RotorSuite: A MATLAB/Simulink Toolbox for Tilt Multi-Rotor UAV Modeling
Department of Information Engineering University of Padova（信息工程系帕多瓦大学）
RotorSuite是一种用于倾斜多旋翼无人机建模的MATLAB/Simulink工具箱，通过分析和物理方法提供精确的动态建模和仿真，适用于教学、研究和工业开发。
2026-02-21 cs.RO cs.SY eess.SY
Robust tracking of an unknown trajectory with a multi-rotor UAV: A high-gain observer approach
Michigan State University（密歇根州立大学）
研究了存在建模误差和外部扰动的多旋翼系统的轨迹跟踪问题。期望轨迹是未知的，并且从具有未知或部分已知动态的参考系统生成。我们假设仅可以访问多转子的位置和取向测量以及参考系统的位置测量。我们采用一个扩展的高增益观测器（EHGO）估计框架来估计轨迹跟踪所需的前馈项，多转子状态，以及建模误差和外部干扰。设计了一种用于轨迹跟踪的输出反馈控制器，该控制器由反馈线性化控制器和EHGO组成。我们严格分析所提出的控制器，并建立其稳定性。最后，我们数值说明我们的理论结果使用的例子多旋翼着陆在地面车辆。
2020-04-27 cs.RO cs.SY eess.SY
Robust Translational Force Control of Multi-Rotor UAV for Precise Acceleration Tracking
Seoul National University（首尔大学）
针对多旋翼无人机的三维加速度精确控制问题，提出了一种基于干扰观测器（DOB）的力干扰消除平移力控制方法。多旋翼的加速度控制需要将期望的加速度信号转换为期望的滚转、俯仰和总推力。但由于姿态动力学和推力动力学的不同，简单的运动学信号转换，而不考虑这些差异会导致严重的性能下降，在加速度跟踪。与大多数现有的平移力控制技术是基于这样简单的反演，我们的新方法允许控制多转子的加速度更精确地考虑多转子的动力学过程中的运动反演。通过将DOB与包括改进的转换技术的平移力系统相结合，我们实现了对阻碍精确加速度控制的外力干扰的鲁棒性。考虑各种可能的模型不确定性的组合效应，执行μ分析以确保整个闭环系统的鲁棒稳定性。通过仿真和实验验证了该方法的有效性，证明了该方法能够有效地跟踪多转子系统的期望加速度。
2019-08-14 cs.RO cs.SY eess.SY
Fault Detection and Tolerant Control for Aero2 2D0F Two-rotor Helicopter
本研究针对2自由度双旋翼直升机，分析执行器故障对传统控制系统性能的影响，并验证有效的故障诊断与调节方法能在故障下维持系统满意性能。
2024-03-14 cs.SY eess.SY
Developmental Reinforcement Learning of Control Policy of a Quadcopter UAV with Thrust Vectoring Rotors
University of Cincinnati（辛辛那提大学）
在本文中，我们提出了一种新的发展强化学习为基础的控制器的四轴飞行器的推力矢量能力。这种多旋翼无人机设计具有倾斜使能旋翼。它利用旋翼力的大小和方向来实现飞行过程中所需的状态。该机器人的控制策略是使用来自四轴飞行器的学习控制器的策略传递来学习的（相对简单的无人机设计，没有推力矢量）。这种方法允许学习具有多个输入和多个输出的系统的控制策略。通过基于物理的仿真，评估了悬停和航路点导航任务的学习策略的性能。飞行模拟利用基于强化学习的飞行控制器，而没有任何附加的PID组件。结果表明，与从头开始学习控制策略相比，使用所提出的方法可以更快地学习这种新的UAV设计，该设计是通过对传统四轴飞行器进行修改而创建的，即，增加了更多的自由度（传统四轴飞行器中的4个致动器到倾转旋翼四轴飞行器中的8个致动器）。我们证明了我们的学习政策的鲁棒性，通过显示从各种非静态初始条件的模拟倾转旋翼平台的恢复，以达到所需的状态。倾转旋翼无人机的发展政策也显示出优越的容错时，从零开始学习的政策相比。结果表明，所提出的方法引导学习行为从一个简单的系统（低维动作空间）到一个更复杂的机器人（相对高维的动作空间），并达到更好的性能更快的能力。
2020-07-15 cs.AI cs.LG cs.RO
Quaternion Feedback Based Autonomous Control of a Quadcopter UAV with Thrust Vectoring Rotors
University of Cincinnati（辛辛那提大学）；Indian Institute of Technology, Kanpur（印度理工学院坎普尔分校）
在本文中，我们提出了一个自主飞行控制器的四轴飞行器的推力矢量能力。这种无人机属于具有倾斜运动使能旋翼的多旋翼类别。由于车辆被认为是过度驱动的性质，动力学和控制分配必须仔细分析。此外，这种新型飞行器在大姿态机动时悬停的可能性要求无奇异性姿态控制。因此，四元数状态反馈被用来计算无人机电机的控制命令，同时避免了基于欧拉角的控制器所经历的万向节锁定条件。由于没有三角参数，四元数实现还降低了状态估计的总体复杂度。利用四轴飞行器的动力学模型和状态空间，设计了无人机的姿态控制器和控制分配。控制分配，特别是，通过线性化系统悬停条件。这种数学方法使得控制分配比现有方法更准确。姿态控制器的Lyapunov稳定性分析证明了全局稳定性。四元数反馈姿态控制器是由一个外部的位置控制器回路，产生转子倾斜和所需的四元数命令的系统。通过数值仿真对无人机跟踪姿态阶跃指令和跟踪航路点导航任务的性能进行了评估。
2020-06-28 cs.RO cs.SY eess.SY
A Hybrid Compositional Approach to Optimal Mission Planning for Multi-rotor UAVs using Metric Temporal Logic
Institute for Systems Research（系统研究所）
本文提出了一种混合组合方法，用于多旋翼无人机在受约束环境中的时间敏感搜索救援任务规划，通过将度量时序逻辑形式化描述任务规范，并利用混合模型捕捉无人机的各种操作模式，将任务分解为子任务并使用混合整数线性规划求解器求解最优路径，从而降低计算复杂度并实现实时应用。
2019-09-19 cs.RO cs.SY eess.SY
Improving the Region of Attraction of a Multi-rotor UAV by Estimating Unknown Disturbances
Faculty of Engineering, Memorial University of Newfoundland（纽芬兰纪念大学工程学院）
本文提出用神经网络估计未知扰动并融入标称模型，结合图形化技术计算LQR控制下多旋翼无人机的吸引域，实验表明该方法比传统Lyapunov方法更准确且更少保守。
2024-08-30 cs.LG cs.RO cs.SY
Variable Time-Step MPC for Agile Multi-Rotor UAV Interception of Dynamic Targets
BITS Pilani K.K. Birla（BITS Pilani K.K. Birla（比茨皮拉尼K.K.比尔拉））
针对现有非线性MPC在多旋翼无人机敏捷轨迹规划中受固定步长和预测时域限制导致求解质量低的问题，提出可变时间步长并耦合预测时域的MPC方法，结合质点运动基元与微分平坦特性生成可行轨迹，提升了长航段规划与近目标机动的求解质量。
2025-03-18 cs.AI cs.RO cs.SY
Co-design of Control and Planning for Multi-rotor UAVs with Signal Temporal Logic Specifications
University of California, Berkeley（加利福尼亚大学伯克利分校）
城市空中机动性（UAM），或多个有人和无人驾驶飞行器（UAV）在城市空域执行各种任务的场景，是一个日益突出的未来交通概念。具有复杂的空间，时间和反应需求的UAM任务可以使用信号时序逻辑（STL），一种行为规范语言简洁地表示。然而，STL规范的系统规划和控制是计算密集型的，通常导致规划方法不能保证动态可行性，或控制方法不能处理复杂的STL规范。在这里，我们提出了一种方法来共同设计的规划和控制，使一个给定的STL规范（可能在多个无人机）是满意的动态可行的轨迹，我们的控制器可以跟踪他们与有界的跟踪误差，规划占。针对无人机的非线性动力学特性，设计了跟踪控制器，并在轨迹满足一定运动学约束条件时，计算了该控制器的跟踪误差界。我们还增加了现有的多无人机STL为基础的轨迹生成器，以生成满足这些约束的轨迹。我们表明，这种协同设计允许的轨迹，满足给定的STL规范，也是动态可行的意义上，他们可以跟踪有界误差。通过多无人机任务的仿真验证了该方法的适用性。
2020-09-30 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
A Unified MPC Strategy for a Tilt-rotor VTOL UAV Towards Seamless Mode Transitioning
Carnegie Mellon University（卡内基梅隆大学）
提出一种基于MPC的统一控制策略，解决倾转旋翼VTOL无人机无需模式切换的控制分配问题，利用四旋翼冗余设计提升容错性，在性能上优于PID控制器并实现平滑过渡与精确转弯。
2024-02-12 cs.RO cs.SY eess.SY
Modelling, Analysis and Control of OmniMorph: an Omnidirectional Morphing Multi-rotor UAV
University of Twente（特文特大学）；Sapienza University of Rome（罗马大学）
本文首次提出名为OmniMorph的全向变形多旋翼无人机的设计、建模与控制，通过单个伺服电机实现变形以优化能耗和机动性，并验证了最优控制器及原型机的气动干扰测试。
2024-02-19 cs.RO cs.SY eess.SY
Suspended Load Path Tracking Control Using a Tilt-rotor UAV Based on Zonotopic State Estimation
Graduate Program in Electrical Engineering, Federal University of Minas Gerais, Belo Horizonte, MG 31270-901, Brazil（巴西联邦矿务工程师学院电气工程研究生项目）；Department of Electronics Engineering, Federal University of Minas Gerais, Belo Horizonte, MG 31270-901, Brazil（巴西联邦矿务工程师学院电子工程系）
本文研究了利用倾斜旋翼无人机进行悬浮负载路径跟踪控制的问题，通过建立多体机械系统的动力学模型，提出退化拓扑状态估计器来估计负载位置和姿态，并设计了具有极点放置约束的离散时间混合H2/H∞控制器以实现鲁棒的路径跟踪控制。
2018-09-20 cs.RO cs.SY eess.SY
Control of convertible UAV with vectorized thrust
本文扩展了先前关于带矢量推力的可转换固定翼飞机的控制方案，补充了悬停飞行策略、过渡阶段控制策略及空速估计器，并在三倾转旋翼无人机上通过真实仿真验证了方法的有效性。
2023-11-26 cs.SY eess.SY
Quasi-Static Fault-Tolerant Feedback Control of a Quadrotor under Rotor Failure with Provable Safety Guarantees
Sultan Qaboos University（苏丹卡布斯大学）；New Jersey Institute of Technology（新泽西理工学院）
针对四旋翼单旋翼故障，提出基于准静态反馈的非线性控制律，稳定路径跟踪流形以实现路径不变性和局部指数收敛，提供可证明的安全保证，并经Drake仿真验证。
2026-09-22 cs.SY eess.SY math.DS
A Swash Mass Unmanned Aerial Vehicle: Design, Modeling and Control
提出了一种新型无人机结构--斜置质量无人机。它由一个双叶片同轴转子和四个旋转斜盘组成，允许改变方向和操纵无人机。动力系统模型是从牛顿\textquotesingle定律框架中推导出来的。讨论了无人机的旋转行为作为设计参数的函数。根据所得到的非线性动力系统模型的唯一性和形式，提出了一种反推控制机制。它是在每个迭代步骤中按照李雅普诺夫控制方法获得的。仿真结果表明，所提出的控制算法可以使大质量无人机在摇摆状态下精确跟踪线性和攻击性航迹。
2019-09-13 cs.SY eess.SY
Quad-cone-rotor: A Novel Tilt Quadrotor with Severe-fault-tolerant Ability
The University of Tokyo（东京大学）
传统四旋翼飞行器的轨迹设计和容错控制是近年来研究的热点。由于机械设计中的几何形状，每个推力的方向垂直于身体。与传统的四旋翼飞行器相比，四倾转旋翼飞行器在控制推力矢量方面具有更大的自由度。四倾转旋翼增加了推力的额外自由度，提供了违反常规四旋翼中的推力的法线方向的可能性。这提供了更大的控制灵活性的能力。本文提出了一种新型的四倾转旋翼（四锥旋翼）的设计，其推力可以沿圆锥形状的边缘分配。四锥倾转旋翼机除了继承了四锥倾转旋翼机灵活机动的优点外，还有望在严重动力故障（全部推力损失）下实现容错控制。利用SIMULINK、MATLAB对某无人机模拟器的控制效果进行了仿真。
2021-08-19 cs.RO cs.SY eess.SY
Self-Powered Solar Aerial Vehicles: Towards Infinite Endurance UAVs
探索了一种自供电方案，利用太阳能和浮力升力实现长时间运行。最终目标是在满足无人机动力学特性和所需的控制性能、机动性和占空比的同时，具有无限续航能力。在最优不确定性量化（OOQ）的框架内确定与无人机功率需求和太阳能输入相关的无量纲功率项。OOQ考虑了动力学和控制中的不确定性和不完整信息，可用的太阳能，以及太阳能无人机模型的电力需求，并提供了一个最佳的解决方案，以实现能源方面的自我维持系统。讨论了自供电的轨迹跟踪、速度和控制。这类飞行器可以克服当前电动无人机的飞行时间限制，从而满足许多应用的需求。本文为太阳能电动多旋翼无人机的设计提供了一种通用的方法。
2020-07-24 cs.SY eess.SY
Green Emergency Communications in RIS- and MA-Assisted Multi-UAV SAGINs: A Partially Observable Reinforcement Learning Approach
针对灾后RIS与MA辅助多无人机SAGIN应急通信的部分可观测难题，本文提出时空A2C强化学习方法，通过邻域编码消息传递与空间折扣机制，实现更优的收敛性能、奖励表现与吞吐量-能耗权衡。
2025-11-17 cs.SY eess.SY
Stereo Vision for Unmanned Aerial VehicleDetection, Tracking, and Motion Control
提出了一种新的无人机检测方法。本研究的目的是为自主式多旋翼无人机开发一种鲁棒的设置，能够视觉检测和跟踪入侵无人机进行实时运动规划。该系统由两部分组成：使用立体摄像机生成三维点云数据的目标检测和应用卡尔曼滤波器进行无人机运动建模的视频跟踪。在探测到入侵者后，猎人可以瞄准并向入侵者发射一张绳网以压制它。计算机视觉，运动跟踪和规划算法可以在安装在猎人无人机上的便携式计算机上实现。
2020-05-07 cs.SY eess.IV eess.SP
Model Based Control of Commercial-Off-TheShelf (COTS) Unmanned Rotorcraft for BrickWall Construction
TCS（塔塔咨询服务公司）
这项工作提出了一个系统的框架建模和控制器设计的商业现货（COTS）无人旋翼机使用控制理论和原则，砖墙建设。以点到点导航为主要应用，将无人机三轴指令速度作为系统的输入，实际速度作为系统的输出。使用从硬件在环（HiL）测试模拟器获得的正弦和阶跃响应数据，所考虑的系统建模在个别轴的帮助下，所提出的框架。该模型用于控制器设计，其中选择滑模控制器以满足应用的某些要求，如鲁棒性、灵活性和准确性。该模型使用阶跃响应数据进行验证，产生的偏差仅为9%。最后，控制器的现场试验结果表明，良好的控制精度高达8厘米。滑模控制（SMC）也进行了比较，从迭代实验中得到的线性控制器，并认为比后者更好地执行精度，参数变化和风干扰的鲁棒性。
2021-03-23 cs.RO cs.SY eess.SY
Globally Asymptotically Stable Trajectory Tracking of Underactuated UAVs using Geometric Algebra
本文利用几何代数建立欠驱动无人机级联动力学模型，提出一种无需记忆和迭代搜索的简单控制策略，实现无奇异表示，并通过输入到状态稳定性证明和四倾转旋翼机有风环境仿真验证了全局渐近稳定的轨迹跟踪性能。
2025-09-03 cs.SY eess.SY
Robust Attitude Control of Nonlinear UAV Dynamics with LFT Models and $\mathcal{H}_\infty$ Performance
本文研究了在风扰和陀螺噪声下，基于LFT模型和H_∞性能的鲁棒控制器在多旋翼姿态调节中的应用，通过非线性仿真验证了其在恶劣风扰下的优越性能。
2026-03-12 cs.RO cs.SY eess.SY
PyroTrack: Belief-Based Deep Reinforcement Learning Path Planning for Aerial Wildfire Monitoring in Partially Observable Environments
Clemson University（克莱姆森大学）
针对部分可观测环境下无人机野火监测路径规划问题，提出基于信念状态表示和贝叶斯更新的深度强化学习方案，提升火灾覆盖率和前线跟踪性能。
2024-03-17 cs.RO cs.SY eess.SY
Learning-Based Fault-Tolerant Control for an Hexarotor with Model Uncertainty
本文针对六旋翼机动回收中的容错控制问题，提出了一种基于高斯过程（GP）的学习跟踪控制器。特别是，估计某些不确定性，出现在一个六旋翼飞行器的能力，重新配置其转子，以补偿故障。转子重新配置引入干扰，使得飞行器的动态模型不同于标称模型。控制算法的目的是学习和补偿量的建模不确定性后，在控制分配重新配置失败，通过使用GP作为一个学习为基础的模型的预测。特别是，所提出的方法保证了概率有界的跟踪误差具有很高的概率。通过对六旋翼无人机的实验测试，评估了基于学习的容错控制器的性能。
2022-02-25 cs.SY eess.SY math.OC
Bounded Distance-control for Multi-UAV Formation Safety and Preservation in Target-tracking Applications
Indian Institute of Science（印度科学学院）；Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）
多智能体系统中的安全概念在许多新兴的多机器人协作应用中具有重要意义。在本文中，我们提出了一个多无人机协同目标跟踪的应用程序，通过定义有界的无人机之间的距离，以确保编队的安全操作。在这样做的时候，我们解决的问题，优先于其他的多目标控制框架中的特定目标。我们提出了一个障碍李雅普诺夫函数为基础的分布式控制律，执行的距离上的界限，并评估其李雅普诺夫稳定性使用的运动学模型。理论分析得到了数值结果的支持，该结果考虑了测量噪声和运动目标。直线和圆周运动的目标被认为是，二次李雅普诺夫函数为基础的控制，经常用于多智能体多目标问题的结果，也被提出。两种控制方法的比较阐明了我们提出的安全控制的优势，在形成的智能体之间的距离的边界。使用ROS模拟的结论性评价说明了所提出的控制的实用性，以一对多转子视觉估计和保持其相互分离在指定的范围内，因为他们跟踪一个移动的目标。
2023-01-09 cs.RO cs.SY eess.SY
Optimal control of nonlinear systems with unsymmetrical input constraints and its applications to the UAV circumnavigation problem
本文提出了一种新的设计方案，用于解决具有非对称和状态依赖输入约束的非线性系统的最优控制问题。通过引入一个初始稳定控制策略作为所构造的最优控制策略的基线，我们消除了当前研究中对自适应最优控制的假设，即当系统的状态处于原点时，内部动态应保持为零。特别地，研究了动态部分未知的非线性控制系统，给出了获得相应最优控制策略的方法。证明了闭环系统的稳定性和控制策略的最优性。此外，我们应用所提出的控制设计框架来解决固定翼无人机（UAV）的最优环球航行问题的基础上积累的Fisher信息。通过数值仿真，将该算法的控制性能与现有的环航控制策略进行了比较。
2022-11-17 cs.SY eess.SY
Dynamic Trajectory and Power Control in Ultra-Dense UAV Networks: A Mean-Field Reinforcement Learning Approach
本文针对超密集无人机网络中的轨迹与功率控制问题，提出基于平均场博弈和最大熵平均场深度Q网络（ME-MFDQN）的无模型强化学习方法，以提升能量效率。
2024-11-21 cs.SY eess.SY
Control of Complex Maneuvers for a Quadrotor UAV using Geometric Methods on SE(3)
Florida Institute of Technology（佛罗里达理工学院）；University of California at San Diego（加州大学圣地亚哥分校）；University of Michigan（密歇根大学）
本文利用SE(3)上的几何方法，通过非线性跟踪控制器解决四旋翼无人机的复杂机动控制问题，包括姿态、位置和速度跟踪，并展示了几乎全局的闭环稳定性。
2011-09-09 cs.SY eess.SY math.OC
Reinforcement Learning based Autonomous Multi-Rotor Landing on Moving Platforms
University of Stuttgart（斯图加特大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
针对多旋翼无人机自主着陆移动平台现有RL方法训练慢、成功率低、超参数难调的问题，提出任务分解、运动学辅助离散化与可解释超参数的Double Q-Learning方法，仿真与硬件实验均验证其更高效可靠。
2024-05-16 cs.RO cs.SY eess.SY
Collaborative target-tracking control using multiple autonomous fixed-wing UAVs with constant speeds
Department of Electrical Engineering, Eindhoven University of Technology（埃因霍温理工大学电子工程系）；Universidad Complutense de Madrid（马德里complutense大学）；Research School of Electrical, Energy and Material Engineering, Australian National University（澳大利亚国立大学电气、能源和材料工程研究学校）；Optus-Curtin Centre of Excellence in Artificial Intelligence, Curtin University（Curtin大学人工智能卓越中心）
本文研究了使用多架固定翼无人机进行协同跟踪控制的问题，通过设计控制器使无人机群体能够协同跟踪目标的位置和速度，提出了相对速度条件和参考速度构造方法，并讨论了常速约束下的控制器设计和性能限制。
2020-09-02 cs.MA cs.RO cs.SY
Online UAV Path Planning for Joint Detection and Tracking of Multiple Radio-tagged Objects
The University of Adelaide（阿德莱德大学）；Curtin University（科廷大学）
本文提出了一种在线路径规划算法，用于联合检测和跟踪多个未知无线电标签目标，通过部分可观测马尔可夫决策过程和随机有限集跟踪前检测多目标滤波器，在保持无人机与目标安全距离的同时，实现了高效的多目标跟踪与检测。
2019-08-12 cs.SY eess.SY
Energy-Aware Wind-Resilient Routing for Truck-Assisted Multi-UAV Delivery under Wind Uncertainty
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Southern University of Science and Technology（南方科技大学）
针对卡车辅助多无人机配送的风况不确定性与能量安全问题，提出EWR在线规划框架，通过时变能量图优化路由，提升任务成功率并减少风致返回失败。
2026-08-13 cs.RO cs.SY eess.SY
Modeling, Planning, and Control for Hybrid UAV Transition Maneuvers
University of Pennsylvania（宾夕法尼亚大学）；Department of Mechanical Engineering and Applied Mechanics（机械工程与应用力学系）
针对尾座式混合垂直起降无人机缺乏通用高效控制及闭式过渡机动设计方法的问题，本文调研现有建模仿真方法，尝试用非线性动态模型设计恒高连续俯仰过渡机动，明确了障碍并提出新思路，为后续研究奠定基础。
2024-12-09 cs.RO cs.SY eess.SY
Model Predictive Path Integral Control Framework for Partially Observable Navigation: A Quadrotor Case Study
Université Côte d’Azur（蔚蓝海岸大学）；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）；I3S（蔚蓝海岸大学与法国国家科学研究中心联合研究所）
近年来，模型预测路径积分（MPPI）控制算法已被广泛应用于自主导航任务，其中大多数假设成本地图是已知的，并且仅执行2D导航任务。在本文中，我们提出了一个通用的MPPI控制框架，可用于2D或3D自主导航任务，在完全或部分可观察的环境中，这是最普遍的机器人应用。该框架直接利用从机载传感系统获取的3D体素网格进行无碰撞导航。我们测试的框架，在现实的RotorS为基础的模拟，在一个混乱的环境中，完全和部分可观察的情况下，目标导向的四旋翼导航任务。初步结果表明，所提出的框架工作完美，部分可观测性下，在二维和三维杂乱的环境。
2020-10-14 cs.RO cs.SY eess.SY
Hierarchical LLM-Driven Control for HAPS-Assisted UAV Networks: Joint Optimization of Flight and Connectivity
Department of Electrical Engineering and Computer Science, York University（约克大学电气工程与计算机科学系）；Samsung Research America（三星美国研究院）；Department of Software and IT Engineering, École de technologie supérieure (ÉTS), University of Quebec（魁北克大学软件与信息技术工程系，École de technologie supérieure）；Non-Terrestrial Networks (Carleton-NTN) Lab and the Department of Systems and Computer Engineering, Carleton University（非地面网络（Carleton-NTN）实验室和系统与计算机工程系，卡尔顿大学）
本文研究了在整合陆地和非陆地网络中多无人机系统的联合优化问题，提出基于LLM的分层多速率控制框架，通过高精度仿真平台验证了其在提升运输效率、通信吞吐量和减少碰撞率方面的优势。
2026-05-12 cs.AI cs.LG cs.MA
Dynamic Power Systems Line Outage Detection Using Particle Filter and Partially Observed States
由于部分相量测量单元（PMU）的部署和停电信号强度的变化，实时输电线路停电检测是困难的。现有的检测方法集中于监测PMU测量的节点代数状态，即，电压相位角和幅度。然而，这种方法的成功在很大程度上取决于强停电信号和停电位置附近PMU的存在。为了克服这些限制，在这项工作中提出了一个统一的框架，利用节点电压信息和发电机动态状态，例如，转子角位置所提出的计划被证明是更快，更强大的未知的停电位置，通过将发电机动态。使用IEEE 39节点系统的仿真数据，所提出的计划的属性和性能相比，现有的方法。新方法可以通过更快地检测停电并提供停电信号故障用于诊断目的，帮助提高运营商的实时态势感知能力，使未来的电力系统更具弹性。
2021-10-27 cs.SY eess.SY stat.AP
Trusted Routing for Blockchain-Empowered UAV Networks via Multi-Agent Deep Reinforcement Learning
College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics（电子与信息工程学院，南京航空航天大学）；State Key Laboratory of Integrated Service Networks, Xidian University（集成服务网络国家重点实验室，西安电子科技大学）；University of Houston（休斯顿大学）；Department of Computer Science and Engineering, Kyung Hee University（计算机科学与工程系，韩国庆熙大学）
针对无人机网络路由易受恶意攻击的问题，提出基于区块链信任管理机制和多智能体双重深度Q网络的路由算法，仿真显示时延较对比方法降低12.74%至16.6%。
2025-07-31 cs.AI cs.CR cs.SY
GNN-Empowered Effective Partial Observation MARL Method for AoI Management in Multi-UAV Network
Xidian University（西安电子科技大学）；The Hong Kong Polytechnic University（香港理工大学）；Northwest Institute of Nuclear Technology（西北核技术研究院）
本文提出Qedgix框架，结合GNN与QMIX算法，在未知多无人机网络中基于CTDE优化Dec-POMDP，以降低用户平均AoI并提升收敛速度。
2024-08-18 cs.IT cs.LG cs.MA
