Learning Approach to Efficient Vision-based Active Tracking of a Flying Target by an Unmanned Aerial Vehicle
Mechanical & Aerospace Eng., University at Buffalo（机械与航空航天工程系，布法罗大学）
针对无人机视觉主动跟踪飞行目标的两个耦合问题，分别提出深度学习与KCF融合的高效检测框架和强化学习神经控制器，仿真验证其性能优于PID基线。
2025-07-29 cs.RO
Autonomous Hybrid Ground/Aerial Mobility in Unknown Environments
NASA Jet Propulsion Laboratory, California Institute of Technology（美国国家航空航天局喷气推进实验室，加州理工学院）；Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（机器人与智能机器研究所，佐治亚理工学院）
混合地面和飞行器可以在节能和增加机动性方面拥有独特的优势。在这项工作中，我们概述了我们的统一框架的控制，规划和自主的混合地面/空中车辆。我们的贡献是三方面的：1）我们开发了一个控制方案的被动两轮混合地面/空中车辆的控制。2)我们提出了一个统一的规划，滚动和飞行利用微分平坦映射。3)我们进行实验，利用地图和全球规划的混合移动在未知的环境中，显示混合移动使用高达五倍的能源比飞行。
2020-09-11 cs.RO
Intelligent Amphibious Ground-Aerial Vehicles: State of the Art Technology for Future Transportation
Tsinghua University（清华大学）；Inner Mongolia University of Technology（内蒙古工业大学）；Singapore University of Technology and Design（新加坡科技设计大学）
水陆两用飞行器融合了飞行和驾驶模式，实现了更灵活的空地机动性，近年来受到越来越多的关注。通过分析现有的两栖车辆，我们强调了自主飞行驾驶功能的两栖车辆在复杂的三维城市交通系统中的有效使用。我们回顾和总结了现有两栖车辆设计中智能飞行驾驶的关键使能技术，确定了主要的技术障碍，并为未来的研究和创新提出了潜在的解决方案。本文旨在为未来城市交通智能水陆两栖车辆的研究和开发提供指导。
2022-07-23 cs.RO
Bionic Collapsible Wings in Aquatic-aerial Robot
Tsinghua University（清华大学）
受飞鱼启发，本文设计了一种配备软体液压驱动器可折叠机翼的水空两栖仿生机器人，构建了精确动力学模型并通过仿真验证了其多模态运动能力与控制可行性。
2023-04-09 cs.RO
SplitFlyer: a Modular Quadcoptor that Disassembles into Two Flying Robots
City University of Hong Kong（香港城市大学）
我们介绍SplitFlyer-一种新颖的四轴飞行器，能够通过人工协助拆卸成两个独立的双旋翼飞行器。作为一个子单元，双旋翼飞行器是一种严重欠驱动的飞行器，只有两个螺旋桨。尽管如此，每个双旋翼飞行器都能够独立飞行。为了实现这一点，我们提供了一个系统动力学分析放松控制偏航旋转，使双旋翼飞行器在飞行中保持其大的自旋速率。考虑到陀螺运动，动力学描述和级联控制策略的发展。我们建造了一个可变形的原型来演示两种构型的连续飞行。结果验证了所提出的控制策略，并显示了该平台的潜力，为未来的研究在模块化空中集群机器人。
2020-07-29 cs.RO
Marsupial Walking-and-Flying Robotic Deployment for Collaborative Exploration of Unknown Environments
NTNU（挪威科技大学）；ETH Zurich（苏黎世联邦理工学院）
这项工作有助于有袋类机器人系统的系统，涉及腿和空中机器人能够协作映射和探索路径规划，利用两个系统的异构特性和选择性地部署从地面机器人的空中系统的能力。利用四足机器人灵巧的运动能力和长时间的耐力，有袋动物组合可以在大规模和封闭的环境中探索，包括崎岖的地形。然而，由于某些类型的地形或垂直几何形状可以使任何地面系统无法继续其探索，有袋动物系统可以-在需要时-部署飞行机器人，通过利用其3D导航能力，可以在其耐力限制内进行集中的探索任务。专注于自主性，这两个系统可以通过共享基于LiDAR的地图和单独规划探索路径来共同定位和映射，而足式机器人上的定制图形搜索使其能够识别何时何地应该部署摆渡的空中平台。该系统在多个实验研究中得到验证，证明了有袋动物系统的扩展探索能力，并促进了对其他无法到达的区域的探索。
2022-05-11 cs.RO
On Onboard LiDAR-based Flying Object Detection
提出一种面向自主飞行器的 3D LiDAR 占据体素检测与簇状多目标跟踪框架，可在 20 m 处低延迟、高精度检测微型 UAV。
2025-02-20 cs.RO
Flying Together: Human-Guided Immersive Shared Control for Aerial Robot Teams in Unknown Environments
New York University（纽约大学）；Ecole Polytechnique Federale de Lausanne（洛桑联邦理工学院）；University of California Berkeley（加州大学伯克利分校）
本文提出了一种基于虚拟现实的共享控制框架，用于在约束和未知环境中操作无人机团队，通过实时用户引导探索，提升在无结构环境中的自主导航能力。核心方法是一种基于用户引导的运动原语规划器，结合阻抗控制器，使操作员能够灵活影响团队行为并引导无人机前往自主规划器可能忽略的感兴趣区域。
2026-05-20 cs.RO
Anti-Gravity Walking by a Flying Humanoid Robot via Thrust-Rate Input Whole-Body Model Predictive Control
The University of Tokyo（东京大学）
针对飞行人形机器人在天花板等反重力环境中的行走问题，提出以推力速率为控制输入的全身模型预测控制框架，通过保证推力连续性和引入接触力下界，实现稳定行走，并经仿真和硬件实验验证。
2026-09-09 cs.RO
To Fuse or Not to Fuse: Measuring Consistency in Multi-Sensor Fusion for Aerial Robots
Autonomous Systems Lab, ETH Z\" u rich, Switzerland -20pt
针对空中机器人在结构附近飞行时多传感器融合的退化问题，提出基于可靠性度量的共识发现方案，动态选择融合传感器，实验证明比始终融合所有传感器更鲁棒准确。
2023-12-22 cs.RO
SurfAAV: Design and Implementation of a Novel Multimodal Surfing Aquatic-Aerial Vehicle
College of Intelligence Science and Technology, National University of Defense Technology, Changsha, China（智能科学与技术学院，国防科技大学，长沙，中国）；School of Electronic Information, Central South University, Changsha, China（电子信息学院，中南大学，长沙，中国）
本文提出新型多模态水空两栖飞行器SurfAAV，采用差动推力矢量水翼实现高效水面滑行、水下航行与空中飞行，无需浮力调节系统，最大滑行速度7.96米/秒，水下速度3.1米/秒，机动性优于现有同类。
2025-06-18 cs.RO
Failure Detection and Fault Tolerant Control of a Jet-Powered Flying Humanoid Robot
Fondazione Istituto Italiano di Tecnologia（意大利技术研究院基金会）；University of Manchester（曼彻斯特大学）
本文针对喷气动力飞行人形机器人 iRonCub 单涡轮失效问题，提出融合转速故障检测、动量飞行控制与离线参考生成的容错控制框架，并通过仿真验证其有效性。
2023-05-25 cs.RO
iRonCub 3: The Jet-Powered Flying Humanoid Robot
Artificial and Mechanical Intelligence, Istituto Italiano di Tecnologia（人工智能与机械智能，意大利技术研究院）；School of Computer Science, University of Manchester（计算机科学学院，曼彻斯特大学）；Department of Industrial Engineering, University of Naples Federico II（工业工程系，那不勒斯费德里克二世大学）
本文介绍了喷气动力人形机器人iRonCub 3的机械与软件架构、控制估计框架，并通过仿真与首次离地升空实验验证了其空中人形移动的可行性。
2025-06-01 cs.RO
Modeling and Control of an Omnidirectional Micro Aerial Vehicle Equipped with a Soft Robotic Arm
Swiss Federal Institute of Technology in Zürich (ETH Zürich)（苏黎世联邦理工学院）
飞行机械手是一种带有刚性机械臂的无人机，属于机器人技术中最新和最活跃的研究领域。这些臂的刚性性质通常在运动中缺乏顺应性、柔性和平滑性。这项工作提出使用一个软体机器人手臂连接到全向微型飞行器（OMAV），以利用手臂的顺应性和灵活性，同时保持可折叠和动态感谢全向无人机作为浮动基地。手臂与无人机的统一对这种组合平台的建模和控制提出了挑战;这些挑战通过这项工作得到了解决。我们提出了一个统一的模型，飞行机械手的基础上三个建模原则：分段常曲率（PCC）和增广刚体模型（ARBM）的假设建模软连续体机器人和浮动基地的方法借用传统的刚体机器人文学。为了证明这种参数化的有效性和实用性，实现了基于模型的分层反馈控制器。控制器进行了验证和评估，在模拟各种动态任务，零空间运动，干扰恢复和轨迹跟踪能力的平台进行检查和验证。柔性飞行机械手平台可以在空中施工、货物运输、人工辅助、维护和仓库自动化等方面开辟新的应用领域。
2021-11-04 cs.RO cs.SY eess.SY
Learning to Walk and Fly with Adversarial Motion Priors
Istituto Italiano di Tecnologia（意大利技术研究院）；University of Zurich（苏黎世大学）；University of Manchester（曼彻斯特大学）
本研究提出基于对抗性运动先验的强化学习方法，使机器人无需复杂奖励函数即可模仿数据集学习行走与飞行模式，实现足式与空中运动的自动平滑过渡及多模态运动。
2024-09-25 cs.RO
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
Nonholonomic Yaw Control of an Underactuated Flying Robot with Model-based Reinforcement Learning
University of California, Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
非完整控制是控制具有路径依赖状态的非线性系统的一种有效方法。本文研究了一种欠驱动飞行的微型飞行器--电离层飞行器，它需要在偏航方向上进行非完整控制来完成姿态控制。部署的分析控制律涉及大量的工程设计，是敏感的系统模型的不准确性。在装配和系统动力学的特定假设下，我们推导出了电离飞行器偏航控制的李括号。与解析控制律所需的大量工程工作相比，我们在模拟飞行任务中实现了数据驱动的基于模型的强化学习偏航控制器。我们证明了一个简单的基于模型的强化学习框架可以在几分钟的飞行数据中匹配导出的李括号控制（在偏航率和选择的动作中），而无需预定义的动力学函数。本文表明，基于学习的方法是有用的工具，以前只能通过基于专家的设计寻址的非线性控制律的合成。
2021-01-12 cs.RO
Thrust Microstepping via Acceleration Feedback in Quadrotor Control for Aerial Grasping of Dynamic Payload
Indian Institute of Technology (IIT), Kanpur（印度理工学院坎普尔分校）
针对四旋翼动态载荷空中抓取易因参数突变失稳的问题，提出基于加速度反馈推力微步进与解耦运动控制的TMDC方法，在多种恶劣场景下飞行稳定性优于现有方法，位置RMSE低于0.04米。
2024-10-08 cs.RO
Exploring Deep Reinforcement Learning for Robust Target Tracking using Micro Aerial Vehicles
University of Perugia（佩鲁贾大学）；New York University（纽约大学）
本文提出基于深度强化学习的输出反馈控制方案，利用相对位置数据实现微型飞行器对非合作目标的持续跟踪，并通过域随机化增强鲁棒性，实验验证其在质量失配和控制延迟下优于传统模型设计。
2024-02-07 cs.RO
DASH Robot: Minimalistic Design and Optimal Aerial-Terrestrial Locomotion via Contact-Implicit Control
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；Shanghai Innovation Institute (SII)（上海创新研究院）
研究设计新型空陆机器人DASH，通过整合管道风扇同轴体与弹性腿，并采用接触隐式模型预测控制器，实现空中和地面的最优运动，经多种任务验证了其设计与控制的有效性。
2026-07-22 cs.RO
Aerial Manipulation: Contact, Medium Coupling, and the Geometry of Readiness
Robotics and Mechatronics lab, Faculty of Electrical Engineering, Mathematics & Computer Science, University of Twente（特温特大学电气工程、数学与计算机科学学院机器人与机电一体化实验室）；Department of Computer, Control and Management Engineering, Sapienza University of Rome（罗马第一大学计算机、控制与管理工程系）
探讨空中操纵问题，指出其与传统操纵不同，因飞行需与介质持续能量交换，各方面相互耦合。提出基于介质感知的解释，构建交互模式与能力阶梯及驱动几何观点，阐明难点、差异及未来平台作用。
2026-07-07 cs.RO cs.SY eess.SY
Simultaneous Contact and Aerodynamic Force Estimation (s-CAFE) for Aerial Robots
Skydio（Skydio公司）；German Aerospace Center (DLR)（德国航空航天中心（DLR））；Roboception GmbH（Roboception有限公司）；Transportation Research Center（交通研究中心）；WindEEE Research Institute（WindEEE研究所）
在本文中，我们考虑的问题，多旋翼飞行机器人的物理相互作用的环境下风的影响。其结果是第一个算法，同时在线估计接触和气动扳手作用于机器人的基础上，在现实世界的数据，而不需要专用的传感器。为此，我们研究了两种基于模型的技术，用于区分空气动力和相互作用力。第一种技术是基于空气动力学和接触扭矩模型，并使用外力来估计风速。然后，基于估计的外部扭矩和期望的（建模的）气动扭矩之间的残差来检测接触。在检测到接触时，假设风速变化非常缓慢。从估计的相互作用扳手，我们还能够确定接触位置。这被嵌入到粒子滤波器框架中，以进一步改善接触位置估计。第二种算法使用由速度控制器测量的螺旋桨气动功率和角速度来获得空速的估计。然后使用空气动力学模型来确定空气动力学扳手。这两种方法都依赖于精确的空气动力学模型。因此，我们评估数据驱动和物理为基础的模型，以及离线系统辨识飞行机器人。为了获得地面真实数据，我们在3D风洞中进行了自主飞行。利用这些数据，可以进行空气动力学模型选择、参数识别以及空气动力和接触力之间的区分。最后，所开发的方法可以作为有用的估计器的相互作用控制方案，同时补偿风干扰。
2018-10-30 cs.RO
Whole-Body Bilateral Teleoperation of a Redundant Aerial Manipulator
German Aerospace Center (DLR)（德国航空航天中心）
将机器人操纵器附接到飞行基座允许显著改进操纵任务的可达性和多功能性。为了探索这样的系统，同时利用人类的感知和认知能力，双边遥操作出现作为一个合理的解决方案。然而，由于大多数遥控操作任务需要视觉反馈，除了触觉之一，实时（任务相关的）定位的摄像机，这是通常连接到飞行基地，成为一个额外的目标来实现。由于飞行基座是机器人的运动结构的一部分，如果不采取适当的照顾，移动摄像机可能会不希望地干扰末端执行器的运动。因此，需要控制操纵任务的零空间中的基准位置。为了给操作者提供有关零空间中允许运动的限制的有意义的信息，本文提出了一种新的触觉概念，称为零空间墙。此外，还提出了一个允许这两项任务稳定双边遥操作的框架。数值模拟数据证实，所提出的框架是能够保持系统被动，同时允许操作员执行时间延迟的遥控操作和命令基地的任务相关的最佳姿态。
2020-02-11 cs.RO cs.SY eess.SY
Autonomous Aerial Robotic Surveying and Mapping with Application to Construction Operations
University of Nevada, Reno（内华达大学雷诺分校）
在本文中，我们提出了一个概述的方法和系统，产生一个飞行机器人系统能够自主检查，测量，全面的多模式映射和库存跟踪的建筑工地具有高度的系统性。机器人系统可以在假设没有环境的先验知识或通过集成环境的先验模型的情况下操作。在第一种情况下，提供自主探索，其返回与颜色和热视觉信息相关联的高保真度$3\textrm{D}$图。在第二种情况下，可以使用结构的先验模型来提供优化的和重复的覆盖路径。机器人自动提供其映射结果，同时能够检测和定位感兴趣的对象，从而支持库存跟踪任务。该系统已在一系列环境中进行了现场验证，并在一个与公共住房有关的建设项目中进行了测试。
2020-05-09 cs.RO
Universal Flying Objects: Modular Multirotor System for Flight of Rigid Objects
City University of Hong Kong（香港城市大学）
我们介绍UFO，一个模块化的空中机器人平台，用于将刚性物体转化为多旋翼机器人。为了实现这一目标，我们开发了飞行模块，以控制模块和推进模块的形式，可以固定在物体上。物体或有效载荷充当飞行器的机身。模块化设计产生了高度通用的平台，因为它可以通过增加或移除飞行模块、调整模块的布置或改变有效载荷来重新配置。为了便于飞行控制，我们提出了一种基于惯性测量单元的估计策略，用于快速计算机器人的配置。当与自适应几何控制器结合用于进一步细化不确定参数时，稳定的飞行以最小的手动干预或用户所需的调整来完成。为此，我们演示了悬停和轨迹跟踪飞行，通过不同的虚拟有效载荷，重约200-800克，使用四到八个推进模块的各种机器人的配置。结果表明，由于所提出的基于IMU的估计方法，稳定的飞行是可以实现的。通过自适应方案，飞行性能随时间显著改善，在参数收敛后位置误差为几厘米。
2020-01-14 cs.RO
Self-assembling Modular Aerial Robot for Versatile Aerial Tasks
Department of Mechanical Engineering, The University of Tokyo（东京大学机械工程系）；Department of Mechano Informatics, The University of Tokyo（东京大学机械信息学系）
本文提出了一种自组装模块化空中机器人LEGION，通过飞行中自组装实现协同操作，结合灵活 maneuverability 和可重构性，实现了从被动观察者到主动参与者转变，拓展了空中物理交互的范围。
2026-05-19 cs.RO
Momentum Control of an Underactuated Flying Humanoid Robot
Istituto Italiano di Tecnologia（意大利理工学院）
本文采取的第一步，欠驱动飞行人形机器人的控制框架的定义。因此，这些机器人可能具有飞行、接触运动和操纵的能力，并受益于为全身控制和空中操纵开发的技术和方法。在四旋翼的情况下，我们认为，人形机器人是由四个推力。为了方便起见，这些力被放置在机器人的手和脚上。控制目标被定义为机器人质心动量的渐近稳定。这个目标使我们能够跟踪机器人质心的期望轨迹，并保持参考方向和机器人基架之间的小误差。机器人动量的稳定性和收敛性证明是在李雅普诺夫意义上的。在人形机器人iCub模型上进行的仿真验证了所提出方法的合理性。
2017-06-03 cs.RO math.DS
Soliro -- a hybrid dynamic tilt-wing aerial manipulator with minimal actuators
Autonomous Systems Lab, ETH Z\" u rich, Switzerland
本文提出Soliro，一种融合全向空中机械臂与VTOL混合平台的5DOF分体倾转翼机器人，仅用最少执行器且无需传统控制面，并通过风洞和过渡飞行验证其性能。
2023-12-08 cs.RO
FlyCap: Markerless Motion Capture Using Multiple Autonomous Flying Cameras
针对自动、方便、非侵入性的运动捕捉，提出了一种新一代无标记运动捕捉技术--FlyCap系统，利用多台自主飞行相机（每台自主无人机集成一台RGBD摄像机）捕捉运动角色的表面运动。在数据采集过程中，三个协同飞行相机自动跟踪和跟踪在广阔空间进行大范围运动的运动目标。提出了一种新的非刚性表面配准方法，对三个飞行相机进行深度跟踪和融合，实现对运动目标的表面运动跟踪，同时计算每个飞行相机的位姿。我们利用无人机平台提供的视觉里程计信息，并制定了表面跟踪问题的非线性目标函数，可以线性化，并有效地通过高斯-牛顿方法最小化。定量和定性的实验结果表明，主管和合理的表面和运动重建的结果
2016-11-29 cs.CV cs.GR cs.RO
Avian-Inspired Claws Enable Robot Perching or Walking
Swiss Federal Institute of Technology Lausanne (EPFL)（洛桑联邦理工学院）；Stony Brook University（石溪大学）
该研究受鸟类启发，设计了结合霍伯曼连杆与鳍条爪的欠驱动爪结构，使无人机同时具备飞行、被动栖息和行走能力，重量轻功耗低，适用于杂乱环境下的长时任务。
2024-02-02 cs.RO
Towards Task-Oriented Flying: Framework, Infrastructure, and Principles
Tsinghua University（清华大学）；Dalian University of Technology（大连理工大学）；Beijing University of Posts and Telecommunications（北京邮电大学）
本文提出面向任务的四旋翼端到端DRL框架，整合复杂任务规范的设计原则，揭示模拟任务定义、训练设计原则和物理部署间的相互依赖关系，为动态无结构环境下的自主飞行提供实用基础。
2025-12-09 cs.AI cs.CV cs.LG
Haptic-Based Bilateral Teleoperation of Aerial Manipulator for Extracting Wedged Object with Compensation of Human Reaction Time
Seoul National University（首尔大学）
本文针对空中机械臂拔出楔入物体时交互力突变及人类反应延迟问题，提出基于触觉的双边遥操作策略，通过外力估计检测拔出并生成参考轨迹，实验证明该方法能减小位置超调并实现快速恢复。
2024-05-02 cs.RO
Borinot: an agile torque-controlled robot for hybrid flying and contact loco-manipulation (workshop version)
Institut de Robòtica i Informàtica Industrial, CSIC-UPC（工业机器人与信息技术研究所（西班牙国家研究委员会-加泰罗尼亚理工大学））
本文提出了开源飞行机器人平台Borinot，其配备力矩驱动末端实现全身动态控制，结合全身力矩级模型预测控制，支持混合飞行与接触式敏捷移动操作，为敏捷机器人研究开辟了新途径。
2023-07-28 cs.RO
Cooperative Aerial Coverage Path Planning for Visual Inspection of Complex Infrastructures
Luleå University of Technology（吕勒奥理工大学）
本文研究了利用多个无人机对复杂基础设施进行检测（离线三维重建）的协同覆盖路径规划（C-CPP）问题。该方案基于基础设施的先验3D模型，能够为无人机生成多条路径，以便在短时间内实现完整的合作覆盖。最初，被检查的基础设施被水平平面切片，其具有识别结构的分支的能力，并且这些分支将被处理为UAV的路径规划的断点，以基于UAV的当前飞行时间在更短的时间内协作地执行覆盖任务，并且更现实。通过利用SLAM和运动恢复结构方法，利用单目或立体传感器，将从覆盖范围收集的多个数据集合并用于基础设施的离线稀疏和密集3D重建。所提出的C-CPP的性能已经在多个室内和现实的室外基础设施检测实验中进行了实验评估。
2016-12-05 cs.RO
UAVs Meet Embodied Intelligence: Bridging Human Intents and Flying Dynamics Via Harnessing Physical-Digital AI Agents
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Beihang University（北京航空航天大学）；Shanxi Datong University（山西大同大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；University of Sanya（三亚学院）；Wenzhou-Kean University（温州肯恩大学）；Macau University of Science and Technology（澳门科技大学）；KOKONI 3D, Moxin Technology（魔芯科技KOKONI 3D）；University of Science and Technology of China（中国科学技术大学）
本文提出无人机具身智能范式，通过5+5框架系统综述其能力维度与架构，并指出驾驭物理-数字AI智能体是实现自适应持续演化无人机自主性的关键路径。
2026-09-17 cs.RO
Mesh Manifold based Riemannian Motion Planning for Omnidirectional Micro Aerial Vehicles
ETH Zürich（苏黎世联邦理工学院）；Microsoft（微软公司）
本文提出了一种新的在线路径规划方法，使空中机器人与表面的互动。我们提出了一个解决问题的轨迹，驱动机器人对一个表面，并沿着它移动。三角形网格被用来作为一个表面地图表示，是免费的固定离散化，并允许非常大的离散。我们建议利用平面参数化方法来获得原始表面的低维拓扑等价表示。此外，我们解释了原始表面及其低维表示为流形近似，允许使用黎曼运动策略（RMP），从而产生一个高效，通用和优雅的运动生成框架。我们比较几个快速探索随机树（RRT）规划，定制的CHOMP变体，和离散测地线算法。使用广泛的模拟现实世界的数据，我们表明，建议的规划器可以可靠地规划高质量的近最佳轨迹，以最小的计算成本。随附的多媒体附件演示了一个真正的OMAV的可行性。所获得的路径显示小于10%的偏差，从理论上的最佳，同时促进反应性重新规划在kHz的刷新率，使飞行机器人执行运动规划与复杂的表面相互作用。
2021-02-20 cs.RO
A Framework Leveraging Large Language Models for Autonomous UAV Control in Flying Networks
INESC TEC and Faculdade de Engenharia, Universidade do Porto（INESC TEC和工程学院，葡萄牙波尔图大学）
本文提出FLUC框架，将开源大语言模型与无人机自驾系统集成，把自然语言指令转化为可执行任务代码，并通过三类模型评估验证其在飞行网络中实时自主控制的有效性。
2025-06-04 cs.NI cs.RO
Hardware-in-the-Loop for Characterization of Embedded State Estimation for Flying Microrobots
针对扑翼微型飞行器机载状态估计难题，本文提出硬件在环测试流水线，重现RoboBee轨迹并评估互补扩展卡尔曼滤波，为全自主控制铺路。
2024-11-10 cs.RO cs.SY eess.SY
A Ducted Fan UAV for Safe Aerial Grabbing and Transfer of Multiple Loads Using Electromagnets
South China University of Technology（华南理工大学）
本文提出一种机身外部安装电磁铁的共轴涵道风扇无人机，无需复杂附加执行器即可安全抓取和转移多个负载，并实现人机空中直接交接，通过ADRC控制器抑制扰动，飞行试验验证了其有效性。
2024-09-24 cs.RO
Real-Time Trajectory Generation and Hybrid Lyapunov-Based Control for Hopping Robots
Robot Locomotion and Biomechanics Laboratory（机器人运动与生物力学实验室）
针对现有跳跃机器人无法直接控制空中轨迹、难以发挥效率优势的问题，提出实时非线性阻力补偿轨迹生成方法与配套李雅普诺夫控制器，可实现复杂空中轨迹跟踪与着陆姿态控制，适配多尺寸跳跃机器人及四旋翼。
2025-10-01 cs.RO
Disturbance-Aware Flight for Aerial Robots in Narrow Space
School of Robotics and Automation, Nanjing University（南京大学机器人与自动化学院）
针对无人机在狭窄空间自主飞行因干扰和空间受限面临的挑战，提出干扰感知规划与控制框架DAPCF，通过双环观测器估计干扰、引入干扰风险函数及设计MDNMPC，使四旋翼能穿越狭窄隧道，性能优于人类飞行员。
2026-07-21 cs.RO
Event-Aided Sharp Radiance Field Reconstruction for Fast-Flying Drones
Robotics and Perception Group, University of Zurich（苏黎世大学机器人与感知组）
本文提出利用事件流和运动模糊帧的统一框架，实现快速飞行无人机的高保真辐射场重建，无需地面真实监督，实现实验数据性能提升超50%。
2026-02-26 cs.CV cs.RO
BatMobility: Towards Flying Without Seeing for Autonomous Drones
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对无人机光学传感器在恶劣环境下易失效的问题，提出纯毫米波雷达感知系统BatMobility，实现无线电流估计与避障，在多场景下性能媲美甚至优于商用光学传感器。
2023-07-21 cs.CV cs.RO
Guidance algorithm for smooth trajectory tracking of a fixed wing UAV flying in wind flows
University of Toulouse（图卢兹大学）；Ecole nationale de l’aviation civile (ENAC)（国立民用航空学院（ENAC））；University of Groningen（格罗宁根大学）
本文提出一种算法，用于解决固定翼无人机在恒定空速和恒定风扰下跟踪平滑曲线的问题，通过构造隐函数描述的引导向量场实现轨迹跟踪，并能通过离线调整避免无人机物理约束。
2017-02-15 cs.RO cs.SY eess.SY
Global Incremental Flight Control for Agile Maneuvering of a Tailsitter Flying Wing
Massachusetts Institute of Technology（麻省理工学院）
提出了一种新的控制律，用于精确跟踪敏捷轨迹使用尾坐式飞翼无人机（UAV）之间的垂直起降（VTOL）和前飞过渡。全局控制公式能够在整个飞行包线内进行机动飞行，包括有侧滑的非协调飞行。微分平坦的非线性尾座动力学与简化的空气动力学模型。使用平坦度变换，所提出的控制器包括跟踪的位置参考以及其衍生物的速度，加速度和加加速度，以及偏航参考和偏航率。通过角速度前馈项包含加加速度和偏航率参考，改进了对具有快速变化的加速度的轨迹的跟踪。该控制器不依赖于广泛的空气动力学建模，而是使用增量非线性动态逆（INDI）计算控制更新的基础上，只有一个本地的输入输出关系，从而对简化的空气动力学方程的差异的鲁棒性。通过导出的平坦度变换，实现了非线性输入输出关系的精确反演。由此产生的控制算法在飞行测试中得到了广泛的评估，在飞行测试中，它展示了精确的轨迹跟踪和具有挑战性的敏捷机动，例如侧向飞行和转弯时的激进过渡。
2022-07-26 cs.RO cs.SY eess.SY
Motion Planning for Aerial Pick-and-Place based on Geometric Feasibility Constraints
Westlake University（西湖大学）；Loughborough University（拉夫堡大学）；Sun Yat-sen University（中山大学）
针对由四旋翼和Delta臂组成的空中机械臂抓取-放置运动规划问题，提出基于几何可行性约束的部分解耦框架，可高效计算轨迹并避障，经真实平台实验验证有效。
2023-06-08 cs.RO cs.SY eess.SY
A highly maneuverable flying squirrel drone with agility-improving foldable wings
Department of Convergence IT Engineering, Pohang University of Science and Technology (POSTECH)（融合IT工程系，浦项科学技术大学）；Defence AI Center, Agency for Defense Development(ADD)（国防人工智能中心，国防开发机构）
本文受飞鼠启发提出一种带折叠翼的高机动无人机，通过推力-机翼协同控制框架和物理辅助循环神经网络建模折叠翼气动特性，实验表明其跟踪性能较传统无翼无人机提升13.1%。
2025-05-08 cs.AI cs.RO
An Open-Source Soft Robotic Platform for Autonomous Aerial Manipulation in the Wild
Soft Robotics Laboratory（软机器人实验室）；Department of Mechanical and Process Engineering（机械与过程工程系）
本研究提出了一种开源软机器人平台，利用机载感知系统实现自主空中操控，提高了应用的可扩展性和实用性。
2025-12-08 cs.RO cs.SY eess.SY
Learning Aerodynamics for the Control of Flying Humanoid Robots
Artificial and Mechanical Intelligence Laboratory（人工智能与机械实验室）；Istituto Italiano di Tecnologia（意大利技术研究院）；Dipartimento di Ingegneria Industriale（工业工程系）；Università di Napoli Federico II（那不勒斯费德里科二世大学）；School of Computer Science（计算机科学学院）；University of Manchester（曼彻斯特大学）；Dipartimento di Scienze e Tecnologie Aerospaziali（航空航天科学与技术系）；Politecnico di Milano（米兰理工学院）；Department of Mechanical Engineering（机械工程系）；Stanford University（斯坦福大学）
针对飞行人形机器人气动力建模与控制难题，本文提出结合CFD仿真、风洞实验与深度学习的方法，设计iRonCub-Mk1并验证了气动感知控制器的有效性。
2025-06-21 cs.LG cs.RO
UAV-Flow Colosseo: A Real-World Benchmark for Flying-on-a-Word UAV Imitation Learning
Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院）；National University of Singapore（新加坡国立大学）；MMLab, CUHK（香港中文大学MMLab）；Hangzhou International Innovation Institute of Beihang University（北京航空航天大学杭州国际创新研究院）
该研究提出UAV-Flow基准，用于语言引导的细粒度无人机轨迹控制，通过模仿学习实现精确飞行，实验证明VLA模型优于VLN，强调空间接地的重要性。
2025-05-26 cs.CV cs.RO
Learning Variable Impedance Control for Aerial Sliding on Uneven Heterogeneous Surfaces by Proprioceptive and Tactile Sensing
ETH Zürich（苏黎世联邦理工学院）
能够与环境进行物理交互的新型飞行器的最新发展导致了新的应用，例如基于接触的检测。这些任务要求机器人系统与部分已知的环境交换力，这可能包含不确定性，包括未知的空间变化的摩擦特性和表面几何形状的不连续变化。找到一种对这些环境不确定性具有鲁棒性的控制策略仍然是一个公开的挑战。提出了一种基于学习的自适应控制策略，用于空中滑行任务。特别地，通过基于当前控制信号、本体感受测量和触觉感知的策略来实时调整标准阻抗控制器的增益。该策略在学生-教师学习设置中使用简化的致动器动力学进行模拟训练。使用一个倾斜臂全向飞行器的实际世界中的性能所提出的方法进行了验证。所提出的控制器结构结合了数据驱动和基于模型的控制方法，使我们的方法能够成功地直接从仿真转移到真实平台，而无需自适应。与现有技术的相互作用控制方法相比，我们实现了减小的跟踪误差和改进的干扰抑制。
2022-07-05 cs.LG cs.RO cs.SY
Robust Self-Reconfiguration for Fault-Tolerant Control of Modular Aerial Robot Systems
National University of Singapore（新加坡国立大学）
本文针对模块化空中机器人系统自重构过程中中间结构可控性不足的问题，提出一种基于控制约束动态模型的鲁棒自重构算法，通过最大化各中间阶段的可控性裕度来计算最优拆卸与装配序列，在容错场景中显著提升了可控性和轨迹跟踪性能并减少了装配步骤。
2025-03-12 cs.RO cs.SY eess.SY
Flying through cluttered and dynamic environments with LiDAR
Department of Mechanical Engineering, University of Hong Kong（香港大学机械工程系）
本文提出一种基于LiDAR的完整系统，集成M-detector感知与DynIPC规划，使无人机在杂乱动态环境中实时规避移动障碍，仿真与实测验证其优越性。
2025-04-24 cs.RO cs.SY eess.SY
Outdoor flocking and formation flight with autonomous aerial robots
我们提出了第一个分散的多直升机群，它可以与多达10个飞行代理进行稳定的自主户外飞行。所谓去中心化和自主，我们的意思是所有成员都根据从附近其他机器人那里接收到的动态信息进行导航。我们不使用中央数据处理或控制;相反，所有必要的计算都由微型单板计算机进行。该系统利用的唯一全球信息来自GPS接收器，而这些单元使用无线模块与本地的其他群成员共享此位置信息。集体行为是基于一个分散控制框架，生物灵感来自动物群体的统计物理建模。此外，该模型经过优化，即使在嘈杂，多风，延误和容易出错的环境中也能稳定飞行。使用这个框架，我们成功地实现了几个基本的集体飞行任务，多达10个单位：i）我们实现了自推进群集在一个有界的区域与自组织的对象回避能力和ii）进行集体目标跟踪与稳定的编队飞行（网格，旋转环，直线）。与现实的数值模拟，我们证明了本地广播型通信和分散的自主控制方法允许更大的羊群模型的可扩展性。
2014-07-04 cs.MA cs.RO
