类型a：学术研究报告
作者与发表信息
本研究由Mingyang Wang（浙江大学控制科学与工程学院网络系统与控制研究所、浙江大学湖州研究院）、Qianhao Wang（浙江大学控制科学与工程学院、浙江大学湖州研究院）、Ze Wang（浙江大学湖州研究院、浙江大学光学科学与工程学院）等12位研究者合作完成，通讯作者为Fei Gao。论文《Unlocking Aerobatic Potential of Quadcopters: Autonomous Freestyle Flight Generation and Execution》于2025年4月16日发表在Science Robotics期刊上（卷10，文章编号eadp9905）。
学术背景
研究领域
本研究属于自主无人机（Autonomous Vehicle）领域，聚焦四旋翼无人机（quadcopter）在复杂环境中的高机动特技飞行（aerobatic flight），涉及机器人轨迹规划、控制理论和动态优化。
研究动机
尽管人类操控的无人机可完成复杂特技动作（如高速翻滚、倒飞），但自主飞行的无人机在开放空间中仅能执行基础机动动作。此外，现有研究多针对单一动作（如360°翻转），缺乏通用框架支持多样化特技组合，且未解决差速平坦性奇点（differential flatness singularities）导致的偏航轴（yaw）灵敏度问题。
研究目标
开发一套通用系统，实现无人机在密集障碍环境中的自主特技飞行，包括：
1. 通用动作表示：将飞行轨迹分解为“空间拓扑”与“姿态变化”的离散意图（aerobatic intentions）。
2. 时空联合优化轨迹规划：生成动态可行、平滑无碰撞的轨迹。
3. 偏航补偿映射（yaw compensation mapping, YCM）：规避差速平坦性奇点引起的数值不稳定问题。
研究流程与实验方法
1. 特技动作参数化（Aerobatic Parameterization）
- 输入：用户定义的意图序列（如关键路径点位置、目标姿态）。
- 方法：将动作分解为空间拓扑（如绕过障碍物的路径）和姿态变化（如360°俯仰翻转）。
- 算法支持：基于最小控制努力（minimum control effort, MINCO）的多段多项式样条表示轨迹。
2. 时空联合轨迹优化（Spatial-Temporal Joint Optimization）
- 优化目标：在动态约束（推力、角速度限制）下最小化能量与时间成本。
- 关键创新：动态调整意图时序与空间位置（OTOP算法），避免传统方法需反复调参的缺陷。
- 约束处理：将碰撞规避、姿态约束转化为无约束优化问题，采用L-BFGS算法求解。
3. 偏航补偿映射（Yaw Compensation Mapping, YCM）
- 问题背景：经典差速平坦性映射在无人机倒飞（俯仰/横滚角90°）时出现奇点，导致偏航轴计算不稳定。
- 解决方案：引入物理意义的航向向量d(t)替代传统欧拉偏航角，确保z轴角速度平滑。
4. 实验验证
- 仿真与实物平台：
- 硬件：两种FPV无人机模型（轮距不同），搭载Livox MID-360激光雷达、NVIDIA Jetson Orin计算单元。
- 软件：Unity开发的交互界面支持用户输入意图并可视化轨迹。
- 实验场景：
- 大规模开放环境（100m×40m×20m）：验证组合特技（如桶滚、Power Loop、Split-S）的可行性，轨迹总长220米。
- 狭窄空间避障：在3.5米高度区域内穿越隧道、圆环等障碍，执行高速倒飞等高难度动作。
- 人类飞行员对比：与中国顶级FPV飞行员（S. Zhao）竞赛，评估系统在连续6次Power Loop中的成功率（算法100% vs 人类12.5%）。
主要结果
- 轨迹生成能力：系统支持任意特技组合，如倒飞穿越圆环或连续翻转避障，且无需手动微调参数（图5）。
- 动态性能：在推力限制1.5g、角速度4 rad/s内，跟踪误差（位置<15 cm，姿态<12°）优于人类操控（图3d）。
- 偏航稳定性：YCM消除奇点附近的数值波动，避免非必要360°偏航旋转（图7a）。
- 避障成功率：在8次重复实验中，狭窄空间内的跟踪误差始终低于0.15米（图4c）。
结论与价值
科学价值
- 提出首个通用特技飞行表示框架，实现多动作组合的自主生成。
- 解决差速平坦性奇点问题，为全姿态空间（SO(3)）轨迹规划提供理论支持。
应用价值
- 灾害救援：无人机可通过特技动作进入传统飞行无法到达的狭缝。
- 极端环境探测：如将传感器投掷至火山口或空间碎片密集区域。
- 娱乐与竞技：推动自主无人机竞速与表演技术的发展。
研究亮点
- 意图驱动的特技生成：用户仅需描述动作拓扑与姿态，系统自动优化可行性。
- 实时性能超越人类：在连续高难度动作中，成功率显著高于职业飞手。
- 开源贡献：代码与数据集公开于Zenodo（DOI:10.5281/zenodo.14586487）。
其他有价值内容
- 交互式设计：地面站支持实时调整意图，提升用户体验（图2c）。
- 跨平台兼容性：系统适配不同尺寸无人机，证明算法泛化能力。