DR-IPC: Disturbance-Resilient Integrated Planning and Control for LiDAR-Based Quadrotor Navigation
作者: Peng Liu, Jingyan Wang, Qipeng Ye, Wen Li, Jinya Su, Zuo Wang, Shihua Li, Yunda Yan
分类: cs.RO, eess.SY
发布日期: 2026-10-02
备注: 11 pages, 16 figures, 7 tables
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出DR-IPC以解决LiDAR四旋翼在干扰下的导航问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱四：生成式动作 (Generative Motion) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)
关键词: 四旋翼导航 LiDAR 非线性模型预测控制 干扰拒绝 路径规划 自主飞行 动态避障
📋 核心要点
- 现有方法在处理外部干扰时，障碍物感知运动生成与干扰拒绝控制分层处理，导致导航性能不足。
- DR-IPC结合了轻量级路径引导与非线性模型预测控制，直接生成四旋翼的角速度和推力，提高了导航的鲁棒性。
- 实验结果显示，DR-IPC在多目标导航中完成任务的比例从1/10提升至9/10，且实验中的高度均方根误差从0.34降至0.01米。
📝 摘要（中文）
在复杂环境中，基于LiDAR的四旋翼导航在外部干扰下仍然面临挑战，尤其是在障碍物感知运动生成和干扰拒绝控制分层处理时。本文提出了一种干扰弹性集成规划与控制（DR-IPC），将轻量级路径引导与非线性模型预测控制（NMPC）相结合，直接生成角速度和推力。通过互联的扩展卡尔曼滤波器和非线性干扰观测器，提供滤波状态估计和重构干扰，以供NMPC预测。该方法统一了非线性四旋翼动力学、执行器约束、局部运动生成和惩罚安全飞行走廊残差，无需单独的轨迹优化阶段。通过Gazebo和MARSIM仿真以及室内外实验验证了DR-IPC在风、悬挂负载、狭窄通道、球体冲击和动态障碍物的反应避让下的有效性。
🔬 方法详解
问题定义：本文旨在解决基于LiDAR的四旋翼在复杂环境中导航时，外部干扰导致的性能下降问题。现有方法通常将运动生成与控制分开处理，难以有效应对动态变化的环境。
核心思路：DR-IPC通过集成路径引导与非线性模型预测控制，直接生成四旋翼的控制指令，旨在提高系统对干扰的抵抗能力。这种设计使得系统能够实时响应环境变化，优化飞行性能。
技术框架：DR-IPC的整体架构包括路径引导模块、非线性模型预测控制模块、扩展卡尔曼滤波器和非线性干扰观测器。路径引导模块负责生成初步路径，而NMPC则基于实时状态估计进行动态调整。
关键创新：该方法的创新之处在于将路径生成与控制策略统一在一个框架内，避免了传统方法中分层处理带来的延迟和不一致性。这种集成方法显著提升了四旋翼在复杂环境中的导航能力。
关键设计：在设计中，使用了扩展卡尔曼滤波器来提供状态估计，并结合非线性干扰观测器以重构干扰。此外，NMPC的损失函数考虑了执行器约束和安全飞行走廊，确保飞行的安全性与效率。
🖼️ 关键图片
📊 实验亮点
实验结果显示，DR-IPC在多目标导航中完成任务的比例从1/10提升至9/10，且在实际实验中高度均方根误差从0.34米降至0.01米，验证了其在复杂环境中的有效性和鲁棒性。
🎯 应用场景
该研究的潜在应用领域包括无人机在复杂环境中的自主导航，如城市搜索与救援、农业监测和物流配送等。通过提高四旋翼在干扰环境下的导航能力，DR-IPC可显著提升无人机的实用性和安全性，未来可能推动无人机技术的广泛应用。
📄 摘要（原文）
LiDAR-based quadrotor navigation in cluttered environments remains challenging under external disturbances, particularly when obstacle-aware motion generation and disturbance-rejection control are handled in separate layers. This article presents disturbance-resilient integrated planning and control (DR-IPC), which combines lightweight path guidance with nonlinear model predictive control (NMPC) to directly generate angular velocity and thrust. An interconnected extended Kalman filter and nonlinear disturbance observer jointly provide filtered state estimates and reconstructed disturbances for NMPC prediction. The resulting formulation unifies nonlinear quadrotor dynamics, actuator constraints, local motion generation, and penalised safe-flight-corridor residuals without requiring a separate trajectory-optimization stage. Gazebo and MARSIM simulations, together with indoor and outdoor experiments, validate DR-IPC under wind, suspended payloads, narrow passages, ball impacts and reactive avoidance of a dynamic obstacle. In multi-goal navigation with disturbances, DR-IPC increases the number of completed missions from 1/10 to 9/10 in Gazebo and reduces the altitude RMSE from 0.34 to 0.01 m in experiments. The complete system operates onboard at 100 Hz. Supplementary videos are available on the project page https://drpp316.github.io/DR-IPC-Page/, and the source code will be released.