过第二名团队两倍。
2019-03-01 cs.RO
Nonlinear Model Predictive Guidance for Fixed-wing UAVs Using Identified Control Augmented Dynamics
Swiss Federal Institute of Technology (ETH) Zürich(苏黎世联邦理工学院)
随着现成的(OTS)自动驾驶仪变得更加广泛和用户友好,以及无人机市场的扩大,更安全、更高效、更复杂的运动规划和控制将成为固定翼空中机器人平台的必要条件。针对小型固定翼无人机(UAV)的典型低空姿态稳定问题,提出了一种基于OTS飞行控制器的控制增稳动力学建模与辨识方法。一个高层次的非线性模型预测控制器(NMPC)随后制定同时空速稳定,路径跟踪,和软约束处理,使用所确定的模型的水平传播。在几个示例性的飞行实验,包括螺旋和连接Dubins飞机段在大风以及电机故障的情况下的路径跟踪的方法进行了探讨。成本函数,其权重的见解,并在整个实验中使用的额外的软约束进行了讨论。
2018-05-23 cs.RO
PCVPC: Perception Constrained Visual Predictive Control For Agile Quadrotors
我们提出了一种感知约束视觉预测控制(PCVPC)算法的四旋翼,使侵略性的飞行,而不使用任何位置信息。我们的框架利用非线性模型预测控制(NMPC)制定一个约束的基于图像的视觉伺服(IBVS)问题。四旋翼动力学,图像动力学,致动约束,并考虑到能见度约束,以处理高敏捷性的四旋翼机动。将IBVS应用于敏捷无人机的两个主要挑战被认为是:(i)深度对强烈方向变化的高度敏感性,以及(ii)由于欠驱动性质,视觉伺服目标和动作目标之间的冲突。为了应对第一个挑战,我们通过方位向量和距离来参数化视觉特征,通过该距离,深度将不再参与图像动态。同时,我们解决了冲突的问题,通过补偿旋转在未来的视觉伺服成本使用预测的方向的四旋翼。我们的方法在模拟中表明,(i)它可以在没有任何位置信息的情况下工作,(ii)它可以在轨迹跟踪中实现9 m/s的最大参考速度而不会丢失目标,以及(iii)它可以到达地标,例如,无人机比赛中的一个门,从不同的初始配置。
2021-09-22 cs.RO cs.SY eess.SY
Rethinking Reference Trajectories in Agile Drone Racing: A Unified Reference-Free Model-Based Controller via MPPI
College of Control Science and Engineering, Zhejiang University(控制科学与工程学院,浙江大学)
本文提出一种基于MPPI的无参考无人机竞速控制方法,将门禁进度目标直接纳入优化,并与轨迹跟踪和轮廓控制在统一框架下比较,证明其性能达到或超过基于参考的方法。
2025-09-18 cs.RO
MPCC++: Model Predictive Contouring Control for Time-Optimal Flight with Safety Constraints
Institute for Dynamics Systems and Control, ETH Zurich(苏黎世联邦理工学院动力学系统与控制研究所);Robotics and Perception Group, University of Zurich(苏黎世大学机器人与感知组)
本文提出MPCC++,通过赛道安全约束、残差气动动力学建模和TuRBO超参数调优,实现四旋翼时间最优竞速飞行,并在仿真与真实世界中保持100%避障成功率。
2024-06-14 cs.RO
Vision-Guided MPPI for Agile Drone Racing: Navigating Arbitrary Gate Poses via Neural Signed Distance Fields
College of Control Science and Engineering, Zhejiang University(控制科学与工程学院,浙江大学)
本文提出基于视觉的MPPI框架,利用神经签名距离场实现无需参考的敏捷无人机飞行,有效应对动态变化的赛道和门姿态。
2026-03-07 cs.RO
LLM-Land: Large Language Models for Context-Aware Drone Landing
Department of Electrical and Computer Engineering(电气与计算机工程系);Drexel University(德雷塞尔大学);Department of Electrical and Systems Engineering(电气与系统工程系);University of Pennsylvania(宾夕法尼亚大学)
本文提出 LLM-Land 混合框架,利用 VLE、轻量级 LLM 与 RAG 推断场景安全缓冲,并结合 MPC 实时重规划,提升无人机在动态杂乱环境中的安全精准降落能力。
2025-05-09 cs.RO
Gate-Aware Online Planning for Two-Player Autonomous Drone Racing
College of Control Science and Engineering, Zhejiang University(浙江大学控制科学与工程学院);Department of Automation, Zhejiang University of Technology(浙江工业大学自动化系)
本文提出PMPC方法,通过质点模型参考、最优航向计算和磁感应线引导,实现两架四旋翼无人机在线无碰撞竞速门穿越,机载运行频率200 Hz,实测最高速度6.1 m/s。
2024-09-23 cs.RO
Model Predictive Path-Following Control for a Quadrotor
Institute of Engineering and Computational Mechanics(工程与计算力学研究所)
本文提出了一种基于模型预测控制的四旋翼路径跟随控制方法,通过硬件实验验证其有效性,并引入走廊路径跟随方法以应对路径跟踪的限制。
2025-06-18 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
Accurate Trajectory Tracking with Model Predictive Contouring Control for Bird-Scale Flapping-Wing MAVs
Laboratory of Intelligent Systems, Ecole Polytechnique Federale de Lausanne (EPFL)(智能系统实验室,瑞士联邦理工学院(EPFL))
本文提出MPCC方法,通过在线优化轨迹跟踪,解决扑翼飞行器动力学耦合问题,实现在复杂机动中的高精度跟踪。
2026-08-10 cs.RO
FlyCo: Foundation Model-Empowered Drones for Autonomous 3D Structure Scanning in Open-World Environments
Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology(香港科技大学电子与计算机工程系);School of Artificial Intelligence, Sun Yat-sen University(中山大学人工智能学院);Department of Mechanical and Energy Engineering, Southern University of Science and Technology(南方科技大学机械与能源工程系);Differential Robotics, Hangzhou, China(杭州差分机器人)
FlyCo通过整合基础模型实现无人机自主3D扫描,提升开放世界环境下的目标定位与预测效率。
2026-01-12 cs.RO
Nonlinear Model Predictive Control via Sequential Convex Programming for Drone-to-Drone Docking
Indian Institute of Technology Hyderabad(印度理工学院海得拉巴分校)
本研究提出基于序列凸规划的非线性模型预测控制框架,用于无人机间对接,在高保真仿真中验证其可应对扰动与估计不确定性,实现可靠安全的对接。
2026-08-12 cs.RO
The Effect of Predictive Formal Modelling at Runtime on Performance in Human-Swarm Interaction
University of Southampton(南安普顿大学);University of Glasgow(格拉斯哥大学);University of Nottingham(诺丁汉大学);Bournemouth University(伯恩茅斯大学)
本文研究运行时预测性形式化建模对人机集群协作的影响,通过60人模拟空中投送实验表明,提供基于无人机数量的完成时间预测可提升任务性能且不增加工作负荷。
2024-01-22 cs.HC 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
A Multi-Simulation Approach with Model Predictive Control for Anafi Drones
University of Stuttgart, Faculty of Aerospace Engineering and Geodesy, Institute of Flight Mechanics and Control (iFR), Flight Robotics and Perception Group (FRPG)(斯图加特大学航空航天工程与大地测量学院飞行力学与控制研究所飞行机器人与感知组);Max Planck Institute for Intelligent Systems(智能系统马克斯·普朗克研究所)
针对不同仿真环境难以集成的问题,本研究将Parrot Sphinx中的Anafi无人机集成至Gazebo,并提出基于累积误差状态的MPC控制器,显著提升了动态场景下的目标跟踪精度与系统整体性能。
2025-07-12 cs.RO
Strategizing at Speed: A Learned Model Predictive Game for Multi-Agent Drone Racing
Department of Cognitive Robotics, Delft University of Technology(认知机器人学系,代尔夫特理工大学)
针对多无人机竞速中策略深度与计算延迟的权衡问题,提出一种学习型模型预测博弈(LMPG)方法,通过摊销模型预测博弈计算来降低延迟,在仿真和硬件实验中优于模型预测博弈和模型预测控制。
2026-07-22 cs.GT cs.RO
Borrowed Eyes: Markerless Nano-UAV Flight with an Active Quadruped Observer
IT University of Copenhagen(哥本哈根信息技术大学);Helix Lab(Helix实验室);Novo Nordisk A/S(诺和诺德公司)
本研究提出一种由四足机器人臂载摄像头外部定位纳米无人机的视觉系统,采用感知感知NMPC保持跟踪,实现中位误差59毫米的自主飞行,并具备遮挡鲁棒性。
2026-10-08 cs.RO
Policy Search for Model Predictive Control with Application to Agile Drone Flight
University of Zurich(苏黎世大学);ETH Zurich(苏黎世联邦理工学院)
策略搜索和模型预测控制(MPC)是机器人控制的两种不同范式:策略搜索具有利用经验数据自动学习复杂策略的优势,而MPC可以利用模型和轨迹优化提供最优控制性能。一个开放的研究问题是如何利用和结合这两种方法的优势。在这项工作中,我们提供了一个答案,通过使用政策搜索自动选择高层决策变量的MPC,这导致了一个新的政策搜索模型预测控制框架。具体来说,我们制定MPC作为一个参数化的控制器,其中难以优化的决策变量表示为高层次的政策。这样的公式化允许以自我监督的方式优化策略。我们验证了这个框架,专注于敏捷无人机飞行中的一个具有挑战性的问题:通过快速移动的门飞行四旋翼。实验结果表明,我们的控制器实现了鲁棒性和实时控制性能在仿真和现实世界。所提出的框架提供了一个新的视角合并学习和控制。
2021-12-16 cs.AI cs.RO
Onboard Wind-Preview Model Predictive Control Using Pitot-Static Sensing for Multirotor UAVs
Eindhoven University of Technology(埃因霍温理工大学)
本研究提出一种利用低成本皮托管传感器测量无人机前方风况,并将其融入非线性模型预测控制(MPC)的机载风前视控制方法,以提升旋翼无人机在阵风条件下的悬停性能,实验表明沿风向误差减少54%。
2026-09-28 cs.RO
Neural Network Aided Kalman Filtering with Model Predictive Control Enables Robot-Assisted Drone Recovery on a Wavy Surface
School of Data Science, The Chinese University of Hong Kong, Shenzhen, China(数据科学学院,香港中文大学(深圳));School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China(科学与工程学院,香港中文大学(深圳));Shenzhen Institute of Artificial Intelligence and Robotics for Society, Shenzhen, China(社会人工智能与机器人研究所,深圳)
本文提出一种统一框架,利用神经网络辅助卡尔曼滤波 KalmanNet++ 预测无人机位置并结合滚动时域模型预测控制规划机械臂轨迹,实现了波浪表面上无人机的高效鲁棒回收。
2025-11-04 cs.RO cs.SY eess.SY
Conflict-Predictive Variable Horizons in Multi-Drone Distributed Model Predictive Control
South Westphalia University of Applied Sciences(南威斯特法伦应用科学大学);Ruhr University Bochum(波鸿鲁尔大学)
针对多无人机分布式模型预测控制中固定时域的折中问题,提出冲突预测的可变时域,由各无人机本地设定,在保持稳定性保证的同时降低计算成本并维持避碰性能。
2026-09-15 cs.AI cs.RO cs.SY
Navigating the Unknown: Uncertainty-Aware Compute-in-Memory Autonomy of Edge Robotics
University of Illinois Chicago (UIC)(伊利诺伊大学芝加哥分校)
针对昆虫级无人机位姿估计的能效与不确定性感知需求,提出基于存内计算的贝叶斯滤波、变分推断加速协同设计方案,可将处理效率提升数个数量级,助力边缘机器人在资源受限下实现鲁棒预测。
2024-01-30 cs.RO
UAV-VLRR: Vision-Language Informed NMPC for Rapid Response in UAV Search and Rescue
Intelligent Space Robotics Laboratory, Center for Digital Engineering, Skolkovo Institute of Science and Technology(智能空间机器人实验室、数字工程中心、斯克尔科沃科学与技术研究所)
提出融合 VLM、ChatGPT-4o 与带避障 NMPC 的 UAV-VLRR 系统,以自然语言规划搜救任务并安全快速执行,响应速度显著优于自动驾驶仪和人类飞行员。
2025-05-13 cs.RO cs.SY eess.SY
AccelMPC: High-Rate, Low-Power FPGA-Accelerated Model Predictive Control for Tiny Drones
Dartmouth College(达特茅斯学院);École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院)
AccelMPC通过端到端协同设计,利用FPGA加速ADMM求解器,在微型无人机上实现1 kHz约束MPC,求解速度提升15.6倍,能量延迟积改善195.4倍,并开源全部设计。
2026-09-10 cs.RO cs.SY eess.SY
Distributed Model Predictive Control with Adaptive Safety Zones for Multi-Fleet Drone Operations
Institute of Automation and Computer Control(自动化与计算机控制研究所);Ruhr University Bochum(博德姆鲁尔大学);Department of Logistics and Supply Chain Management(物流与供应链管理系);South Westphalia University of Applied Sciences(西南弗劳恩霍夫应用科学大学)
针对高密度无人机共享空域问题,提出基于制动距离的自适应安全球区域,结合集中式和分布式MPC,证明可行性、稳定性,仿真显示可加倍允许无人机数量并缩短通过时间。
2026-06-23 cs.AI cs.RO cs.SY
MARS-Dragonfly: Agile and Robust Flight Control of Modular Aerial Robot Systems
National University of Singapore(新加坡国立大学);Engineering Design and Innovation Centre, National University of Singapore(新加坡国立大学工程设计与创新中心)
本文提出MARS-Dragonfly系统,通过被动对接、无检测锁定和磁力辅助分离机制,结合力矩等效虚拟四旋翼模型,实现模块化空中机器人系统的敏捷与鲁棒飞行控制。
2026-04-07 cs.RO cs.SY eess.SY
Distributionally Robust Predictive Runtime Verification under Spatio-Temporal Logic Specifications
Department of Computer Science, University of Southern California(计算机科学系,南加州大学);Toyota NA R&D(丰田北美研发)
针对部署时分布偏移的CPS和MAS,提出基于鲁棒共形预测与STREL语义的RPRV算法,在无人机群模拟中验证可扩展性与统计有效性。
2025-07-07 cs.LO cs.RO cs.SY
Visual Tracking Nonlinear Model Predictive Control Method for Autonomous Wind Turbine Inspection
Aarhus University(奥胡斯大学);GIM Robotics(GIM机器人公司);Paderborn University(帕德博恩大学)
针对自主风力涡轮机巡检,提出视觉跟踪非线性模型预测控制(VT-NMPC)框架与全局路径规划器,通过直接跟踪巡检表面并最小化视觉跟踪代价,免除了预定义轨迹需求,在遵守物理约束下实现距离最优覆盖,仿真与实测证明其优于传统MPC且对风况鲁棒。
2023-10-21 cs.RO
Characterized Diffusion and Spatial-Temporal Interaction Network for Trajectory Prediction in Autonomous Driving
University of Macau(澳门大学);University of Electronic Science and Technology of China(电子科技大学)
本文提出一种结合特征化扩散模块与时空交互模块的轨迹预测模型,通过注入语义信息并捕捉时空影响,在NGSIM、HighD和MoCAD数据集上取得了最先进性能。
2024-05-03 cs.RO
Autonomous Power Line Inspection with Drones via Perception-Aware MPC
University of Zurich(苏黎世大学);ETH Zurich(苏黎世联邦理工学院)
本文提出一种感知感知模型预测控制器,将电力线跟踪与避障紧密耦合,并设计仅用合成数据训练的轻量级检测器实现零样本迁移,在模拟和真实实验中验证了无人机自主电力线巡检效果。
2023-08-09 cs.RO
MROPE: A Multi-Robot Safe Cooperative Strategy via combined Predictive Safety Filters and Ellipse-based Constraint Compression
Alma Mater Studiorum - Università di Bologna(博洛尼亚大学);Leonardo S.p.a.(莱昂纳多公司);Leonardo Innovation Labs(莱昂纳多创新实验室)
针对杂乱环境中无人机群追踪动态目标的计算与安全挑战,研究提出MROPE分层策略,结合分布式聚合优化、分布式共识方案与预测安全滤波器,通过动态聚合障碍物为椭圆保障安全,实验验证其效率与可扩展性优于集中式方法。
2026-08-03 cs.RO cs.SY eess.SY
Stable Transformer-Actor-Critic Model Predictive Control: A Contraction Analysis Approach
University of Cambridge(剑桥大学);University College London(伦敦大学学院);LAAS-CNRS(Laas--cnrs)
提出一种Transformer-Actor-Critic MPC架构,通过证明Transformer满足增量输入-状态稳定性并利用黎曼收缩理论分析互联动力学,将理论界作为训练正则化项,实现可证明鲁棒的控制策略。
2026-11-17 cs.RO
Online Trajectory Generation with Distributed Model Predictive Control for Multi-Robot Motion Planning
Dynamic Systems Lab(动态系统实验室);Institute for Aerospace Studies(航空航天研究所);University of Toronto(多伦多大学)
我们提出了一种分布式模型预测控制(DMPC)算法,以产生多个机器人的实时轨迹。我们采用了\textit{on-demand collision avoidance}方法在以前的工作中,有效地计算过渡任务中的非碰撞轨迹。提出了一种事件触发的重新规划策略,以考虑干扰。我们的仿真结果表明,所提出的碰撞避免方法可以减少,平均约50%的旅行时间需要完成一个多智能体点到点的过渡时,相比研究良好的缓冲Voronoi细胞(BVC)的方法。此外,它在具有高密度代理的过渡任务中显示出更高的成功率,在18 m^3的竞技场中,30个手掌大小的四旋翼代理的成功率超过90%。该方法通过一群多达20架的无人机近距离飞行进行了实验验证。
2020-01-24 cs.RO
WindSeer: Real-time volumetric wind prediction over complex terrain aboard a small UAV
ETH Zürich(苏黎世联邦理工学院);Auterion(Auterion公司);Microsoft Research(微软研究院);The University of Queensland(昆士兰大学);CSIRO Data61(澳大利亚联邦科学与工业研究组织Data61)
本文提出 WindSeer 神经网络,仅用计算流体动力学合成数据训练,即可在小型无人机等有限算力设备上基于稀疏含噪观测实时预测复杂地形低空体风场,并在气象站与无人机数据上验证。
2024-01-18 cs.AI cs.LG cs.RO
Control-Aware Trajectory Predictions for Communication-Efficient Drone Swarm Coordination in Cluttered Environments
National University of Singapore(新加坡国立大学)
针对复杂环境下无人机集群通信受限问题,提出融合 EvolveGCN 轨迹预测与 KKT 条件训练的控制感知方法,为 DMPC 提供邻居轨迹预测,实现近优且鲁棒的通信高效协同控制。
2024-12-10 cs.RO
Improving Drone Racing Performance Through Iterative Learning MPC
Learning Systems and Robotics lab(学习系统与机器人实验室);Technical University of Munich(慕尼黑技术大学)
本文通过自适应代价函数、平移局部安全集和笛卡尔坐标公式化三项创新改进迭代学习MPC,在仿真和实机实验中显著提升无人机竞速单圈时间并避免碰撞。
2025-09-21 cs.RO cs.SY eess.SY
Testing learning-enabled cyber-physical systems with Large-Language Models: A Formal Approach
Macquarie University(麦考瑞大学);University of Texas at Austin(德克萨斯大学奥斯汀分校);Yale University(耶鲁大学);University of Wisconsin Madison(威斯康星大学麦迪逊分校);University of Southern California(南加州大学);University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校);University of Pennsylvania(宾夕法尼亚大学)
针对学习赋能信息物理系统现有验证确认技术不足的问题,研究梳理了当前前沿测试方法,提出从概率性测试向可提供形式化安全保障的严谨方法过渡的路线图。
2024-05-16 cs.AI cs.DC cs.RO
A3D: Adaptive, Accurate, and Autonomous Navigation for Edge-Assisted Drones
Sun Yat-sen University(中山大学)
针对现有无人机DNN导航方案的资源与延迟矛盾,本文提出边缘辅助的A3D框架,通过深度强化学习调度与网络感知资源分配,实现低延迟、高精度的长距离自适应导航。
2023-07-19 cs.CV cs.DC cs.NI
A Topology-Aware Spatiotemporal Handover Framework for Continuous Multi-UAV Tracking
KIOS Research and Innovation Centre of Excellence (KIOS CoE)(KIOS研究与创新中心(KIOS CoE));University of Cyprus(塞浦路斯大学)
本文提出一种实时多摄像头多车辆跟踪系统,通过拓扑基于的时空切换机制解决多无人机视角下的身份持续性问题,实验显示其切换成功率高达99.8%,优于传统Re-ID方法。
2026-05-15 cs.AI cs.RO
Aerial Grasping with Soft Aerial Vehicle Using Disturbance Observer-Based Model Predictive Control
The Hong Kong Polytechnic University(香港理工大学)
本研究提出将扰动观测器引入非线性模型预测控制(NMPC)的软飞行器(SAV)控制器,以补偿额外载荷和环境扰动带来的不确定性,实现精确的三轴空中抓取,载荷重量比超越以往研究。
2024-09-21 cs.RO
Actor-Critic Model Predictive Control: Differentiable Optimization meets Reinforcement Learning for Agile Flight
Robotics and Perception Group, University of Zurich(机器人与感知组,苏黎世大学)
本文提出行为者-评论者模型预测控制框架,结合可微优化与强化学习,提升四旋翼无人机在动态不确定环境中的敏捷飞行性能。
2025-12-05 cs.RO
CA-AC-MPC: CUDA-Accelerated Actor-Critic Model Predictive Control
PRISMA Lab and CREATE Consortium, Department of Electrical Engineering and Information Technology, University of Naples Federico II(PRISMA实验室和CREATE联盟,电气工程与信息技术系,那不勒斯费德里科二世大学)
提出CUDA加速的AC-MPC变体,通过GPU并行优化降低训练和推理延迟,在敏捷无人机竞速任务中实现最先进圈速和近极限动态性能。
2026-05-27 cs.AI cs.DC cs.RO
Geometric Distributional Control: Learning Progress with Partial Structural Knowledge
University of Central Florida(中佛罗里达大学)
针对部分结构知识下的实时控制,提出几何分布控制(GDC),将控制分解为可行性与进展,利用进展加权数据学习局部价值梯度,在多层优化和驾驶任务中优于现有方法。
2026-09-09 cs.RO cs.SY eess.SY
Risk-Sensitive Extended Kalman Filter
Tandon School of Engineering, New York University(纽约大学坦登工程学院);Inria(法国国家信息与自动化研究所);École normale supérieure(巴黎高等师范学院);CNRS(法国国家科学研究中心);PSL Research University(巴黎文理研究大学)
提出风险敏感扩展卡尔曼滤波器,通过悲观估计在不确定性阶段增强MPC控制器的鲁棒性,且复杂度与EKF相同,适用于实时控制,实验证明其能显著提升面对不确定性时的性能。
2023-05-19 cs.RO
Energy-Aware Predictive Motion Planning for Autonomous Vehicles Using a Hybrid Zonotope Constraint Representation
The Pennsylvania State University(宾夕法尼亚州立大学)
本文提出一种基于MPC的无人飞行器耦合运动与能量规划策略,利用约束和混合zonotope表示约束,并在混合整数二次规划求解器中实现实时规划。
2024-11-15 cs.RO cs.SY eess.SY
Data-Driven Risk-sensitive Model Predictive Control for Safe Navigation in Multi-Robot Systems
Indian Institute of Technology (IIT) Kharagpur(印度理工学院卡拉格普尔分校)
安全导航是多机器人系统中的一个基本挑战,这是由于机器人未来轨迹的不确定性,这些机器人相互之间充当障碍物。在这项工作中,我们提出了一个原则性的数据驱动的方法,每个机器人反复解决有限的地平线优化问题,避免碰撞的约束,后者被制定为分布式强大的条件风险值(CVaR)的代理和多面体障碍几何之间的距离。具体而言,CVaR约束要求对所有接近经验分布的分布都成立,该经验分布是从执行期间收集的预测误差的观察样本构建的。该方法的一般性使我们能够鲁棒性地对抗在分布式和分散式设置中通常施加的假设下产生的预测误差。我们推导出易于处理的有限维近似这类约束,利用凸和极大极小对偶结果Wasserstein分布鲁棒优化问题。在Gazebo平台上实现的多无人机导航环境中说明了所提出方法的有效性。
2022-09-16 cs.RO cs.SY eess.SY
ASMA: An Adaptive Safety Margin Algorithm for Vision-Language Drone Navigation via Scene-Aware Control Barrier Functions
School of Electrical and Computer Engineering, Purdue University(电气与计算机工程学院,普渡大学)
本文提出ASMA算法,通过场景感知控制屏障函数与MPC结合,为视觉-语言导航无人机提供实时安全约束,在Gazebo环境中将成功率提升64%-67%而轨迹长度仅微增。
2025-07-19 cs.AI cs.RO cs.SY
Adaptive Monitoring of Stochastic Fire Front Processes via Information-seeking Predictive Control
KIOS Research and Innovation Centre of Excellence (KIOS CoE)(KIOS研究与创新中心(KIOS CoE));Department of Electrical and Computer Engineering, University of Cyprus(电子与计算机工程系,塞浦路斯大学)
本文提出通过信息寻求预测控制方法,整合传感、估计和控制,解决随机火灾前锋的适应性监测问题。
2026-02-21 cs.RO cs.SY eess.SY
ASAP-MPC: An Asynchronous Update Scheme for Online Motion Planning with Nonlinear Model Predictive Control
KU Leuven(KU Leuven(鲁汶大学));Flanders Make
针对NMPC运动规划求解时间难以满足实时性的问题,本文提出ASAP-MPC异步更新框架,结合线性状态反馈实现轨迹无缝融合,并在四旋翼和卡车-拖车实验中验证其嵌入式适用性。
2024-03-13 cs.RO math.OC
Bridging Model Predictive Control and Deep Learning for Scalable Reachability Analysis
Department of Aeronautics and Astronautics at Stanford University(斯坦福大学航空与航天系);Department of Electrical Engineering at Tsinghua University(清华大学电子工程系)
本文提出利用模型预测控制生成关键配点处的近似可达性解来引导神经网络训练,并迭代细化以缓解局部最优,从而提升高维系统可达性分析的鲁棒性与准确性。
2025-05-04 cs.RO cs.SY eess.SY
Aggressive Perception-Aware Navigation using Deep Optical Flow Dynamics and PixelMPC
Georgia Institute of Technology(佐治亚理工学院)
最近,基于视觉的控制通过利用机器学习的力量而获得了牵引力。在这项工作中,我们耦合到一个模型预测控制(MPC)框架的可视化管道。我们引入了深度光流(DOF)动力学,它是光流和机器人动力学的结合。使用DOF动态,MPC明确地将相关像素的预测移动并入机器人的规划轨迹中。我们实现的自由度是内存效率,数据效率,计算成本低,使它可以在MPC框架中使用的实时计算。建议的像素模型预测控制(PixelMPC)算法控制机器人完成高速比赛任务,同时保持重要功能(门)的可见性。这提高了基于视觉的定位估计器的可靠性,并最终导致安全的自主飞行。所提出的算法进行了测试,在真实感仿真与高速无人机赛车任务。
2020-01-07 cs.CV cs.LG cs.RO
Neuromorphic Attitude Estimation and Control
Delft University of Technology(代尔夫特理工大学)
针对小型无人机能源受限问题,提出基于模块化脉冲神经网络的神经形态姿态估计与控制方法,经数据增强训练后部署在Crazyflie上,姿态跟踪误差接近常规飞行栈,验证了端到端神经形态控制的可行性。
2025-03-21 cs.LG cs.NE cs.RO