DuctAM: A Duct-Assisted Quadrotor-Based Aerial Manipulator Enabling High-Force Push-and-Pull Interactions
Nanyang Technological University(南洋理工大学);NTU–VinUni Joint Research Laboratory for Embodied AI and Robotics(南洋理工大学-维纳大学具身智能与机器人联合研究实验室);VinUniversity(维纳大学)
本文提出DuctAM,一种通过集成导管风扇增强水平力能力的四旋翼空中机械臂,采用姿态-力解耦控制,实验验证了其在推拉任务中的高效性与稳定性。
2026-09-15 cs.RO
Quadrotor Guidance for Window Traversal: A Bearings-Only Approach
Indian Institute of Science(印度科学学院)
本文提出一种仅依赖窗口四顶点方位角测量的四旋翼三维窗口穿越制导方法,通过稳定性分析、仿真与室内飞行试验验证其有效性和鲁棒性。
2024-10-18 cs.RO
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
LiDAR-based Quadrotor for Slope Inspection in Dense Vegetation
University of Hong Kong(香港大学);Geotechnical Engineering Office(土力工程处);Civil and Engineering Development Department(土木工程拓展署);The Government of Hong Kong SAR(香港特别行政区政府)
本研究开发了一套基于LiDAR的四旋翼无人机软硬件系统,用于在茂密植被环境中进行斜坡检测,并在多个实际现场实验中验证了其避障飞行与巡检的优越性。
2024-09-21 cs.RO
Robust Fuzzy Q-Learning-Based Strictly Negative Imaginary Tracking Controllers for the Uncertain Quadrotor Systems
四旋翼无人机由于其多功能性和简单的设计而成为最受欢迎的无人机之一。然而,四旋翼飞行控制器的增益的调整可能是费力的,并且在外部干扰和不确定的系统参数下可能难以维持轨迹的精确稳定控制。针对四旋翼机器人姿态和高度稳定问题,提出了一种新的鲁棒自适应控制综合方法。该方法是基于模糊强化学习和严格负虚(SNI)属性。我们的控制方法的第一阶段是通过反馈线性化(FL)技术将一个非线性四旋翼系统转化为一个等效的负虚(NI)线性模型。第二阶段是设计一种控制方案,通过模糊Q学习,生物学习的启发,在线适应严格负虚(SNI)控制器增益。建议的控制器不需要任何事先培训。在一系列的数值仿真中,将所设计的控制器的性能与固定增益SNI控制器、模糊SNI控制器和常规PID控制器的性能进行了比较。此外,所提出的控制器和自适应律的稳定性证明使用NI定理。
2022-03-26 cs.RO
Toward Increased Airspace Safety: Quadrotor Guidance for Targeting Aerial Objects
Carnegie Mellon University(卡内基梅隆大学)
随着商用无人机(UAV)市场的蓬勃发展,在受保护或敏感空域中发现的小型遥控或自主飞机越来越多。移除这些飞机的现有解决方案要么是军用级的,对国内使用来说太具破坏性,要么是由在国内高调案例中被证明无效的令人不安的遥控反无人机车辆组成。在这项工作中,我们研究了使用四旋翼自主瞄准半静止和移动的空中物体,很少或没有先验知识的目标的飞行特性。制导和控制命令仅由机载单目摄像机提供的信息生成。我们从文献中的导弹制导的灵感,并证明了最佳的制导方法实施的四旋翼,但不能使用的导弹。结果首次通过命中成功和追求持续时间与各种方法。最后,我们介绍了CMU Team Tartan在MBZIRC 2020挑战1比赛中的参赛作品,展示了简单的视线引导方法在结构化比赛环境中的有效性。
2021-07-04 cs.RO
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
Signal-based self-organization of a chain of UAVs for subterranean exploration
Université de Technologie de Compiègne(贡比涅技术大学);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);Université de Lorraine(洛林大学);Aix Marseille Université(艾克斯-马赛大学)
微型多转子机器人是有前途的地下网络导航机器人,但保持地下无线电连接是具有挑战性的。在本文中,我们介绍了一种分布式算法,称为U链(地下链),协调探索无人机和操作员之间的飞行机器人链。我们的算法只使用两个连续的机器人之间的信号质量的测量,以及基于光流传感器的地面速度的估计。我们正式评估我们的方法和模拟,我们描述了实验结果与3个真正的微型四旋翼(12厘米)和基站链。
2020-03-09 cs.RO
Transfer Learning-Based Crack Detection by Autonomous UAVs
Middle East Technical University(中东技术大学)
无人机(UAV)最近在建筑物检查中通过自主探索和绘图收集视觉数据方面表现出了出色的性能。然而,考虑到数据的后处理及其与自主无人机的集成,研究的数量有限。这将使建筑物检查的全面自动化迈出巨大的一步。在这方面,这项工作提出了一个决策工具,自主无人机在视觉建筑物检查重访任务。该工具是对预训练的卷积神经网络(CNN)进行微调以进行表面裂纹检测的实现。它提供了一个可选的机制,用于在检查期间重新访问精确位置的任务规划。它被集成到一个四旋翼无人机系统,可以在GPS拒绝的环境中自主导航。无人机配备了机载传感器和计算机,用于自主定位、绘图和运动规划。通过仿真和真实世界的实验测试集成系统。结果表明,该系统实现了在GPS拒绝环境下的裂缝检测和自主导航。
2018-07-31 cs.RO
A Safer Vision-based Autonomous Planning System for Quadrotor UAVs with Dynamic Obstacle Trajectory Prediction and Its Application with LLMs
Wuhan University(武汉大学);ETH Zürich(苏黎世联邦理工学院);WFLS(武汉外国语学校);HUST(华中科技大学)
本文提出一种基于视觉的无人机自主规划系统,结合动态障碍物跟踪与轨迹预测,利用B样条搜索优化轨迹,在仿真和真实环境中验证了实时避障的可靠性,并探索了与LLMs的集成。
2023-12-23 cs.AI cs.CV cs.RO
Marine Locomotion: A Tethered UAV$-$Buoy System with Surge Velocity Control
American University of Beirut(贝鲁特美国大学)
无人驾驶飞行器(UAV)正在进入近海。在这项工作中,我们制定了新的问题,海洋机车四旋翼无人机,操纵的浪涌速度的浮动浮标通过电缆。所提出的机器人系统可以有各种新的应用无人机,他们的高速和机动性,以及他们的部署方便和广阔的视野,给他们一个优越的优势。此外,四旋翼无人机有限的飞行时间的主要限制通常通过脐带式电力电缆来解决,脐带式电力电缆自然地与所提出的系统集成。建立了浮标、无人机和水环境的高保真动力学模型。此外,一个稳定的控制系统的设计,提出了在一定的限制,保持浮标与水面接触的浮标操纵浪涌速度。在控制器设计过程中使用极坐标,因为它们在确保对跟踪性能的相关影响方面优于传统的基于笛卡尔的速度控制器,其中每个控制通道独立地影响一个控制参数。在不同的波浪场景下,系统模型和控制器的设计进行了验证的数值仿真。
2021-07-30 cs.RO
Wind and State Estimation on SE(3): Comparative Evaluation of EKF and UKF with Continuous and Discrete Quadrotor Models
University of Calgary(卡尔加里大学)
本研究在SE(3)上比较了离散和连续四旋翼动力学模型结合EKF与UKF进行风速估计的性能,结果表明离散模型与UKF组合在低成本传感器下能实现更高估计精度。
2026-07-01 cs.RO
Minimum time trajectory generation for surveying using UAVs
在本文中,我们提出了一个运动规划无人机的策略,产生一个时间最优的轨迹调查一个给定的目标区域。有几种情况下,完成空中调查是时间敏感的,如获得第一响应者的态势感知,调查危险环境等,在这种情况下的挑战之一是为无人机规划一个时间最佳的轨迹。为此,我们提出了一个自主航测框架,最大限度地减少了使用无人机完全探索目标区域或体积所需的时间。在这项工作中,(i)我们提出了一种方法,其中对于一个已知的飞行调查模式,规划器可以生成时间最优的飞行路径在3-D(ii)我们框架的规划问题作为一个离散的非线性规划,并通过使用SOCP松弛来减少计算其解所需的时间(iii)给定的路径,然后使用一个简单的轨迹跟踪控制器上的四旋翼,以证明其在硬件上的能力。
2022-03-05 cs.RO
Multiple quadrotors carrying a flexible hose: dynamics, differential flatness and control
University of California, Berkeley(加州大学伯克利分校)
近年来,使用四旋翼无人机使用电缆进行合作有效载荷运输一直受到积极关注。了解这些复杂的多智能体系统的动态将有助于设计安全可靠的系统。在这项工作中,我们研究了一个这样的多智能体系统,包括多个四旋翼运输的柔性软管。我们将软管建模为一系列较小的离散链接,并推导出一个广义坐标自由动力学。我们表明,这种欠驱动系统的某些配置是差分平坦的。我们使用基于变分的线性化的动态线性化,并提出了一个线性时变LQR跟踪所需的轨迹。最后,我们提出了数值模拟验证的动力学,平坦性和控制。
2020-05-12 cs.RO math.OC
Full 3D Radiation Pattern Approximation in Multi-Rotor UAVs
Faculty of Electrical Engineering, Czech Technical University in Prague(捷克技术大学布拉格分校电子工程系);Mohammed VI Polytechnic University(穆莱·伊沙克·博格达特大学)
提出一种通过校准飞行数据学习异构四旋翼无人机天线辐射模式的方法,利用球谐级数或加权平均建模,并通过线性回归解耦独立无人机的辐射模式,在真实数据集上实现4.56 dB RMS外推误差。
2026-10-23 cs.RO
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
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
Equivariant Reinforcement Learning Frameworks for Quadrotor Low-Level Control
George Washington University(乔治·华盛顿大学)
针对四旋翼低层控制,提出利用旋转和反射对称性的等变强化学习框架,提升数据效率与泛化能力,实验显示优于非等变方法。
2025-02-27 cs.RO math.OC
PyFlyt -- UAV Simulation Environments for Reinforcement Learning Research
Coventry University(考文垂大学);University of Leicester(莱斯特大学)
本文提出PyFlyt,一个基于Bullet物理引擎并支持Gymnasium API的无人机仿真平台,填补了强化学习在无人机领域缺乏标准化测试库的空白,并验证了其在四旋翼和固定翼控制中的有效性。
2023-04-03 cs.RO
Dual Quaternion Based Contact Modeling for Fast and Smooth Collision Recovery of Quadrotors
School of Manufacturing Systems and Networks, Ira A. Fulton Schools of Engineering, Arizona State University(制造系统与网络学院,伊拉·A·福尔顿工程学院,亚利桑那州立大学)
本文提出了一种基于双四元数的接触模型,用于四旋翼在复杂环境中实现快速且平滑的碰撞恢复,通过统一空间扭曲实现法向和切向冲击分量的耦合,减少执行延迟并降低动能峰值。
2026-05-19 cs.RO
Autonomous quadrotor obstacle avoidance based on dueling double deep recurrent Q-learning with monocular vision
School of Aeronautic Science and Engineering, Beihang University(北京航空航天大学航空科学与工程学院);Research Institute for Frontier Science, Beihang University(北京航空航天大学前沿科学研究院);School of Electronic and Information Engineering, Beihang University(北京航空航天大学电子信息工程学院)
无人机的快速发展对自主避障提出了更高的要求。由于有效载荷和电源有限,四旋翼等小型无人机通常携带简单的传感器和计算单元,这使得传统方法的实现更具挑战性。在本文中,一种新的框架被证明是通过拥挤的环境中自主飞行的单目视觉控制四旋翼。该框架采用两级结构,包括一个传感模块和一个决策模块。传感模块基于无监督深度学习方法。决策模块采用决斗式双深度递归Q学习算法,消除了星载单目摄像机观测能力有限的不利影响。该框架使四旋翼无人机能够在没有任何先验环境信息或标记数据集的情况下实现自主避障。训练后的模型具有较高的仿真成功率和较好的泛化能力。
2020-03-02 cs.RO cs.SY eess.SY
Multi-Fidelity Reinforcement Learning for Time-Optimal Quadrotor Re-planning
Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, MA, USA(信息与决策系统实验室,麻省理工学院,剑桥,马萨诸塞州,美国)
针对无人机高速在线轨迹规划难题,提出多保真强化学习方法,协同训练规划策略与奖励估计器,利用多保真贝叶斯优化构建高保真模型,并在仿真与真实实验中验证,实现2毫秒级重规划,优于基线方法。
2025-08-07 cs.RO
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
Proxy-based Super Twisting Control Algorithm for Aerial Manipulators
Harbin Institute of Technology Shenzhen(哈尔滨工业大学(深圳))
针对空中机械臂运动引起的扰动问题,提出基于代理的超螺旋控制方法,提升四旋翼无人机悬停与轨迹跟踪时的稳定性,并经数值模拟和Gazebo仿真验证。
2023-05-06 cs.RO
Real-time Quadrotor Navigation Through Planning in Depth Space in Unstructured Environments
University of New Mexico(新墨西哥大学)
本文研究了四旋翼无人机在非结构化环境中基于实时的【形】视觉的自主避障问题。我们假设无人机配备了一个前向立体摄像头作为唯一的传感器来感知周围的世界。而且,所有的计算都是在机上进行的。在这类问题中,可行的轨迹生成需要快速的碰撞检查以及有效的规划算法。我们提出了一种在深度图像空间中的轨迹生成方法,该方法参考了深度图像所描绘的环境信息。为了预测前瞻机器人轨迹中的碰撞,我们从机器人沿路径的姿态序列中创建深度图像,并将这些图像与通过前向立体相机感知的实际世界的深度图像进行比较。我们的目标是在深度图像空间内生成燃料最优轨迹。在预测碰撞的情况下,切换策略用于使四旋翼积极地偏离障碍物。为此,我们使用两个闭环运动基元的基础上线性二次调节器(LQR)的目标函数。通过仿真和硬件实验验证了该方法的有效性。
2020-10-18 cs.RO cs.SY eess.SY
Vision Transformers for End-to-End Vision-Based Quadrotor Obstacle Avoidance
University of Pennsylvania(宾夕法尼亚大学)
该研究提出并验证了基于vision transformer (ViT)的端到端视觉到控制方法,用于高速四旋翼无人机在密集环境中的避障,发现ViT结合循环机制在高达7m/s的速度下显著提升了泛化性能并降低了能耗。
2025-04-01 cs.AI cs.RO eess.IV
Realtime Wind Estimation using Low Cost Quadrotor Uncrewed Aerial Vehicles
Natural Sciences and Engineering Research Council of Canada(加拿大自然科学和工程研究理事会);Government of Alberta(阿尔伯塔省政府);Alberta Innovates(阿尔伯塔创新);Schulich School of Engineering at the University of Calgary(卡尔加里大学 Schulich 工程学院);Intelligent Dynamics and Control Lab(智能动力与控制实验室);Department of Mechanical and Manufacturing Engineering, University of Calgary(卡尔加里大学机械与制造工程系)
针对四旋翼无人机在非线性风场中估计风速精度低的问题,提出基于无迹卡尔曼滤波(UKF)的非线性估计方法,在SE(3)上建模并通过几何控制器保持轨迹,仿真表明UKF优于扩展卡尔曼滤波(EKF)。
2026-06-29 cs.RO cs.SY eess.SY
Reducing Object Detection Uncertainty from RGB and Thermal Data for UAV Outdoor Surveillance
Queensland University of Technology(昆士兰科技大学);Griffith University(格里菲斯大学);Data61 / CSIRO(Data61 / 联邦科学与工业研究组织)
针对无人机户外监视中视觉检测存在不确定性的问题,提出基于POMDP、用ABT和TAPIR工具包机载实时求解的概率运动规划框架,经真实飞行测试验证可减少误报、提升遇难者定位精度。
2023-08-21 cs.RO
Manipulation of Elasto-Flexible Cables with Single or Multiple UAVs
Robotics and Mechatronics Department, Electrical Engineering, Mathematics, and Computer Science (EEMCS) Faculty, University of Twente(代尔夫特理工大学机器人与机电学系);Department of Computer, Control and Management Engineering, Sapienza University of Rome(罗马萨皮恩扎大学计算机、控制与管理工程系)
本研究针对多架四旋翼无人机操控弹性柔性线缆的系统,提出离散化线缆建模方法,找到系统平坦输出,通过仿真与双机器人实验验证了模型及基于该模型的闭环控制器的有效性。
2025-10-13 cs.RO cs.SY eess.SY
SE(3) Koopman-MPC: Data-driven Learning and Control of Quadrotor UAVs
Clemson University(克莱姆森大学)
本文提出SE(3)流形上基于Koopman算子和EDMD的四旋翼数据驱动建模方法,并设计线性MPC控制器,实现100 Hz高精度敏捷轨迹跟踪。
2023-10-16 cs.RO
Reactive Trajectory Generation in an Unknown Environment
The George Washington University(乔治华盛顿大学)
随着无人机越来越多产,未知环境中无人机的自主轨迹生成一直是一个重要的研究领域。我们定义了一个轨迹生成算法的车辆在一个未知的环境与风的干扰,只依赖于车辆的车载距离传感器和通信与其他车辆在有限的区域内生成一个平滑的,无碰撞的轨迹的四阶导数。所提出的轨迹生成算法可以与高级规划器和低级运动控制器结合使用。该算法保证轨迹不会违反车辆的推力限制、传感器约束或用户定义的其他车辆和障碍物周围的间隙半径。四旋翼飞行器在未知环境中带运动障碍物运动的仿真结果验证了该方法的轨迹生成性能。
2017-07-20 cs.RO math.OC
Invisible Servoing: a Visual Servoing Approach with Return-Conditioned Latent Diffusion
Robotics and Mechatronics group, Faculty of Electrical Engineering, Mathematics and Computer Science, University of Twente(特文特大学机器人与机电组,电气工程、数学与计算机科学学院);Department of Applied Mathematics, University of Twente(特文特大学应用数学系);Department of Computer, Control and Management Engineering, Sapienza University of Rome(罗马萨皮恩扎大学计算机、控制与管理工程系)
该研究提出一种基于潜在DDPM的新型视觉伺服方法,通过跨模态变分自编码器学习图像紧凑表示,让DDPM在潜在空间生成轨迹,实现了无人机在目标初始不可见时也能到达目标视图的视觉导航。
2025-04-29 cs.RO
Trajectory Generation for UAVs in Unknown Environments with Extreme Wind Disturbances
The George Washington University(乔治华盛顿大学);University of Delaware(特拉华大学)
军事、商业公司和学术界对无人机(UAV)的广泛使用继续推动着自主车辆导航的研究,特别是在不同的环境条件和超视距(BLOS)应用中。本文讨论了在极端环境中飞行的无人机的轨迹生成,在极端环境中,风干扰可能超过飞行器的闭环稳定性界限。为此,开发了具有两种操作模式的控制器:(1)正常模式,和(2)漂移模式。在正常模式下,环境条件不会超过飞行器的推力和传感器限制,而在漂移模式下则会超过。在漂移模式中,建立随盛行风移动的漂移框架,其中飞行器保持控制权限以生成和跟踪轨迹。飞行器通过放松惯性系轨迹跟踪要求并在漂移系中重新规划轨迹来保持控制权限。建立保证以确保跟踪轨迹、避免碰撞,并遵守飞行器推力和传感器限制。仿真结果通过两个场景验证了算法的性能。首先,两个四旋翼的性能进行比较,其中一个利用漂移模式,另一个不。第二,多个车辆通过两个狭窄的开口之间的保护和多风的环境,以展示车载更新导航参数的基础上的环境条件。
2019-06-22 cs.RO cs.SY eess.SY
Three-dimensional Trajectory Optimization for Quadrotor Tail-sitter UAVs: Traversing through Given Waypoints
School of Aeronautics and Astronautics, Zhejiang University(浙江大学航空航天学院);Zhejiang University(浙江大学)
针对尾座式无人机垂直与水平飞行轨迹分离的问题,提出基于微分平坦性和MINCO的三维轨迹优化方法,将速度约束软化为软约束并用MPC跟踪,性能优于L1制导律和Dubins路径。
2025-01-18 cs.RO
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
Open Gimbal: A 3 Degrees of Freedom Open Source Sensing and Testing Platform for Nano and Micro UAVs
Delft University of Technology(代尔夫特理工大学)
本文提出开源、可3D打印的三自由度 Open Gimbal 平台,集成无线无电池传感,以支持纳米和微型无人机在不飞行条件下的动力学测试。
2023-10-04 cs.RO cs.SY eess.SY
Safe and Stable Teleoperation of Quadrotor UAVs under Haptic Shared Autonomy
Boston University(波士顿大学);Mechanical Engineering(机械工程学院)
该研究在触觉共享自主框架下,结合控制屏障函数与微分约束提出两种控制-力反馈设计路径,实现四旋翼无人机触觉遥操作的安全稳定,并通过仿真与实体实验验证方法特性。
2024-03-22 cs.RO
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
Control Barrier Functions in Dynamic UAVs for Kinematic Obstacle Avoidance: A Collision Cone Approach
Indian Institute of Science (IISc)(印度科学学院);Cyber-Physical Systems(网络物理系统);Department of Mechanical Engineering(机械工程系)
本文提出一种基于控制障碍函数和碰撞锥的新约束,用于四旋翼飞行器实时避障,通过CBF-QP实现,仿真和硬件实验验证了其在静态和动态障碍物场景中的有效性,且比高阶CBF-QP更少保守。
2024-03-15 cs.RO
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
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
Vision and Learning for Deliberative Monocular Cluttered Flight
Carnegie Mellon University(卡内基梅隆大学);NVIDIA Corporation(英伟达公司);George Mason University(乔治梅森大学);Harvey Mudd College(哈维穆德学院)
摄像机提供了丰富的信息来源,同时对于中小型无人机(UAV)来说是被动的、便宜的和轻便的。在这项工作中,我们提出了滚动时域控制,这是广泛应用于地面车辆,单目视觉作为唯一的传感模式,自主无人机飞行在密集的杂波的第一个实现。我们通过许多贡献使其在无人机上变得可行:通过相关和多样的感知和控制的新型耦合,对机器人周围场景的多种解释,利用机器学习的最新进展来展示任何时候预算成本敏感的特征选择,以及用于单目深度预测的快速非线性回归。我们经验性地证明了我们的新管道的功效,通过超过2公里的真实世界的实验,通过密集的树木与四旋翼从现成的零件。此外,我们的管道旨在将来自其他模式(如立体声和激光雷达)的信息结合起来。
2014-11-24 cs.CV cs.LG cs.RO
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
Fully Onboard AI-powered Human-Drone Pose Estimation on Ultra-low Power Autonomous Flying Nano-UAVs
Dalle Molle Institute for Artificial Intelligence (IDSIA), University of Lugano & SUPSI(达勒·莫勒人工智能研究所(IDSIA),卢加诺大学与瑞士南部应用科学大学);University of Bologna(博洛尼亚大学);ETH Zürich(苏黎世联邦理工学院)
本文提出PULP-Frontnet与PULP低功耗部署流程,在27克Crazyflie 2.1上实现完全机载实时人机姿态估计和闭环自主导航,能效与精度表现优异。
2021-03-19 cs.RO 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
Optimal Smooth Coverage Trajectory Planning for Quadrotors in Cluttered Environment
Guangdong Power Grid Co. Ltd.(广东电力电网公司);Shenzhen Institute of Artificial Intelligence(深圳人工智能与机器人研究院)
针对电网场景下杂乱环境中的无人机覆盖任务,提出前端GA求解TSP、后端非线性最小二乘优化平滑性、耗时与避障的两阶段轨迹规划算法,并通过仿真验证其有效性。
2025-10-03 cs.RO
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
Unsupervised LiDAR-Based Multi-UAV Detection and Tracking Under Extreme Sparsity
Instituto Superior T\' e cnico University of Lisbon Lisbon, Portugal
针对非重复固态激光雷达扫描导致的极端稀疏点云,提出无监督检测与跟踪流水线,通过自适应DBSCAN聚类和时序一致性检验实现高精度检测,并比较确定性分配与概率数据关联在跟踪中的性能。
2026-03-12 cs.RO
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