Disturbance-Aware Flight for Aerial Robots in Narrow Space

📄 arXiv: 2607.17476v1 📥 PDF

作者: Lei Qiang, Tianyu He, Chenyang Sun, Xurui Liu, Miao Wang, Xiaobin Zhou

分类: cs.RO

发布日期: 2026-07-20

💡 一句话要点

提出一种干扰感知飞行框架以解决狭窄空间中的自主飞行问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 无人机 自主飞行 干扰感知 运动规划 控制系统 非线性模型预测控制 狭窄空间 实验验证

📋 核心要点

  1. 现有方法在狭窄空间中飞行时未能有效应对气动干扰，导致飞行安全性和效率低下。
  2. 本文提出的干扰感知规划与控制框架通过实时干扰估计和自适应速度调节，提升了飞行性能。
  3. 实验结果显示，四旋翼在狭窄隧道中的成功率和飞行效率显著高于人类飞行员，验证了方法的有效性。

📝 摘要（中文）

在狭窄空间中，无人机的自主飞行面临强烈的气动干扰和有限的飞行空间的挑战。现有方法主要在控制层面处理气动干扰，而运动规划通常依赖几何约束和固定速度限制，导致在受限环境中表现出保守或不安全的行为。本文提出了一种干扰感知规划与控制框架（DAPCF），将在线干扰估计集成到规划-控制循环中，以实现四旋翼在狭窄空间中的飞行。通过双环观察器实时估计六自由度的干扰力和扭矩，并引入干扰风险函数，根据干扰估计自适应调节规划者的参考速度。实验表明，具有0.39米对角线的四旋翼能够成功穿越宽度仅为0.6米的直线、倾斜和曲线隧道，成功率和飞行效率均优于人类飞行员。

🔬 方法详解

问题定义：本文旨在解决无人机在狭窄空间中自主飞行时受到的气动干扰问题。现有方法主要在控制层面处理干扰，缺乏有效的运动规划策略，导致飞行表现不佳。

核心思路：提出的干扰感知规划与控制框架（DAPCF）通过实时估计干扰并将其纳入规划控制循环，动态调整飞行速度，以应对不同的飞行环境。

技术框架：该框架包括双环观察器用于实时干扰估计、干扰风险函数用于速度调节，以及基于电机动力学的非线性模型预测控制器（MDNMPC）用于轨迹跟踪。

关键创新：最重要的创新在于将在线干扰估计与运动规划相结合，使得无人机能够在复杂环境中自适应调整飞行策略，显著提升了飞行安全性和效率。

关键设计：在设计中，双环观察器通过里程计和电机速度测量来估计六自由度的干扰力和扭矩；干扰风险函数根据估计结果动态调节参考速度；MDNMPC则确保在干扰条件下的稳健轨迹跟踪。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，所提出的四旋翼在宽度仅为0.6米的隧道中成功穿越的成功率和飞行效率均优于人类飞行员，显示出显著的性能提升。这一成果为无人机在狭窄空间中的应用提供了新的可能性。

🎯 应用场景

该研究的潜在应用领域包括城市空中交通、救援任务、环境监测等需要在狭窄空间中进行自主飞行的场景。通过提升无人机在复杂环境中的飞行能力，能够有效拓展其应用范围，提升任务执行效率。

📄 摘要（原文）

Autonomous flight of aerial robots in narrow space remains challenging due to strong aerodynamic disturbances and limited flying space. Existing approaches mainly address aerodynamic disturbances at the control level, while motion planning typically relies on geometric constraints and fixed speed limits, leading to conservative or unsafe behaviors in confined environments. This paper presents a disturbance-aware planning and control framework (DAPCF) that integrates online disturbance estimation into the planning-control loop for quadrotor flight in narrow space. First, the dual-loop observers estimate 6-degree-of-freedom disturbance forces and torques in real time based on odometry and motor speed measurements. Then, a disturbance risk function is introduced that adaptively modulates the reference speed of the planner based on disturbance estimation, reducing velocity when disturbances exceed a threshold and restoring it under low-disturbance conditions. Finally, a motor-dynamics-based nonlinear model predictive controller (MDNMPC) with disturbance compensation is designed to ensure robust trajectory tracking under perturbed conditions. Experiments demonstrate that a quadrotor with a diagonal length of 0.39~m can traverse straight, sloped, and curved tunnels as narrow as 0.6~m, outperforming human pilots in both success rate and flight efficiency.