面向无人机跟踪飞行目标的高效视觉主动跟踪学习方法
机器人学
2025-07-30 v2
摘要
无人机对飞行空中目标的自主跟踪在搜救和反无人机系统（反-UAS）等民用和国防应用中具有重要意义。地面基站跟踪需要搭建基础设施，受距离限制，且在偏远地区、拥挤的城市或密集植被区域可能不可行。以无人机（UAV）为追踪器的视觉主动跟踪填补了这一重要空白，同时满足空中协同应用需求。UAV的视觉主动跟踪涉及两个耦合问题：1）计算高效且精确的目标目标检测和目标状态估计；2）确保目标在未来时间步中保持在视野内并获得有利位置以便继续检测。为解决第一个问题，本文提出了一种将标准深度学习架构与核相关滤波器（KCF）集成以实现计算高效目标检测的方法，既不牺牲精度，又实现了计算效率。该感知框架通过实验室规模设置进行验证。对于第二个问题，为克服传统控制器的线性假设和背景变化限制，本文采用强化学习训练一个神经控制器以快速计算速度maneuver。本文开发了新的状态空间、动作空间和奖励函数 formulation，并在AirSim中进行训练。在AirSim中对复杂目标maneuver进行测试，结果显示相对于基线PID控制，在跟踪uptime和平均距离方面表现更优。
引用
@article{arxiv.2506.18264,
title = {Learning Approach to Efficient Vision-based Active Tracking of a Flying Target by an Unmanned Aerial Vehicle},
author = {Jagadeswara PKV Pothuri and Aditya Bhatt and Prajit KrisshnaKumar and Manaswin Oddiraju and Souma Chowdhury},
journal= {arXiv preprint arXiv:2506.18264},
year = {2025}
}
备注
Accepted for presentation in proceedings of AIAA Aviation 2025