Learning Visuomotor Quadrotor Flight Through Dynamic Narrow Gaps via Differentiable Simulation

📄 arXiv: 2610.37557v1 📥 PDF

作者: Riccardo Bianco, Yunfan Ren, Jiaxu Xing, Davide Scaramuzza

分类: cs.RO

发布日期: 2026-10-27

期刊: Conference on Robot Learning, 2026

💡 一句话要点

提出可微仿真方法以解决四旋翼穿越动态狭窄间隙问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱八：物理动画 (Physics-based Animation)

关键词: 四旋翼飞行 动态间隙 可微仿真 控制策略 视觉导航 自主学习 路径优化

📋 核心要点

  1. 现有方法依赖于特权状态、教师或规划器，难以直接从零开始学习动态狭窄间隙穿越。
  2. 提出可微的动态间隙公式，通过有符号距离将穿越事件转化为路径目标，简化了控制策略的设计。
  3. 在合成基准测试中，路径梯度显著优于得分函数梯度，模拟中成功率达到99.3%，实际飞行成功率为80%。

📝 摘要（中文）

穿越动态狭窄间隙对四旋翼飞行提出了严峻挑战，要求厘米级的空间对齐和精确的时间执行。本文提出了一种控制策略，直接基于机载视觉和惯性测量输出推力和姿态命令。通过引入可微的动态间隙公式，将稀疏的穿越事件转化为密集的路径目标，避免了依赖教师或规划器的传统方法。实验结果表明，该方法在合成和真实环境中均表现出色，模拟中成功率达到99.3%，实际飞行中成功率为80%。

🔬 方法详解

问题定义：本文旨在解决四旋翼穿越动态狭窄间隙的控制问题。现有方法通常依赖于特权状态或教师指导，难以实现自主学习和适应性。

核心思路：提出了一种可微的动态间隙公式，利用有符号距离来引导四旋翼的对齐和中心化，避免了传统方法的局限性。

技术框架：整体架构包括从随机初始化开始的视觉特征到命令的策略训练，采用单阶段训练，无需教师或规划器。主要模块包括视觉输入处理、控制命令生成和路径优化。

关键创新：最重要的创新在于将稀疏的穿越事件转化为密集的路径目标，使得学习过程更加高效和稳定。与现有方法相比，减少了对外部信息的依赖。

关键设计：在损失函数中引入了平滑碰撞项和对齐项，确保了控制策略的精确性。网络结构设计上采用了适应性的卷积神经网络，以处理复杂的视觉输入。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，在合成环境中，路径梯度方法的成功率达到99.3%，而传统得分函数梯度方法效果较差。实际飞行实验中，四旋翼在多种初始条件下成功穿越动态狭窄间隙的成功率为80%，验证了方法的有效性与鲁棒性。

🎯 应用场景

该研究具有广泛的应用潜力，尤其是在无人机自主飞行、搜索与救援、物流运输等领域。通过提高四旋翼在动态环境中的适应能力，能够实现更高效的任务执行和安全性，未来可能推动无人机技术的进一步发展与普及。

📄 摘要（原文）

Threading a quadrotor through a moving narrow gap is a demanding test of agile flight, requiring centimeter-level spatial alignment and precise temporal execution. We address this challenge using a control policy that operates directly on onboard visual and inertial measurements to output collective thrust and body-rate commands. The task is difficult because success lies on a thin feasible manifold: small errors in timing, position, attitude, or visual observability cause collision. Prior planning and learning methods rely on privileged state, teachers, planners, or distillation; learning dynamic narrow-gap traversal directly, from scratch, remains open. We introduce a differentiable moving-gap formulation that gates centering, alignment, and smooth collision terms by signed distance to a time-varying gap plane, turning a sparse traversal event into a dense pathwise objective. We integrate this formulation into a visual-feature-to-command policy trained in one stage from random initialization, without a teacher, planner, or distillation. We validate our approach in both synthetic and real-world experiments. In controlled benchmarks, we demonstrate that pathwise gradients significantly outperform score-function gradients for precision-critical tasks, yielding a 99.3% success rate in simulation after only a few minutes of training on a single GPU. Furthermore, the policy transfers directly to a real quadrotor, successfully crossing a dynamic narrow gap from varied initial conditions using onboard sensing and inertial measurements, achieving an 80% success rate over 10 physical trials.