Ground and Flight Locomotion for Two-Wheeled Drones via Model Predictive Path Integral Control
作者: Gosuke Kojima, Kohei Honda, Satoshi Nakano, Manabu Yamada
分类: cs.RO, eess.SY
发布日期: 2025-03-20
备注: This work has been submitted to the IEEE for possible publication
💡 一句话要点
提出基于MPPI控制的两轮无人机地面-空中混合运动规划方法
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 两轮无人机 运动规划 模型预测控制 路径积分 模式切换
📋 核心要点
- 传统两轮无人机运动规划依赖梯度优化，难以处理任意形状障碍物，限制了其在复杂环境中的应用。
- 论文提出基于MPPI控制的运动规划方法，通过切换地面和空中模式，实现复杂环境下两轮无人机的导航。
- 仿真结果验证了该方法在非结构化环境中的有效性，能够通过模式切换实现有效的避障。
📝 摘要（中文）
本文提出了一种新颖的两轮无人机运动规划方法，该无人机能够在地面行驶和空中飞行。传统的两轮无人机运动规划方法通常依赖于基于梯度的优化，并假设障碍物形状可以用可微形式近似。为了克服这一限制，我们提出了一种基于模型预测路径积分（MPPI）控制的运动规划方法，通过切换行驶和飞行模式，实现在任意形状障碍物中导航。为了处理模式切换引起的不稳定性和快速解变化，我们提出的方法切换控制空间，并利用辅助控制器进行MPPI控制。仿真结果表明，该方法能够在非结构化环境中导航，并通过模式切换实现有效的避障。
🔬 方法详解
问题定义：论文旨在解决两轮无人机在复杂、非结构化环境中进行运动规划的问题。现有方法，如基于梯度的优化，通常需要对障碍物形状进行可微近似，这限制了它们在实际环境中的应用。此外，地面和空中模式的切换会导致系统不稳定和解的快速变化，增加了运动规划的难度。
核心思路：论文的核心思路是利用模型预测路径积分（MPPI）控制，结合地面和空中模式的切换，实现在任意形状障碍物环境中导航。MPPI是一种基于采样的优化方法，不需要对环境进行可微近似，能够处理复杂的障碍物形状。通过设计合适的控制策略和辅助控制器，可以平滑地切换地面和空中模式，避免系统不稳定。
技术框架：整体框架包括以下几个主要模块：1) 环境建模：描述无人机所处的环境，包括障碍物的位置和形状。2) 运动模型：描述无人机在地面和空中两种模式下的运动学和动力学特性。3) MPPI控制器：基于运动模型和环境信息，生成无人机的控制指令。4) 模式切换策略：根据环境和无人机的状态，决定何时切换地面和空中模式。5) 辅助控制器：在模式切换过程中，稳定无人机的姿态和速度。
关键创新：论文的关键创新在于将MPPI控制应用于两轮无人机的地面-空中混合运动规划，并设计了相应的模式切换策略和辅助控制器。与传统方法相比，该方法能够处理任意形状的障碍物，并且能够平滑地切换地面和空中模式，提高了无人机的导航能力。
关键设计：论文的关键设计包括：1) MPPI控制器的参数设置，如采样数量、控制时域长度等。2) 模式切换策略的设计，需要考虑无人机的状态、环境信息和切换代价。3) 辅助控制器的设计，需要保证在模式切换过程中无人机的姿态和速度稳定。4) 损失函数的设计，需要综合考虑无人机的运动轨迹、避障效果和切换代价。
🖼️ 关键图片
📊 实验亮点
仿真结果表明，所提出的方法能够在非结构化环境中成功导航，并通过模式切换有效地避开障碍物。虽然论文中没有提供具体的性能数据，但通过可视化结果可以观察到，该方法能够生成平滑的运动轨迹，并且能够根据环境的变化灵活地切换地面和空中模式，展示了其在复杂环境下的应用潜力。
🎯 应用场景
该研究成果可应用于物流配送、环境监测、灾害救援等领域。两轮无人机能够结合地面行驶和空中飞行的优势，在复杂环境中进行高效的导航和作业。例如，在仓库中，无人机可以在地面行驶，快速到达目标位置；在户外，无人机可以飞行，避开地面障碍物，实现快速配送。未来，该技术有望进一步提升无人机在复杂环境下的适应性和智能化水平。
📄 摘要（原文）
This paper presents a novel approach to motion planning for two-wheeled drones that can drive on the ground and fly in the air. Conventional methods for two-wheeled drone motion planning typically rely on gradient-based optimization and assume that obstacle shapes can be approximated by a differentiable form. To overcome this limitation, we propose a motion planning method based on Model Predictive Path Integral (MPPI) control, enabling navigation through arbitrarily shaped obstacles by switching between driving and flight modes. To handle the instability and rapid solution changes caused by mode switching, our proposed method switches the control space and utilizes the auxiliary controller for MPPI. Our simulation results demonstrate that the proposed method enables navigation in unstructured environments and achieves effective obstacle avoidance through mode switching.