Learning to Fly Omnidirectional Micro Aerial Vehicles with an End-To-End Control Network
Autonomous Systems Lab, ETH Z\" u rich, Switzerland\ author
针对过驱动倾转旋翼微型飞行器因倾转电机动态较慢导致的控制难题，本文用强化学习训练端到端位姿控制器，并证明其在惯性与力干扰下优于传统先进控制器。
2023-12-08 cs.RO
Flying Calligrapher: Contact-Aware Motion and Force Planning and Control for Aerial Manipulation
Carnegie Mellon University（卡内基梅隆大学）；School of Computer Science（计算机科学学院）；Robotics Institute（机器人研究所）；Pennsylvania State University（宾夕法尼亚州立大学）；College of Engineering（工程学院）
针对空中操作中时变接触力与切向运动轨迹同步跟踪的问题，提出接触感知轨迹规划器与混合运动-力控制器的流程，通过新型海绵笔末端执行器完成空中书法任务，实现了有效轨迹跟踪与字母绘制。
2025-04-14 cs.RO
Flying Co-Stereo: Enabling Long-Range Aerial Dense Mapping via Collaborative Stereo Vision of Dynamic-Baseline
Shanghai Jiao Tong University（上海交通大学）；Mohamed Bin Zayed University of Artificial Intelligence（Mohamed Bin Zayed大学人工智能学院）
本文提出Flying Co-Stereo系统，利用两架无人机的宽基线协同立体视觉实现长距离空中稠密建图，通过双光谱视觉-惯性-测距估计、混合特征关联和稀疏到稠密深度恢复，将建图范围提升至70米，深度范围和覆盖面积分别比传统系统提高350%和450%。
2025-05-31 cs.RO
FlyAware: Inertia-Aware Aerial Manipulation via Vision-Based Estimation and Post-Grasp Adaptation
School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院）；Visual Intelligence Lab, Cheng Kar-Shun Robotics Institute, The Hong Kong University of Science and Technology（香港科技大学成卡顺机器人研究所视觉智能实验室）；Differential Robotics Technology Company, Ltd.（差分机器人技术有限公司）
FlyAware 通过基于视觉的预抓取惯性估计与抓取后适应机制，实现空中 manipulators 的稳健操控，验证了其在复杂惯性参数下的有效性。
2026-01-30 cs.RO
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
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
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
Orientation Control System: Enhancing Aerial Maneuvers for Quadruped Robots
Istituto Italiano di Tecnologia (IIT)（意大利技术研究院）；University of Trento（特伦托大学）
对于足式机器人，空中运动是唯一的选择，以跨越障碍物，不能绕过标准的运动步态。在这些情况下，机器人必须跳跃到障碍物上或飞越障碍物。然而，这些运动是一个挑战，因为在飞行阶段无法控制质心（CoM），并且机器人方向的可控性有限。本文着重于后一个问题，并提出了一个方向控制系统（OCS）组成的两个旋转和驱动质量（飞轮或反作用轮），以获得控制权的机器人方向。由于角动量守恒，它们的旋转速度可以调整，以引导机器人的方向，即使没有与地面接触。飞轮的旋转轴被设计成入射的，从而导致能够控制滚转角和俯仰角的紧凑的定向控制系统，考虑到在两个方向上的不同惯性矩。我们在机器人Solo12上进行了模拟测试。
2023-01-27 cs.RO
Learn Structure, Adapt on the Fly: Multi-Scale Residual Learning and Online Adaptation for Aerial Manipulators
Robotics Research Center, IIIT Hyderabad, India（IIIT Hyderabad机器人研究中心，印度）；Department of Computer Science, University of Manchester, UK（曼彻斯特大学计算机科学系，英国）；Newcastle University, UK（新castle大学，英国）
提出一种预测-自适应框架，通过因子化动力学变换器（FDT）分解多尺度残差动力学，并利用潜在残差适配器（LRA）在线适应，实现空中机械臂的高精度实时残差建模与补偿。
2026-06-29 cs.RO
$π$, But Make It Fly: Physics-Guided Transfer of VLA Models to Aerial Manipulation
Stanford University（斯坦福大学）；Physical Intelligence
本文提出AirVLA系统，研究预训练VLA模型在空中抓取任务中的迁移性，通过引入负载感知指导机制和高斯点扩散管道合成数据，提升空中操作性能，实现导航任务100%成功和抓取任务50%成功。
2026-03-26 cs.RO
Fly, Drive, Reconfigure: A Modular Reconfigurable Aerial-Ground Platform for Field Operations
Duke University（杜克大学）
提出模块化可重构空地平台HARP，通过空中模块自主组装实现高效载荷运输，实验验证其在复杂环境中的感知、规划与重构能力。
2026-09-25 cs.RO cs.SY eess.SY
Detecting and avoiding frontal obstacles from monocular camera for micro unmanned aerial vehicles
Heriot Watt University（赫瑞瓦特大学）
在文献中，有几种方法试图使无人机自主飞行，即，通过提取诸如直线的透视线索。然而，它只适用于定义良好的人造环境，除了许多其他线索，需要足够的纹理信息。我们的主要目标是检测和避免正面障碍物从单目摄像机使用四旋翼Ar.无人机2通过利用光流作为运动视差，无人机被允许以1 m/s的速度飞行，高度范围从地面以上1至4米。由于光流具有一定的局限性，即受光照条件和孔径的影响，因此探测和避开前方障碍物是一个非常具有挑战性的问题。
2016-04-03 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
Inspection-on-the-fly using Hybrid Physical Interaction Control for Aerial Manipulators
Purdue Polytechnic Institute, Purdue University（普渡大学普渡理工学院）；School of Engineering Technology, Purdue Polytechnic Institute, Purdue University（普渡大学普渡理工学院工程技术学院）；Purdue University（普渡大学）
结构特性（表面刚度和恢复系数）的检查对于在未知环境中理解和执行空中操作至关重要，对它们的状态几乎没有先验知识。动态检测是人类在操作过程中推断状态的不可思议的能力，减少了单独执行检测和操作的必要性。提出了一种基于混合物理交互控制的空中机械手实时检测方法。与所提出的方法，结构特性（表面刚度和恢复系数），可以估计在物理相互作用。提出了一种三阶段混合物理相互作用控制方法，用于鲁棒地接近、获取和传递期望的力信号到表面上。这是通过将混合力/运动控制器与作为中间阶段的基于模型的前馈冲击控制相结合来实现的。所提出的控制器确保了从无约束运动控制到约束力控制的稳定过渡，同时减少了与力控制阶段相关的滞后。底层的操作空间动态配置管理器允许复杂的冗余车辆/手臂组合。实验是在一个模拟的部门。的能量排出轴，以显示在飞行中检查方法的有效性，以确定目标表面的结构特性和混合物理交互控制器在减少与力控制阶段相关的滞后方面的性能。
2020-10-19 cs.RO cs.SY eess.SY
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
X-Fly: Learning to Reach and Stop in Full-Chunk Aerial Vision-Language Navigation
ARIDGE；XPENG（小鹏汽车）
X-Fly是用于全块空中视觉语言导航的分阶段训练框架，通过Recovery DAgger和Flow-GRPO优化策略，在OpenFly测试集上的成功率显著优于全块BC和DreamFly。
2026-11-05 cs.AI cs.CV 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
Avoiding dynamic small obstacles with onboard sensing and computating on aerial robots
University of Hong Kong（香港大学）
在实际应用中，自主四旋翼仍然面临重大挑战，例如检测和避免非常小的甚至动态的障碍物（例如，树枝、电线）。在本文中，我们提出了一种紧凑，集成，完全自主的四旋翼系统，它可以在混乱的环境中安全飞行，同时避免动态的小障碍物。我们的四旋翼平台配备了一个前视三维（3D）光探测和测距（激光雷达）传感器来感知环境，以及一台机载嵌入式计算机来执行所有的估计，映射和规划任务。具体而言，计算机估计UAV的当前姿态，维护本地地图（时间累积点云KD树），并使用运动动力学A* 搜索来计算到目标点的安全轨迹。整个感知和规划系统可以在50 Hz下运行，并经过精心优化。各种室内和室外实验表明，该系统可以避免动态的小障碍物（下至20毫米直径的酒吧），同时飞行速度为2米/秒，在杂乱的环境。我们的代码和硬件设计在Github上开源。
2021-02-28 cs.RO
VLN on the Fly: An Onboard Vision-Language Navigation Stack for Aerial Robots
University of São Paulo (USP)（圣保罗大学）
针对空中机器人机载视觉语言导航的挑战，提出VLN on the Fly模块化栈，分离接地、规划与控制，在15次飞行中13次成功，平均误差5.72厘米。
2026-10-27 cs.AI cs.CV cs.LG
BogieCopter: A Multi-Modal Aerial-Ground Vehicle for Long-Endurance Inspection Applications
Institute for Systems and Robotics（系统与机器人研究所）；Instituto Superior Técnico（高等技术学院）；Universidade de Lisboa（里斯本大学）
本文提出BogieCopter，一种带可倾斜轴和被动轮的混合空地MAV，实现飞行、地面移动与爬墙，提升效率与载荷，降低质量增加，适用于长航时巡检。
2023-06-23 cs.RO
Mapping Safe Zones for Co-located Human-UAV Interaction
University of Southampton（南安普顿大学）
本文通过18名参与者的室内实验，研究共处无人机与人的安全距离，发现单机安全距离为300 cm以上，多机需再增加100 cm，并据此绘制禁飞、适度和安全飞行区域地图。
2024-09-03 cs.RO
MAT-Fly: An Educational Platform for Simulating Unmanned Aerial Vehicles Aimed to Detect and Track Moving Objects
Faculty of Electrical Engineering, Czech Technical University in Prague（布拉格捷克技术大学电气工程系）；Department of Engineering, University of Sannio in Benevento, Piazza Roma 21（巴内维诺萨恩尼奥大学工程系，罗马广场21号）
本文提出了一种用于无人驾驶航空器领域特定任务的模拟方法，即视觉检测和跟踪任意移动物体，介绍了MAT-Fly平台，该平台基于Matlab和MathWorks虚拟现实（VR）和计算机视觉系统（CVS）工具箱，用于模拟四旋翼飞行器跟踪沿复杂路径移动的汽车，并开源供教育使用。
2021-03-10 cs.RO cs.SY eess.SY
A2VISR: An Active and Adaptive Ground-Aerial Localization System Using Visual Inertial and Single-Range Fusion
State Key Laboratory of Mechanical System and Vibration, School of Mechanical Engineering, Shanghai Jiaotong University（机械系统与振动国家重点实验室，机械工程学院，上海交通大学）
A2VISR通过整合主动视觉、单距离、惯性里程计和光流，提升飞行机器人在复杂环境中的定位鲁棒性，实现高精度与抗干扰的在线定位。
2025-12-18 cs.RO
DoubleBee: A Hybrid Aerial-Ground Robot with Two Active Wheels
Nanyang Technological University（南洋理工大学）
我们提出的动力学模型和控制的DoubleBee，一种新型的混合空-地车辆由两个螺旋桨安装在倾斜伺服电机和两个电机驱动的车轮。DoubleBee在空中模式下利用了双旋翼配置的高能效，并在地面上享受了两轮自平衡机器人的低功耗。此外，螺旋桨推力作为额外的控制输入在地面上，使一种新的解耦控制方案，其中的机器人的姿态控制使用推力和平移运动是使用车轮实现。DoubleBee的原型是使用市售组件构建的。通过综合实验验证了机器人的功率效率和控制性能。在室内和室外环境中的飞行任务展示了DoubleBee穿越非结构化环境，飞越障碍物并在障碍物下移动，以及攀登陡峭和粗糙地形的能力。
2023-03-20 cs.RO
Online Exploration of an Unknown Region of Interest with a Team of Aerial Robots
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Maryland（马里兰大学）
在本文中，我们研究的问题，探索一个未知的区域感兴趣（ROI）与一队空中机器人。机器人不知道ROI的大小和形状。目标是为每个机器人找到一个路线，使得ROI中的每个点都必须从某个机器人的视野中可见。在使用地面机器人的常规勘探中，ROI边界通常也作为障碍物，并且机器人自然地被约束到该ROI的内部。相反，我们研究的情况下，空中机器人不限于飞行的ROI内（并可以飞越ROI的边界）。我们提出了一个递归的深度优先搜索算法，产生一个恒定的竞争比的探索问题。我们的分析还延伸到的情况下，投资回报率是翻译，\eg，在海洋羽流的情况下。在ROI被建模为2D网格的问题的简单版本中，竞争比是$\frac{2(S_r+S_p)(R+\lfloor\log{R}\rfloor)}{(S_r-S_p)(1+\lfloor\log{R}\rfloor)}$，其中$R$是机器人的数量，并且$S_r$和$S_p$分别是机器人速度和ROI速度。我们还考虑了一个更现实的情况下，感兴趣区域的形状不限于网格单元，但任意形状。我们证明了我们的算法在一定条件下具有$\frac{2(S_r+S_p)(18R+\lfloor\log{R}\rfloor)}{(S_r-S_p)(1+\lfloor\log{R}\rfloor)}$竞争比。我们经验验证我们的算法使用模拟以及概念验证实验映射2D ROI使用空中机器人与朝下的摄像头。
2022-04-14 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
Fly-by-Code: Embodied Coding Agents for Aerial Manipulation with Active Visual and Physical Feedback
Seoul National University（首尔国立大学）；Carnegie Mellon University（卡内基梅隆大学）；University of Maryland, College Park（马里兰大学帕克分校）；All Purpose AI；Kyung Hee University（庆熙大学）
该研究针对空中操作中具身编码智能体执行反馈的缺陷，提出主动反馈框架，通过仿真诊断程序补充缺失证据，显著提升任务成功率，且优化后的程序可直接在真实机器人上运行。
2026-10-12 cs.CV cs.LG cs.RO
Deployment of Aerial Robots after a major fire of an industrial hall with hazardous substances, a report
University of Applied Science, Gelsenkirchen（盖尔森基兴应用科学大学）；German Rescue Robotic Centre, Dortmund（多特蒙德德国救援机器人中心）；Fire Department of Dortmund, Institute of Fire Service and Rescue Technology（多特蒙德消防局消防与救援技术研究所）
这份技术报告是关于在柏林一场大火后对一个含有危险物质的工业大厅进行侦察的任务和经验。在这次行动中，只使用了无人机和摄像机来获取有关现场和建筑物的信息。首先，创建了建筑物的地理参考3D模型，以规划进入大厅的入口。随后，无人机被用来在严重受损的内部飞行，并从大厅内部拍照。安装在无人机下方的360°摄像机用于收集周围区域的图像，特别是难以飞入的部分。由于收集的数据集包含相似的图像以及模糊的图像，因此使用视觉SLAM、光束法平差和模糊检测将其从非最佳图像中清除，以便可以计算3D模型和概览。结果表明，紧急服务无法从3D模型中提取必要的信息。因此，实现了具有到其他360°图像的链接的交互式全景查看器，其中到其他图像的链接取决于视觉SLAM算法的半密集点云和定位的相机位置，使得应急部队可以查看周围环境。
2021-11-29 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
CosFly: Plan in the Matrix, Fly in the World
Autel Robotics（Autel机器人公司）；Nanjing University（南京大学）；Peking University（北京大学）；Southern University of Science and Technology（南方科技大学）；University of Hong Kong（香港大学）
本文提出CosFly，一个用于空中跟踪的盒状结构规划和多模态模拟流程，以及CosFly-Track大规模无人机数据集，用于在多样环境中动态目标跟踪。CosFly通过将复杂的3D世界转换为结构化障碍表示进行规划，然后将轨迹投影到多模态传感器数据中，并支持可配置的固定视角缩放级别。
2026-05-18 cs.RO
See, Point, Fly: A Learning-Free VLM Framework for Universal Unmanned Aerial Navigation
National Yang Ming Chiao Tung University（国家阳明交通大学）；National Taiwan University（国立台湾大学）
SPF是一个免训练的VLM框架，将空中导航动作预测视为2D空间定位，通过迭代标注2D路点并转换为3D位移向量，实现通用无人机导航，在模拟和真实环境中大幅超越现有方法。
2025-09-26 cs.AI cs.CL cs.CV
V2X Communication Between Connected and Automated Vehicles (CAVs) and Unmanned Aerial Vehicles (UAVs)
The Ohio State University（俄亥俄州立大学）
地面车辆之间的连通性可以得到利用和扩大，以包括用于协调任务的飞行器。使用V2X通信技术，可以在互联和自动驾驶车辆（CAV）与无人机（UAV）之间建立通信链路。地空通信链路的硬件实现和测试对于实际应用至关重要。建立了两种不同的通信链路，专用短程通信（DSRC）和基于4G互联网的WebSocket通信。这两个链接分别测试静态和动态测试用例。更进一步，这两个链接一起用于称为Quick Clear演示的真实用例场景。目的是首先通过DSRC通信将地面车辆位置信息从CAV发送到UAV。在无人机侧，DSRC调制解调器和树莓派配对计算机之间的连接通过用户数据报协议（UDP）建立，以将CAV位置信息发送到配对计算机。Raspberry Pi处理两种不同的连接，它首先通过传输控制协议（TCP）连接到交通应急管理系统（CMP），将CAV和UAV的位置信息发送给CMP。其次，Raspberry Pi使用WebSocket通信连接到Web服务器，以发送无人机机载相机拍摄的照片。快速清除演示进行了静态测试和动态飞行测试。结果表明，这种通信结构可以用于现实生活中的场景。
2021-09-02 cs.MA cs.RO cs.SY
A Modular Dual-Camera Pipeline for Micro-Inspection Using Aerial Robots
Netherlands Organization for Scientific Research (NWO)（荷兰科学研究组织）；Saxion University of Applied Sciences（萨克逊应用科学大学）
提出一种模块化双相机空中微检测流水线，通过变焦云台相机和广角立体导航相机协同工作，结合视觉反馈回路，实现对树木和温室粘虫板等非结构目标的鲁棒微检测。
2026-06-11 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
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
Towards Cooperative Transport of a Suspended Payload via Two Aerial Robots with Inertial Sensing
City University of Hong Kong（香港城市大学）
研究了由两个空中机器人吊运点质量的协同运输问题。将机器人视为领导者和跟随者，跟随者仅使用来自其惯性测量单元（IMU）的反馈来相对于领导者稳定系统。这是通过忽略领导者的加速度，通过广义坐标或电缆的角度分析系统，并采用基于IMU测量的观测模型来实现的。基于扩展卡尔曼滤波器（EKF）和控制器的轻量级估计器推导出稳定的机器人负载机器人系统。所提出的方法进行了验证，广泛的飞行实验，首先与一个机器人，然后与两个机器人。仿真结果表明，该跟踪器仅利用惯性测量单元的测量值就能实现期望的准静态轨迹。研究结果表明，通过小型飞行机器人以最小的传感和计算要求实现自主合作运输悬浮有效载荷的目标取得了可喜的进展。
2020-07-29 cs.RO
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
Neither Fast Nor Slow: How to Fly Through Narrow Tunnels
Hong Kong University of Science and Technology（香港科技大学）
如今，多旋翼飞行器在各种飞行任务中发挥着重要作用。在这些任务中，进入人类几乎无法进入的狭窄隧道是可取的，但对多旋翼来说极具挑战性。受限空间和显著的自我气流扰动在快速和慢速飞行时都引起控制问题，同时带来状态估计和感知问题。因此，在适当的速度下的平滑轨迹对于安全的隧道飞行是必要的。为了应对这些挑战，在这封信中，一个完整的自主航空系统，可以顺利通过隧道的尺寸窄至0.6米。该系统包含一个运动规划器，生成沿隧道中心线，这是根据地图和欧氏距离场（EDF）提取平滑的小加加速度轨迹，其实际速度范围是通过计算流体动力学（CFD）和飞行数据分析。在多个狭窄的风洞中进行了广泛的四旋翼飞行实验，以验证规划框架以及整个系统的鲁棒性。
2022-01-10 cs.RO
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
Active Contact Engagement for Aerial Navigation in Unknown Environments with Glass
Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（电子与计算机工程系，香港理工大学）
本文提出一种结合视觉检测与主动接触确认的自主空中导航方法，通过轻量级接触传感模块验证玻璃表面并实时更新地图与轨迹，实现含玻璃未知环境中的高效鲁棒导航。
2025-05-09 cs.RO
Hybrid Aerial-Ground Vehicle Autonomy in GPS-denied Environments
School of Aerospace, Mechanical and Mechatronic Engineering（航空航天、机械与机电工程学院）；The University of Sydney（悉尼大学）；Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）
针对GPS拒止的地下等环境探测需求，本文为空地混合载具Rollocopter研发了具备避障、无定位规划能力的局部规划架构，结合混合移动模式与可通行性分析，经模拟器与多场景测试验证了其通行能力。
2024-09-16 cs.RO
Progress Towards Untethered Autonomous Flight of Northeastern University Aerobat
Northeastern University（东北大学）；Caltech University（加州理工学院）
本论文研究 Northeastern University 仿生扑翼微型飞行器 Aerobat 的状态估计与控制，针对其轻量化和低计算资源的限制，探讨实现无缆自主飞行的挑战与解决步骤。
2023-07-28 cs.RO cs.SY eess.SY
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
NAVREN-RL: Learning to fly in real environment via end-to-end deep reinforcement learning using monocular images
Georgia Institute of Technology（佐治亚理工学院）
我们提出了NAVREN-RL，一种通过端到端强化学习RL在室内真实环境中导航无人机的方法。考虑到微型无人机的成本和重量约束，设计了一个合适的奖励函数，使传感器的数量最少。少量专家数据的收集和基于知识的数据聚合被集成到RL过程中，以帮助收敛。在Parrot AR无人机上进行了不同室内场景的实验，并将结果与其他基线技术进行了比较。我们展示了无人机如何成功地避开障碍物并在不同的领域导航。
2018-07-22 cs.CV cs.LG cs.RO
Learning to Fly: Stable Vision-Guided UAV Servoing with Compact Target-Centric Cues and Reinforcement Learning
Indian Institute of Technology Bombay（印度理工学院孟买分校）
本研究提出利用紧凑目标中心线索与低维传感器测量，结合课程强化学习实现无人机长时程视觉伺服，在鲁棒性和抗扰动方面优于经典控制器。
2026-09-10 cs.LG cs.RO
What is A Wireless UAV? A Design Blueprint for 6G Flying Wireless Nodes
Northeastern University（东北大学）
无线无人机（UAV）作为蜂窝用户被引入第四代网络（4G）的世界中，并且从那时起吸引了无线社区的兴趣。在~5G中，无人机也作为飞行基站运行，为地面用户提供服务。它们还可以实现独立的离网无人机网络。在~ 6 G网络中，无线无人机将把地面用户连接到在轨无线基础设施。由于无线无人机的设计和原型正在兴起，现在是时候引入一个更精确的定义什么是无线无人机。在此过程中，我们修改了无线无人机原型设计中的主要设计挑战，以供未来的6 G频谱研究使用。然后，我们介绍了一种新的无线无人机原型，以解决这些挑战。我们的无线无人机原型的设计将公开，并免费提供给其他研究人员。
2021-10-06 cs.NI cs.RO
CARLA-Air: Fly Drones Inside a CARLA World -- A Unified Infrastructure for Air-Ground Embodied Intelligence
Hong Zhang 1,†（香港理工大学）
CARLA-Air通过统一高保真城市驾驶与物理准确多旋翼飞行，解决了空地协同模拟中的同步与一致性问题，支持多种具身智能任务。
2026-04-22 cs.AI cs.CV cs.HC
CAVEAT: Recurrent Multimodal Diffusion Planning for Mapless Aerial Exploration
University of Twente（特文特大学）；Politecnico di Milano（米兰理工大学）；Sapienza University of Rome（罗马大学）
CAVEAT提出一种基于循环内部状态和多模态观测的扩散策略，无需全局地图即可生成探索航点，并在仿真和真实无人机上验证了其有效性。
2026-09-09 cs.LG 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
Aerial Robot Control in Close Proximity to Ceiling: A Force Estimation-based Nonlinear MPC
Nanyang Technological University（南洋理工大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
由天花板检查应用程序通过无人机（UAV），需要近距离飞行到表面的动机，系统的控制方法，使安全和准确的近距离飞行，提出了这项工作。近距离飞行存在两个主要挑战：（i）对于离天花板的不同距离，信任特性急剧变化，这导致复杂的非线性动力学;（ii）系统需要考虑物理和环境约束以安全地近距离飞行。为了解决这些挑战，提出了一种新的框架，包括约束优化为基础的力估计和优化为基础的非线性控制器。实验结果表明，所提出的控制方法可以使无人机稳定在离天花板1 cm的距离内。此外，我们报告说，当无人机在距离天花板1厘米的距离上运行时，它的功耗可降低12.5%，这对于更高效的检查飞行来说是有希望的。
2019-07-31 cs.RO cs.SY eess.SY
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
