FLARE：基于强化学习的四旋翼缆索悬挂负载系统敏捷飞行
机器人学
2026-01-30 v2
摘要
四旋翼缆索悬挂负载系统的敏捷飞行因其欠驱动、高度非线性及混合动力学特性而成为一项艰巨挑战。传统的基于优化的方法通常面临高计算成本和缆索模式转换的复杂性，限制了其实时适用性和机动性开发。在本文中，我们提出了 FLARE，一个直接从高保真仿真中学习敏捷导航策略的强化学习（RL）框架。我们的方法在三个设计的挑战性场景中得到了验证，在穿越门洞机动过程中，其速度显著优于最先进的基于优化的方法，提升了 3 倍。此外，学习到的策略实现了成功的零样本仿真到真实迁移，在真实世界实验中展示了卓越的敏捷性和安全性，并在机载计算机上实时运行。
引用
@article{arxiv.2508.09797,
title = {FLARE: Agile Flights for Quadrotor Cable-Suspended Payload System via Reinforcement Learning},
author = {Dongcheng Cao and Jin Zhou and Xian Wang and Shuo Li},
journal= {arXiv preprint arXiv:2508.09797},
year = {2026}
}