zhuidushi4406的博客

收集和讨论小型多旋翼无人机受地面效应的影响，尤其是从建模和控制的角度。讨论关于地效的建模 控制和应用，以及其他一些类似的效应比如顶吸和墙吸地面效应距离z<2R(有些多旋翼在z<5R都有观测到地效的影响），提供额外升力，或者说 保持总升力不变时降低了旋翼功率。利用近地面飞行可以节能约10%顶吸效应距离z<2R侧吸没有给生效的距离，但是，研究发现，对于靠近墙壁的叶片，升力会随着叶片方位角的变化而周期性波动。这些波动的升力在转子盘上产生力矩，力矩随转子-壁间距和姿态而变化。

自动驾驶系统通常包括一个提供稳定性和控制的“内环”，和比如航点导航之类的任务层面的“外环”。无人机的自驾系统主要使用PID控制系统，在稳定的环境下还算好用。但是，更难预测的和复杂环境下需要更复杂的控制器。智能飞行控制系统是一个比较活跃的area，利用强化学习（RL）来解决PID解决不了的问题，在其他领域比如机器人领域取得了不错的进展。但是以前的工作集中在使用RL在任务层面的控制器。本文中，我们探索了使用目前的RL训练方法来实现内环控制，使用DDGP,TRPO和PPO。

机器人仿真对于学术，教育以及安全应用中起到很关键的作用。强化学习环境（environments）——通过简单的仿真把问题以奖励函数的形式体现，对于学习算法也很关键。但是，全套的仿真full-scale simulators中通常缺乏可移植性和并行性。反之亦然，许多强化学习的仿真环境中权衡了真实性和高的样本吞吐量，弄得像玩具一样。虽然公开数据集有助于升读学习和计算视觉，我们还是缺乏能同步的开发和公平的比较控制算法和强化学习方法的软件工具。

精确的近地面轨迹控制对多旋翼无人机是难点，原因在于多个旋翼的气流和环境之间复杂的空气动力效应。传统的控制方法经常不能很好的应对这些问题，难以实现顺滑的降落。本文中，我们提出一种新型基于深度学习方法的鲁棒非线性控制器Neural-Lander来提高四旋翼在降落时的控制性能。我们的方法将标称动力学模型与学习高阶相互作用的深度神经网络（DNN）相结合。我们应用频谱归一化（spectral normalization，SN）来约束DNN的Lipschitz常数。

将所提出的模型与最先进的建模方法在前所未有的机动测试上进行了比较。由此产生的数据集包含96次飞行，累计时间为1小时15分钟，180万个数据点，涵盖了平台的整个性能包络，观测到的速度为65公里小时-1（18米秒-1），加速度为46.8米秒-2。这很难，因为需要捕捉气动力，电机动力学，振动，等因素的耦合效应，尤其是气动力，它们和一些隐藏状态量相关，比如气流，是无法直接测得的。所以有了叶素动量理论BEM，结合了二者，减轻对计算诱导速度的要求，得到的结果在广泛范围下精确建模了单个旋翼的力和力矩。

本文讨论一种叫SytaB的带有平滑模式转换的陆空两栖无人机的设计，建模和控制，其带有双旋翼的机构为首次实现。相比于以前的基于四旋翼的陆空两栖无人机，SytaB不仅在相同起飞重量下能耗更小，还更少的调整姿态从而减小传感器震动。设计了陆地/空中/过度模式，进行了每种模式下的动力学建模和控制器设计。与不包括过渡模式的情况相比，地面和空中运动之间的过渡是平滑的，从而减轻了车辆的反弹和抖动。比较了陆地和空中模式的能量效率，比较了节能和高机动性的表格。

利用与环境的接触来为无人机提供额外支持力，通常可以减少能量消耗从而延长任务时间。本文采用这种思路，通过陆空两栖运动利用环境中的平坦表面。我们的设计是在无人机底部安装单个被动轮，这是目前最小的设计。我们展示这个设计的原理和实施以及其控制方法。进行了飞行试验来验证其可行性和地面运动所节省的能量。结果表明我们的最小设计成功在更难控制的双旋翼无人机上实现了陆空两栖运动。陆地运动节能高达77%

本文展现一种新型无人机叫HALO，使用 swashplateless 机制来产生俯仰和滚转力矩，无需舵机，减少了控制结构部件。减小的重量提高了负载和机动性。同时共轴涵道设计提高了安全和气动效率。通过8字跟踪，抗风，棍棒干扰，悬停效率对比，以及带有碰撞的实际飞行等实验，证明了HALO的鲁棒性和安全特性，表明其多种用途的潜力。

通过结合多旋翼和地面车辆的综合优势，空中-地面车辆因为其超强的移动性和出众的续航而在多种领域中展现出巨大潜力。但是，多数以前的工作采用了复杂的结构，并且未能开发一个高精度的跟踪复杂轨迹的控制器，这严重限制了它们的应用。在本文中，我们首先提出了一个空中-地面车辆的设计，我们命名为Skywalker，其具有基于现有万向轮基础上简单但鲁棒的结构。而且，我们考虑了支持和摩擦力并推导了车辆的微分平坦性质，并提出了具备告诉空中-地面混合轨迹跟踪和平滑轨迹模式切换的均一控制器。

这个框架主要包括1）一个分层运动规划期可以在未知环境中生成安全低能耗的陆地空中轨迹和2）一个一体的运动控制器可以在地面运动中动态的调整能耗。在一个自制的机器人平台上做了大量的现实世界中的试验和比较，来验证所提出的框架的鲁棒性和性能。在测试中机器人安全的在复杂的环境中进行空中和地面移动，并且在地面运动时实现了7倍的能量节省效率。在测试中TABV规划出安全和低能耗的轨迹在非结构性的稠密环境下，并且就算有尖锐的转弯时也能准确的跟踪这些轨迹。在陆地运动中，由于非对称约束，TABV的速度是受限平行于yaw角的。

Deep Reinforcement Learning Attitude Control of Fixed-Wing UAVs Using Proximal Policy Optimization摘要：用deep reinforcement learning 方法设计了一个概念验证控制器，用于拓宽固定翼无人机的飞行包线，仿真考虑了收敛速度以及observation vector的影响。验证得到效果比PID好，对未训练的干扰也有较好抵抗。INTRODUCTION由于一些制约因素

滚动四旋翼是一个结合了四旋翼的操纵性和地面车辆的长续航的新型陆空两栖四旋翼。本文展示了滚动四旋翼的设计，建模和实验验证。飞行是通过四旋翼构形实现的，四个电机提供推力。滚动是由独轮驱动由电机辅助转向。在陆地运动中，车辆需要克服滚转和转向阻力，由此比起飞行模式节约了能量。本工作克服了一般四旋翼的挑战性问题，节约了能量并能够穿过特别区域比如狭缝。他还通过飞行解决了地面机器人可能遇到的避障挑战。我们为车辆设计了模型和控制器。实验结果表明它可以在陆地和空中运动进行切换，并能够安全通过直径一半的狭窄缝隙。

仔细的设计了一种倾转旋翼多旋翼构型的被动轮两栖无人机，具备平坦和陡峭的平面运动能力和飞行能力，同时取得了低的额外重量，高的地面运动能量效率和可观的负载能力而且具有更好的安全性，但是暂未设计完善的运动控制器。极强的负载能力大约2kg，机身空载2kg，飞行时长十分钟，地面运动可达11.5km。提出新的陆空两栖设计，基于倾转多旋翼构型和被动轮，安全高效。做了目前最全的陆空两栖文献分析。实验验证两栖运动能力和能耗。

摘要：陆空两栖机器人可以灵巧的空中探索和持久的在地面操作，在探索和救援方面有着很大的潜力。但是，用高能量效率的结构来实现多种区域仍是挑战。本文提出一种MTABot的具有爬行 滚动 和飞行三种模态的变形机器人。优化了结构做了攀爬障碍实验和飞行实验以及能耗对比。