基于异方差贝叶斯优化的动态 PID 整定方法用于实现精确鲁棒的无人机轨迹跟踪
机器人学
2026-01-01 v1
摘要
无人机（UAV）在各种应用中扮演着重要角色，其中精确的轨迹跟踪至关重要。然而，由于四旋翼系统的欠驱动、非线性和高度耦合的动力学特性，传统的轨迹跟踪控制算法通常表现出有限的性能。为了应对这些挑战，我们提出了 HBO-PID，这是一种将异方差贝叶斯优化（HBO）框架与经典 PID 控制器相结合的新型控制算法，以实现精确且鲁棒的轨迹跟踪。通过显式建模与输入相关的噪声方差，所提出的方法能够更好地适应动态和复杂的环境，从而提高轨迹跟踪的精度和鲁棒性。为了加速优化收敛，我们采用了一种两阶段优化策略，这使我们能够更高效地找到最优的控制器参数。通过在仿真和真实场景中的实验，我们证明所提出的方法显著优于最先进的（SOTA）方法。与 SOTA 方法相比，它将位置精度提高了 24.7% 至 42.9%，角度精度提高了 40.9% 至 78.4%。
引用
@article{arxiv.2512.24249,
title = {Heteroscedastic Bayesian Optimization-Based Dynamic PID Tuning for Accurate and Robust UAV Trajectory Tracking},
author = {Fuqiang Gu and Jiangshan Ai and Xu Lu and Xianlei Long and Yan Li and Tao Jiang and Chao Chen and Huidong Liu},
journal= {arXiv preprint arXiv:2512.24249},
year = {2026}
}
备注
Accepted by IROS 2025 (2025 IEEE/RSJ International Conference on Intelligent Robots and Systems)