NMPC-Lander: Nonlinear MPC with Barrier Function for UAV Landing on a Mobile Platform

📄 arXiv: 2505.03931v1 📥 PDF

作者: Amber Batool, Faryal Batool, Roohan Ahmed Khan, Muhammad Ahsan Mustafa, Aleksey Fedoseev, Dzmitry Tsetserukou

分类: cs.RO

发布日期: 2025-05-06

备注: This manuscript has been submitted to the IEEE International Conference on Systems, Man, and Cybernetics (SMC), 2025

💡 一句话要点

提出NMPC-Lander，结合NMPC与CBF，实现无人机在移动平台上的精准安全着陆

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 无人机着陆 非线性模型预测控制 控制屏障函数 自主导航 移动平台 安全控制 轨迹跟踪

📋 核心要点

  1. 无人机续航和范围受限，自主着陆充电/换电站是关键需求，但现有方法在精度和安全性上存在挑战。
  2. NMPC-Lander结合NMPC的轨迹跟踪精度和CBF的安全性保障，实现动态环境下无人机的精准安全着陆。
  3. 实验结果表明，NMPC-Lander在静态和动态平台着陆精度高，且优于传统B样条结合A*规划方法。

📝 摘要（中文）

四旋翼无人机应用广泛，但电池续航和飞行范围受限。为解决此问题，自主着陆于固定或移动充电/换电站成为关键能力。本文提出NMPC-Lander，一种新型控制架构，结合非线性模型预测控制（NMPC）与控制屏障函数（CBF），实现无人机在静态和动态平台上的精确安全自主着陆。该方法利用NMPC进行精确轨迹跟踪和着陆，同时结合CBF确保与静态障碍物的避撞。真实硬件实验表明，在静态和移动平台着陆场景中，平均最终位置误差分别为9.0厘米和11厘米。NMPC-Lander在位置跟踪方面优于B样条结合A*规划方法近三倍，突显了其卓越的鲁棒性和实用性。

🔬 方法详解

问题定义：无人机自主着陆，尤其是在移动平台上着陆，是一个具有挑战性的问题。现有的方法可能无法同时保证着陆的精度和安全性，尤其是在存在障碍物的情况下。传统的规划方法，如A*算法结合B样条曲线，可能在动态环境中表现不佳，难以应对移动平台带来的不确定性。因此，需要一种能够精确跟踪目标轨迹，同时保证安全避障的控制方法。

核心思路：NMPC-Lander的核心思路是将非线性模型预测控制（NMPC）与控制屏障函数（CBF）相结合。NMPC用于实现精确的轨迹跟踪，确保无人机能够准确地到达目标着陆点。CBF则用于保证无人机在飞行过程中能够安全地避开障碍物，防止碰撞。通过将两者结合，可以同时实现高精度和高安全性。

技术框架：NMPC-Lander的整体架构包含以下几个主要模块：1) 状态估计模块：用于估计无人机的当前状态，包括位置、速度、姿态等。2) NMPC控制器：基于无人机的动力学模型，预测未来一段时间内的状态，并计算最优的控制输入，以实现轨迹跟踪。3) CBF模块：用于计算安全约束，确保无人机在飞行过程中与障碍物保持足够的距离。4) 混合整数二次规划（MIQP）求解器：用于求解NMPC问题，同时满足CBF约束。整个流程是，首先通过状态估计模块获取无人机的当前状态，然后NMPC控制器根据目标轨迹和无人机的动力学模型，预测未来状态并计算控制输入。同时，CBF模块计算安全约束，并将这些约束添加到NMPC问题中。最后，MIQP求解器求解NMPC问题，得到最优的控制输入，并将其应用于无人机。

关键创新：NMPC-Lander的关键创新在于将NMPC与CBF相结合，实现了一种既能保证轨迹跟踪精度，又能保证安全避障的控制方法。与传统的规划方法相比，NMPC-Lander能够更好地应对动态环境带来的不确定性，实现更精确和更安全的着陆。此外，使用MIQP求解器来解决带有CBF约束的NMPC问题也是一个创新点。

关键设计：NMPC控制器的设计需要考虑无人机的动力学模型，包括位置、速度、姿态等状态变量，以及推力、力矩等控制输入。CBF的设计需要选择合适的安全距离，以及合适的CBF函数形式。MIQP求解器的选择也需要考虑计算效率和求解精度。此外，还需要对NMPC的预测时域、控制时域等参数进行调整，以获得最佳的控制性能。损失函数的设计需要平衡轨迹跟踪精度和控制输入的平滑性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，NMPC-Lander在静态平台和移动平台上的平均最终位置误差分别为9.0厘米和11厘米，实现了高精度的自主着陆。与传统的B样条结合A*规划方法相比，NMPC-Lander在位置跟踪方面提升了近三倍，显著提高了无人机着陆的鲁棒性和实用性。这些结果验证了NMPC-Lander在复杂环境下的优越性能。

🎯 应用场景

NMPC-Lander技术可广泛应用于物流配送、环境监测、灾害救援等领域。通过在移动车辆或船舶上部署无人机着陆平台，可以扩展无人机的作业范围和续航能力，实现更高效的任务执行。未来，该技术有望应用于智能交通、智慧城市等领域，提升无人机应用的智能化和自动化水平。

📄 摘要（原文）

Quadcopters are versatile aerial robots gaining popularity in numerous critical applications. However, their operational effectiveness is constrained by limited battery life and restricted flight range. To address these challenges, autonomous drone landing on stationary or mobile charging and battery-swapping stations has become an essential capability. In this study, we present NMPC-Lander, a novel control architecture that integrates Nonlinear Model Predictive Control (NMPC) with Control Barrier Functions (CBF) to achieve precise and safe autonomous landing on both static and dynamic platforms. Our approach employs NMPC for accurate trajectory tracking and landing, while simultaneously incorporating CBF to ensure collision avoidance with static obstacles. Experimental evaluations on the real hardware demonstrate high precision in landing scenarios, with an average final position error of 9.0 cm and 11 cm for stationary and mobile platforms, respectively. Notably, NMPC-Lander outperforms the B-spline combined with the A* planning method by nearly threefold in terms of position tracking, underscoring its superior robustness and practical effectiveness.