PILOT: Privileged Imitation Learning for End-to-End Motion Planning of Autonomous UAVs under Partial Observability

📄 arXiv: 2608.14082v1 📥 PDF

作者: Qingrui Zhang, Feng Xue, Xiang Zhou, Chenghao Yu

分类: cs.RO

发布日期: 2026-08-14

备注: 13 Pages, 12 figures

💡 一句话要点

提出PILOT框架以解决自主无人机在部分可观测环境中的运动规划问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture) 支柱八：物理动画 (Physics-based Animation)

关键词: 自主导航 特权模仿学习 部分可观测性 时空感知 动态约束 无人机运动规划 计算效率 轨迹参数化

📋 核心要点

  1. 现有方法在复杂环境中面临部分可观测性和动态约束的挑战，限制了自主无人机的导航能力。
  2. 论文提出的PILOT框架通过特权模仿学习，结合时空感知模块，有效应对部分可观测性问题。
  3. 实验结果显示，PILOT在多种飞行器上性能与专家相当，且计算效率提升超过80%，验证了其实用性。

📝 摘要（中文）

自主导航在复杂环境中受到部分可观测性和动态约束的制约。本文提出了PILOT，一个基于特权模仿学习的约束感知框架，用于在部分可观测条件下进行视觉驱动的无人机端到端运动规划。该框架通过双目标损失函数，将计算密集型的最优控制专家的规划策略提炼为学生策略，确保安全性和动态要求。为缓解部分可观测性，开发了一个时空感知融合模块，利用时间卷积网络（TCN）整合历史深度图像和里程计数据，从历史观测中推断任务相关的潜在上下文，增强空间意识。仿真结果表明，PILOT在四旋翼和固定翼飞机上实现了与特权专家相当的性能，同时计算开销减少超过80%。

🔬 方法详解

问题定义：本文旨在解决自主无人机在部分可观测环境中进行运动规划的挑战。现有方法往往依赖于完整的环境信息，导致在动态和复杂场景下的导航能力受限。

核心思路：PILOT框架通过特权模仿学习，从计算密集型的最优控制专家中提炼规划策略，同时引入双目标损失函数以确保安全性和动态一致性。

技术框架：PILOT的整体架构包括时空感知融合模块、轨迹参数化层和学生策略的训练过程。时空感知模块利用时间卷积网络（TCN）整合历史数据，增强空间意识。

关键创新：PILOT的主要创新在于其时空感知融合模块，能够在不维护持久地图的情况下，从历史观测中推断潜在上下文，显著提升了部分可观测环境下的导航能力。

关键设计：论文设计了双目标损失函数以平衡安全性与动态要求，同时在轨迹参数化层中引入了显式连续性和动态一致性约束，确保训练过程中对未见观测的约束满足。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，PILOT在四旋翼和固定翼飞行器上的性能与特权专家相当，且计算开销减少超过80%。此外，成功的室内和室外零-shot部署验证了该规划器的实用性和跨域泛化能力。

🎯 应用场景

该研究的潜在应用领域包括无人机自主导航、搜索与救援、环境监测等。PILOT框架的高效性和适应性使其在动态和复杂环境中具有实际价值，未来可扩展至更多无人机任务和跨域应用。

📄 摘要（原文）

Autonomous navigation in cluttered environments is hampered by partial observability and dynamic constraints. This paper presents PILOT, a constraint-aware privileged imitation learning framework for vision-based end-to-end UAV motion planning under partial observability. The framework distills planning strategies from a computationally intensive optimal control expert into a student policy regularized toward safety and dynamic requirements via a dual-objective loss function. To mitigate partial observability, a spatiotemporal perception fusion module using a Temporal Convolutional Network (TCN) is developed to integrate historical depth images and odometry. This module infers task-relevant latent context from historical observations, enhancing spatial awareness beyond the instantaneous FOV without maintaining persistent map memory. A trajectory parameterization layer mapping network outputs to a structured trajectory, while enabling explicit continuity, dynamic-consistency, and obstacle soft penalties during training, encouraging constraint satisfaction for unseen observations without formal guarantees. Simulations on quadrotor and fixed-wing aircraft demonstrate that PILOT achieves performance comparable to the privileged expert while reducing computational overhead by over 80\%. Successful indoor and outdoor zero-shot deployment confirms the practical feasibility and cross-domain generalization of the planner.