Scalable Online Flight Trajectory Optimization via Sequential Quadratic Programming for Urban Air Mobility in Ultra Low-Altitude Airspace
作者: Josue N. Rivera, Bohang Liang, Chen Lv, James Wang
分类: eess.SY, cs.ET
发布日期: 2026-06-22
备注: Accepted to AIAA DATC/IEEE Digital Avionics Systems Conference (DASC 2026)
💡 一句话要点
提出可扩展的SQP框架以优化城市低空飞行轨迹
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 城市空中出行 轨迹优化 序列二次规划 实时计算 障碍物规避 无人机技术 动态环境
📋 核心要点
- 核心问题：现有方法在复杂城市环境中生成无碰撞轨迹时面临实时性和计算效率的挑战。
- 方法要点：提出的SQP框架通过实时生成约束来实现障碍物规避，结合环境动态进行在线优化。
- 实验或效果：在五个真实城市中心的实验中，框架实现了100%的成功率和清除率，表现优于传统方法。
📝 摘要（中文）
随着城市空中出行（UAM）向高密度运营发展，在复杂的三维城市环境中生成无碰撞轨迹成为关键的安全需求。本文提出了一种可扩展的序列二次规划（SQP）框架，将几何环境约束、操作限制和飞行器动力学整合在一个在线轨迹优化过程中。该方法通过在每次求解器迭代中实时生成分离超平面约束来编码障碍物规避，从而实现密集城市几何和全自由度飞行器动力学的联合在线解决。通过可变尺度的四叉树分解，保持计算量受限，使框架能够扩展到城市范围，同时为高速飞行保持实时性能。我们在五个真实城市中心的飞行中验证了该框架，相较于传统SQP、迭代线性二次调节器和微分动态规划，取得了100%的成功率和清除率，且仅使用CPU硬件。
🔬 方法详解
问题定义：本文旨在解决城市低空空中出行中，如何在复杂的三维城市环境中生成安全的无碰撞飞行轨迹。现有方法往往依赖于预先计算的无障碍走廊，无法实时应对动态环境变化，导致安全性和效率不足。
核心思路：论文提出的SQP框架通过将障碍物规避转化为实时生成的分离超平面约束，使得在每次求解迭代中都能动态调整轨迹，从而实现对复杂城市几何和飞行器动力学的联合优化。
技术框架：该框架包括环境建模、约束生成、轨迹优化和实时反馈四个主要模块。首先，通过四叉树分解技术对环境进行建模，以降低计算复杂度；然后，在每次迭代中生成新的约束，确保轨迹的安全性；最后，结合飞行器的动力学特性进行优化。
关键创新：最重要的技术创新在于将障碍物规避与轨迹优化过程无缝结合，避免了传统方法中预计算的局限性，使得系统能够实时适应环境变化。
关键设计：在参数设置上，采用可变尺度的四叉树分解以保持计算效率；损失函数设计上，结合了飞行器动力学和环境约束，确保优化结果的可行性和安全性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，提出的SQP框架在五个真实城市中心的飞行测试中实现了100%的成功率和清除率，显著优于传统的SQP、迭代线性二次调节器和微分动态规划方法，展现了良好的实时性能和高效性。
🎯 应用场景
该研究具有广泛的应用潜力，尤其是在城市空中出行、无人机配送和紧急救援等领域。通过提供实时、安全的飞行轨迹优化方案，可以显著提升城市空中交通的安全性和效率，推动未来智能交通系统的发展。
📄 摘要（原文）
As Urban Air Mobility (UAM) scales toward high-density operations, generating collision-free trajectories within complex 3D cityscapes is a critical safety requirement. This paper proposes a scalable Sequential Quadratic Programming (SQP) framework that integrates geometric environmental constraints, operational limits, and vehicle dynamics within a single online trajectory optimization process. Rather than precomputing obstacle-free corridors ahead of time, our method encodes obstacle avoidance as live separating-hyperplane constraints regenerated at every solver iteration, so that dense urban geometry and full-DOF vehicle dynamics are resolved jointly and online as the reference and environment evolve. A variable-scale quadtree decomposition keeps computation bounded, enabling the framework to scale to city-wide environments while preserving real-time performance for high-speed flight. We validate the framework against conventional SQP, Iterative Linear Quadratic Regulator, and Differential Dynamic Programming across flights in five real-world urban centers, attaining 100% success and clearance rates on CPU-only hardware.