GPS Attack Detection and Mitigation for Safe Autonomous Driving using Image and Map based Lateral Direction Localization
School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院）
针对GPS欺骗攻击威胁自动驾驶定位安全的问题，提出结合车载摄像头与高精度地图的攻击检测及基于无迹卡尔曼滤波多源融合的缓解方法，经仿真和公开数据集验证可有效检测攻击并恢复定位精度。
2023-10-09 cs.RO
GaPT: Gaussian Process Toolkit for Online Regression with Application to Learning Quadrotor Dynamics
New York University, Tandon School of Engineering（纽约大学坦登工程学院）；University of Perugia（佩鲁贾大学）
针对高斯过程计算复杂度高、难在受尺寸重量功耗约束的机载飞行机器人部署的问题，提出可将高斯过程转为状态空间形式、线性时间完成回归且兼容主流机器人优化器的GaPT工具包，经四旋翼动力学学习验证，其精度与计算性能均优于经典方法，可实现嵌入式平台实时回归。
2023-03-14 cs.RO
Autonomous Quadrotor Flight despite Rotor Failure with Onboard Vision Sensors: Frames vs. Events
University of Zurich（苏黎世大学）；Delft University of Technology（代尔夫特理工大学）
容错控制对于四旋翼等安全关键系统至关重要。最先进的飞行控制器可以稳定和控制四旋翼机，即使在完全失去旋翼的情况下。然而，这些方法依赖于外部传感器，例如GPS或运动捕捉系统，用于状态估计。据我们所知，仅使用机载传感器还无法实现这一目标。在本文中，我们提出了第一个算法，结合容错控制和板载基于视觉的状态估计，以实现位置控制的四旋翼受到一个转子完全故障。实验验证表明，我们的方法是能够准确地控制在电机故障的情况下，没有任何外部传感器的帮助下，四旋翼的位置。对基于视觉的状态估计的主要挑战源于损坏的四旋翼的不可避免的高速偏航旋转（超过20 rad/s），导致相机的运动模糊，这对视觉惯性里程计（VIO）是有害的。我们比较了两种类型的视觉输入的基于视觉的状态估计算法：标准帧和事件。实验结果表明，由于其固有的高动态范围和高时间分辨率，使用事件相机的优势，特别是在弱光环境中。我们相信，我们的方法将使自主四旋翼在GPS拒绝或退化的环境中更安全。我们将控制器和VIO算法开源。
2021-02-26 cs.RO
Design and Flight Demonstration of a Quadrotor for Urban Mapping and Target Tracking Research
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
本文设计并演示了一种配备五摄像头和机载Jetson Orin Nano的小型四旋翼无人机，实现GPS目标自主跟踪与DSO环境建图，并通过飞行测试验证了系统性能。
2024-03-15 cs.CV cs.RO cs.SY
Safe Learning-based Tracking Control for Quadrotors under Wind Disturbances
Sun Yat-sen University（中山大学）
对于受风干扰的空中机器人来说，执行精确轨迹跟踪的安全性至关重要。本文提出了一种基于学习的保安全级联二次规划控制（SPQC），用于风扰动下的安全轨迹跟踪。SPQC控制器由位置级控制器和姿态级控制器组成。利用高斯过程（GPs）估计风扰动引起的不确定性，设计基于名义型Lyapunov的级联二次规划（QP）控制器跟踪参考轨迹。为了避免意外的障碍物跟踪时，控制障碍函数（CBF）所代表的安全约束，强制执行每个名义QP控制器的最小修改的方式。所提出的SPQC控制器的性能示出通过数值验证（a）在不同的风干扰下的轨迹跟踪，和（b）在一个杂乱的环境中的轨迹跟踪与密集的时变障碍物场下的风干扰。
2021-04-21 cs.RO
Control and State Estimation of Vehicle-Mounted Aerial Systems in GPS-Denied, Non-Inertial Environments
Robotics, Intelligent Systems, and Control Lab, King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia（机器人、智能系统与控制实验室，国王阿卜杜勒-阿齐兹大学科学与技术学院（KAUST），沙特阿拉伯图瓦尔）
本文提出了一种无需惯性反馈的四旋翼飞行器控制与状态估计方法，通过外部位置测量和EKF-UI结合cascaded PID控制器，实现非惯性环境下的稳定轨迹跟踪。
2026-02-03 cs.RO cs.SY eess.SY
Visual Environment Assessment for Safe Autonomous Quadrotor Landing
New York University, Tandon School of Engineering（纽约大学坦登工程学院）；University of Padua（帕多瓦大学）
本文提出一种融合神经网络语义信息与视差图几何属性的实时视觉方法，用于评估和选择安全着陆区域，使四旋翼在无GPS和有限算力条件下实现自主安全着陆。
2024-05-03 cs.CV cs.RO
Gradient-Enhanced Partitioned Gaussian Processes for Real-Time Quadrotor Dynamics Modeling
Department of Mechanical Engineering, Boston University（机械工程系，波士顿大学）
本文提出一种结合梯度信息的分区高斯过程，用于高效实时四旋翼动力学建模，显著提升精度并降低计算成本。
2026-02-13 cs.LG cs.RO
Simulation of Sensor Spoofing Attacks on Unmanned Aerial Vehicles Using the Gazebo Simulator
University of Innsbruck（因斯布鲁克大学）
本文利用 Gazebo 模拟器，通过利用 ROS 和 MAVLink 协议漏洞注入恶意进程，成功仿真了针对无人机 LiDAR 和 GPS 的欺骗与干扰攻击，验证了在模拟器中进行安全测试的可行性。
2023-09-18 cs.CR cs.RO cs.SE
Robust, Perception Based Control with Quadrotors
University of Pennsylvania（宾夕法尼亚大学）
传统上，机器人系统中的控制器和状态估计器是独立设计的。控制器的设计往往假设完美的状态估计。然而，诸如视觉惯性里程计（VIO）的状态估计方法随时间漂移并且可能导致系统行为不当。虽然状态估计误差可以借助于GPS或运动捕获来校正，但是这些互补传感器并不总是可用或可靠的。最近的工作表明，这个问题可以通过使用感知误差的数据驱动表征来合成鲁棒控制器来处理，并且可以使用鲁棒性约束来约束系统对状态估计误差的响应。我们调查的应用程序，这种强大的感知为基础的方法，四旋翼模型使用VIO的状态估计，并证明使用这种技术在仿真和硬件的优点和缺点。此外，为了使调整更容易，我们引入了一个新的成本函数中使用的控制合成，它允许一个现有的控制器和“robustify”它。据我们所知，这是第一个强大的基于感知的控制器实现在真正的硬件，以及一个利用数据驱动的感知模型。我们认为这是迈向安全、强大的机器人的重要一步，这些机器人明确地解释了感知和控制之间的内在依赖性。
2020-09-18 cs.RO
GPS Spoofing Mitigation and Timing Risk Analysis in Networked PMUs via Stochastic Reachability
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Stanford University（斯坦福大学）；Indian Institute of Technology, Bombay（印度理工学院孟买分校）
为了解决PMU对欺骗的脆弱性，我们提出了一个集值状态估计技术称为随机可达性为基础的分布式卡尔曼滤波器（SR-DKF），计算安全的GPS定时在网络的接收机。利用随机可达性，我们不仅估计GPS时间，而且其随机可达集，这是通过概率zonotope（p-Zonotope）参数化。虽然仅在非欺骗条件下需要已知的测量误差界限，但我们设计了一种两层方法：我们首先通过测量创新与其预期的p-Zonotope的偏差来执行测量级欺骗缓解，其次通过估计的pZonotope与违反IEEE C37.118.1a-2014标准的不安全集合的相交概率来执行状态级时序风险分析。我们验证建议的SR-DKF进行模拟接收机网络协调信号级欺骗。我们证明了提高GPS定时精度和成功的欺骗缓解通过我们的SR-DKF。我们验证的鲁棒性估计的定时风险的接收器的数量是不同的。
2021-01-13 cs.MA cs.RO cs.SY
Spoofing-Resilient LiDAR-GPS Factor Graph Localization with Chimera Authentication
Stanford University（斯坦福大学）
本文提出一种融合 LiDAR 里程计与 GPS 伪距的因子图定位框架，利用卡方检测器在 Chimera 认证间隔内检测并缓解 GPS 欺骗攻击，实验表明标称条件下位置误差低于 5 米，欺骗条件下误差被限制在里程计漂移水平内。
2023-07-10 cs.RO cs.SY eess.SP
Real-Time Thermal-Inertial Odometry on Embedded Hardware for High-Speed GPS-Denied Flight
Brigham Young University
该研究提出了一种嵌入式实时热惯性里程计系统，通过融合热成像与惯性数据实现高速无GPS环境下可靠飞行
2026-03-02 cs.RO
Efficient Self-Supervised Neuro-Analytic Visual Servoing for Real-time Quadrotor Control
National University of Science and Technology POLITEHNICA Bucharest（波兰亚斯特拉尔国立科学与技术大学）；NORCE Norwegian Research Center（挪威研究中心）
提出自监督神经解析视觉伺服方法，通过改进型 IBVS 教师向170万参数 ConvNet 蒸馏，实现快11倍的实时四旋翼视觉控制并完成室内无GPS验证。
2025-07-26 cs.CV 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
Robust Multi-Agent Reinforcement Learning for Small UAS Separation Assurance under GPS Degradation and Spoofing
George Washington University（乔治华盛顿大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文通过多智能体强化学习解决小型无人机在GPS退化和欺骗下的鲁棒分离保障问题，提出闭式表达式对抗扰动，实现线性时间评估，并在高密度无人机模拟中取得近零碰撞率。
2026-09-01 cs.AI cs.LG cs.RO
ARMOR: Robust Reinforcement Learning-based Control for UAVs under Physical Attacks
University of British Columbia（不列颠哥伦比亚大学）；University of California, Berkeley（加州大学伯克利分校）
ARMOR是一种抗攻击的无模型强化学习控制器，通过两阶段训练框架学习鲁棒状态表示，可保障无人机在传感器受攻击时的安全运行，泛化能力更强且训练成本更低。
2026-08-04 cs.CR cs.LG cs.RO
An Integrated Framework for Sensing Radio Frequency Spectrum Attacks on Medical Delivery Drones
Capitol Technology University（卡皮托尔科技大学）
无人机对GPS、RF、Wi-Fi和操作员信号的干扰或欺骗攻击的敏感性对未来的医疗输送系统构成了危险。能够感知对无人机攻击的检测框架可以提供主动响应的能力。干扰攻击的识别在医疗递送、灾区救援和FAA针对非法干扰活动的执法中具有适用性。文献中存在一个空白，用于单独或基于群的无人机识别无线电频谱攻击。任何非交付特定的功能，如攻击传感，增加到无人机涉及重量增加和额外的复杂性;因此，价值必须超过缺点。医疗运送、高价值货物和灾区应用可以提供克服额外成本的价值主张。本文研究了针对无人机的攻击类型，并描述了一个框架，用于设计具有主动响应能力的攻击检测系统，以提高交付和其他医疗应用的可靠性。
2020-05-04 cs.CR cs.CY cs.NI
3-D Reciprocal Collision Avoidance on Physical Quadrotor Helicopters with On-Board Sensing for Relative Positioning
University of Utah（犹他大学）
在本文中，我们提出了一种实现的3-D互惠碰撞避免真正的四旋翼直升机，每个四旋翼的相对位置和速度的传感器使用机载摄像头的其他四旋翼。我们表明，使用我们的方法，四旋翼能够成功地避免成对碰撞GPS和运动捕捉否认的环境中，没有四旋翼之间的通信，甚至当人类操作员故意试图诱导碰撞。据我们所知，这是第一次，互惠碰撞避免已成功地实现了真正的机器人，每个代理独立地观察其他使用板载传感器。我们从理论上分析了碰撞避免算法的响应违反的假设，通过使用真实的机器人。我们对实验结果进行了定量分析。一个特别引人注目的观察是，有时四旋翼表现出“相互舞蹈”的行为，这也是观察到当人类在约束环境中移动通过对方。这似乎是感知不确定性的结果，这导致涉及的两个机器人对相对位置和速度有不同的信念，因此，选择通过同一侧。
2014-11-14 cs.RO
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
Resilient Path Planning of UAVs against Covert Attacks on UWB Sensors
在这封信中，提出了一种弹性路径规划方案，以导航无人机的计划（名义上）的目的地与最小的能量消耗的智能攻击者的存在。无人机配备了两个传感器，一个是GPS传感器，容易受到欺骗攻击者的攻击，另一个是功能良好的超宽带（UWB）传感器，可能会被愚弄。我们表明，一个隐蔽的攻击者可以显着偏离无人机的路径，同时破坏GPS信号和伪造的控制输入，而不会被UWB传感器检测到。首先讨论了攻击发生的前提条件。在此前提下，提出了最优攻击方案，使名义目标与实际目标之间的偏差最大化。相应地，基于Pontryagin最大值原理\cite{gelfand2000calculus}提出了一种能量有效的弹性导航方案，有效地抑制了上述隐蔽攻击.综上所述，这个问题可以看作是一个安全路径规划者（防御者）和隐蔽攻击者之间的Stackelberg博弈\cite{bacsar1998dynamic}。通过两个仿真算例和一个无人机试验验证了理论结果的有效性和实用性。
2021-02-28 cs.RO
