FU-MPC: 面向无人机探索的前沿-不确定性感知模型预测控制
机器人学
2026-05-15 v1
摘要
高效的未知环境下的无人机探索需要快速的覆盖扩张，同时保持准确可靠的定位，因为复杂场景下的安全导航依赖于一致的地图和姿态估计。然而，对于传统配备LiDAR的无人机，可观测区域严格依赖于无人机姿态和运动。扩大覆盖通常需要额外的平移或旋转机动，可能降低探索效率并增加几何复杂环境下定位性能衰减的风险。电动旋转LiDAR通过主动调整传感器视角而无需改变无人机运动，从而引入额外的感知自由度。然而，现有探索系统很少将此扫描自由度作为与探索进度和定位质量相关的显式决策变量来利用。为此，我们发展一个配备独立驱动旋转LiDAR的无人机平台，并提出分层探索框架。全局规划器将前沿组织为代表性视点并基于拓扑感知的转移成本进行排序。基于此规划器，FU-MPC作为局部滚动时域扫描控制器，优化沿预测飞行轨迹的LiDAR旋转。控制器联合考虑前沿感知效用和方向依赖的定位不确定性，同时通过轻量级代理评估实现实时 onboard 执行。复杂环境下的实验表明，所提出系统在保持稳健定位性能的同时，相较于固定模式扫描和仅考虑不确定性的基线方法，提高了探索效率。项目页面可访问于 https://kafeiyin00.github.io/FU-MPC/。
引用
@article{arxiv.2605.14920,
title = {FU-MPC: Frontier- and Uncertainty-Aware Model Predictive Control for Efficient and Accurate UAV Exploration with Motorized LiDAR},
author = {Jianping Li and Pengfei Wan and Zhongyuan Liu and Yi Wang and Yiheng Chen and Xinhang Xu and Rui Jin and Boyu Zhou and Lihua Xie},
journal= {arXiv preprint arXiv:2605.14920},
year = {2026}
}