4月16日，机器人顶刊 Science Robotics 正式刊登了浙江大学控制科学与工程学院高飞教授团队的研究论文“Unlocking Aerobatic Potential of Quadcopters: Autonomous Freestyle Flight Generation and Execution”，论文第一作者为王鸣杨。
本文提出的完整系统，能够使无人机在障碍物密集的复杂环境中生成并执行复杂的特技飞行动作，其特技飞行表现无需人工操控也能媲美专业飞手。
NOKOV度量动作捕捉系统为本研究提供高精度、实时的无人机位姿数据，助力验证无人机在狭窄空间中执行复杂特技动作时的飞行性能。
引用格式
Mingyang Wang et al. Unlocking aerobatic potential of quadcopters: Autonomous freestyle flight generation and execution. Sci. Robot. 10, eadp9905(2025). DOI: 10.1126/scirobotics.adp9905
研究背景
2023年，Song et al. [1] 和 Kaufmann et al. [2] 通过强化学习和模型预测控制，使无人机在高速竞速赛中超越了冠军选手。然而，这类竞速动作仅考虑最终结果，并未具备响应任意姿态变化的能力。而这，恰恰是特技飞行的核心难点。
基于人类意图生成多样化的特技动作是特技飞行尚未解决的核心目标。现有研究方法在避障能力上也存在明显不足，仅适用于开阔、无障碍的环境。因此在复杂场景中难以保证轨迹的动态可行性。
针对这些挑战，高飞老师团队展开了相关研究，让无人机在复杂环境中，能够自主生成并顺利执行复杂且连续的特技飞行动作。
本文贡献
1. 指令：本研究提出了一种通用的飞行表示方法，将飞行过程简洁地表示为一系列离散的特技意图。这些意图包含拓扑结构和姿态的变化，能够以多种方式组合，用于表达复杂的飞行动作。
2. 规划：本文还设计了一种时空联合优化的轨迹规划器，用于生成动态可行、平滑且无碰撞的飞行轨迹。
3. 控制：针对特技飞行中偏航控制的敏感性问题，本文深入分析了微分平坦性奇异性对偏航旋转带来的内在影响，并提出了相应的动态补偿方法，以规避由此引发的控制问题。
现实实验
1. 户外特技飞行
研究团队在大规模无框架环境下进行特技飞行实验。该系统根据特技飞行意图生成飞行轨迹，并能严格控制无人机的净推力和角速度，确保其在动态参数范围内安全飞行。验证了无人机在广阔无结构环境中的自主特技飞行能力。
大规模无框架环境中的特技飞行实验视频
2. 狭窄空间中的连续特技动作
连续特技动作实验在高度仅为 3.5 米的狭窄空间中进行，以验证本文系统在狭窄空间中生成和执行特技飞行轨迹的能力，特别是在接近障碍物的情况下。根据用户输入的一系列特技飞行意图，包括关键位置和姿态信息，系统利用时空联合优化轨迹规划器，生成了能够避开障碍物的敏捷特技飞行轨迹。
狭窄空间中的连续特技动作实验视频, NOKOV度量动作捕捉系统提供无人机实时位姿数据
实验中使用NOKOV度量动作捕捉系统获取无人机的特技飞行轨迹和姿态信息，包括反向通过圆形门和频繁穿越隧道等特技飞行。实验结果显示，尽管用户输入的意图间距过近，系统仍能通过自动调整，生成动态可行的轨迹，顺利完成在狭窄空间中的特技飞行任务。
执行特技飞行的同时避开障碍物，NOKOV度量动作捕捉系统提供无人机实时位姿数据
3. 战胜专业飞手
本文提出的自主系统与拥有5年飞行经验的专业人类飞手进行比较。实验结果显示，在执行单个功率环动作和连续多个功率环任务中，本文系统成功率均为100%，成绩超过专业飞手。由此验证了本文系统在执行复杂特技动作时的性能和稳定性，特别是在连续执行多个特技动作时的成功率和轨迹优化能力。
连续执行功率环动作的成功率统计数据
NOKOV度量动作捕捉系统为本研究提供高精度、实时的无人机位姿数据，助力验证无人机在狭窄空间中执行复杂特技动作时的飞行性能。
硬件和系统架构规格
参考文献：
[1] Y. Song, A. Romero, M., V., D. Müller, Koltun, Scaramuzza, Reaching the limit in autonomous racing: Optimal control versus reinforcement learning. Sci. Robot. 8, eadg1462 (2023).
[2] E. Kaufmann, L. Bauersfeld, A. Loquercio, M., V., D. Müller, Koltun, Scaramuzza, Champion-level drone racing using deep reinforcement learning. Nature 620, 982–987 (2023).
作者简介
王鸣杨，浙江大学控制科学与工程学院博士研究生，浙江大学湖州研究院成员。主要研究方向：运动规划、无人机特技飞行
王钱浩，浙江大学控制科学与工程学院博士研究生、浙江大学湖州研究院成员。主要研究方向：无人机自主导航
王泽，浙江大学光电科学与工程学院博士研究生，浙江大学湖州研究院成员。主要研究方向：自主系统、运动规划、SLAM
高钰满，浙江大学控制科学与工程学院博士研究生、浙江大学湖州研究院成员。主要研究方向：无人机自主导航
王敬平，浙江大学控制科学与工程学院硕士研究生、浙江大学湖州研究院成员。主要研究方向：嵌入式系统、运动规划
崔粲，浙江大学控制科学与工程学院博士研究生、浙江大学湖州研究院成员。主要研究方向：飞行控制、机器人领域的人工智能
李源，浙江大学控制科学与工程学院本科毕业生，浙江大学湖州研究院成员。主要研究方向：集群感知与规划，大语言模型
丁梓明，浙江大学控制科学与工程学院博士研究生、浙江大学湖州研究院成员。主要研究方向：机器人导航
汪凯巍，浙江大学光电科学与工程学院教授，博士生导师。主要研究方向：智能视觉成像与感知技术、精密光学检测
许超，浙江大学控制科学与工程学院副院长、教授、博士生导师。主要研究方向：机器人与具身智能系统、机器人最优控制与学习、机器学习动力学与控制
高飞（通讯作者），浙江大学控制科学与工程学院长聘副教授、博士生导师。主要研究方向：空中机器人、自主导航、运动规划、环境感知、集群机器人
更多详情，请留言
-
您可致电010-64922321或在右侧留言，获取您专属的动作捕捉解决方案与报价单
-
- 领域 *
- 提交留言
