Towards safe and optimal flight: Viability Kernel MPC for Fully Actuated Multirotor
作者: Massimiliano Bertoni, Alberto Piccina, Gianni Lunardi, Elias Fontanari, Andrea Del Prete, Angelo Cenedese, Giulia Michieletto
分类: cs.RO, eess.SY
发布日期: 2026-08-26
💡 一句话要点
提出基于可行性核的MPC方法以解决多旋翼飞行安全问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 多旋翼飞行器 可行性理论 障碍物规避 实时导航 数据驱动方法 工业应用
📋 核心要点
- 现有方法在复杂环境中缺乏有效的安全保障，难以实现实时导航与障碍物规避。
- 本文提出了一种结合可行性理论与数据驱动方法的模型预测控制框架，确保安全导航。
- 通过数值仿真验证，该方法在复杂环境中实现了实时导航，表现出优越的计算性能。
📝 摘要（中文）
工业航空机器人在非结构化环境中的导航需要安全保障，同时优化性能和计算效率。本文提出了一种在模型预测控制（MPC）框架下生成安全姿态轨迹的方法，结合可行性理论和数据驱动方法。通过动态计算的轴对齐边界框来强制避免障碍物，提供了正式的安全保障，而无需进行详尽的离线可达性分析。对一个全驱动倾斜六旋翼的数值仿真验证了该方法，展示了在复杂环境中成功导航的实时计算性能。
🔬 方法详解
问题定义：本文旨在解决多旋翼飞行器在复杂环境中导航时的安全性与实时性问题。现有方法往往依赖于离线可达性分析，难以适应动态变化的环境。
核心思路：论文提出了一种基于可行性核的模型预测控制（MPC）方法，通过动态计算的轴对齐边界框来实现障碍物规避，确保飞行安全。
技术框架：整体架构包括环境感知、动态边界框计算、轨迹生成和控制执行四个主要模块。环境感知模块负责实时获取飞行环境信息，动态边界框模块用于计算安全区域，轨迹生成模块基于MPC进行路径规划，控制执行模块则实现对飞行器的控制。
关键创新：最重要的创新在于将可行性理论与数据驱动方法结合，提供了无需离线分析的安全保障。这一方法显著提升了多旋翼飞行器在复杂环境中的导航能力。
关键设计：在技术细节上，动态边界框的计算依赖于实时传感器数据，确保了对环境变化的快速响应。损失函数设计上，强调了安全性与性能的平衡，确保飞行器在优化路径的同时不违反安全约束。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的方法在复杂环境中成功导航，实时计算性能优越，能够在动态障碍物环境下保持高效的路径规划。与传统方法相比，成功率显著提高，且计算时间大幅缩短，展示了良好的实用性。
🎯 应用场景
该研究的潜在应用领域包括无人机配送、搜索与救援、农业监测等。通过提供安全保障和实时导航能力，该方法能够有效提升多旋翼飞行器在复杂环境中的应用价值，推动其在工业和民用领域的广泛应用。
📄 摘要（原文）
Industrial aerial robotics demands safety guarantees for navigation in unstructured environments while optimizing performance and computational efficiency. This paper presents a method for generating safe pose trajectories for fully actuated multirotors within a Model Predictive Control (MPC) framework, leveraging both viability theory and data-driven methods. Obstacle avoidance is enforced through dynamically computed axis-aligned bounding boxes, providing formal safety guarantees without exhaustive offline reachability analysis. Numerical simulations on a fully actuated tilted hexarotor validate the approach, demonstrating successful navigation in cluttered environments with real-time computational performance.