基于事件-深度融合的高速无人机避障端到端飞行控制网络
机器人学
2026-03-31 v1 人工智能
摘要
在包含静态、动态或混合障碍物的复杂环境中实现安全、高速自主飞行仍然具有挑战性，因为单一感知模态是不完整的。深度相机对静态物体有效，但在高速下 suffers from motion blur。相反，事件相机擅长捕捉快速运动，但难以感知静态场景。为了利用两种传感器的互补优势，我们提出了一种端到端飞行控制网络，通过双向交叉注意力模块实现深度图像和事件数据的特征级融合。端到端网络通过模仿学习进行训练，这依赖于高质量的监督。基于这一洞察，我们设计了一个高效的专家规划器，采用球面主搜索（SPS）。该规划器将计算复杂度从O(n²)降低到O(n)，同时生成更平滑的轨迹，在17 m/s下实现了超过80%的成功率——比传统规划器高出近20%。仿真实验表明，我们的方法在17 m/s下在多样化场景中实现了70-80%的成功率，超越了单模态和单向融合模型10-20%。这些结果表明，双向融合有效整合了事件和深度信息，使在同时包含静态和动态物体的复杂环境中实现更可靠的避障成为可能。
引用
@article{arxiv.2603.27181,
title = {An End-to-end Flight Control Network for High-speed UAV Obstacle Avoidance based on Event-Depth Fusion},
author = {Dikai Shang and Jingyue Zhao and Shi Xu and Nanyang Ye and Lei Wang},
journal= {arXiv preprint arXiv:2603.27181},
year = {2026}
}
备注
7 pages, 10 figures