Belief-Adaptive Online Autonomy for Quadrotor UAV Navigation under GNSS Degradation in Urban Environments
本文介绍了一种置信度自适应在线自主框架，该框架通过将 GNSS 置信度建模为潜在状态，以主动调整传感器权重并处理延迟，从而在无需先验环境知识的情况下，增强了四旋翼无人机在 GNSS 退化城市环境中的导航能力，进而提升了估计精度和轨迹平滑度。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在密集的城市中驾驶小型无人机是一个难度极高的导航问题。与可以在开阔地带依靠头顶轨道卫星信号来精确了解自身位置的无人机不同，城市峡谷是一个充满混乱的地方。高大的建筑阻挡了通往天空的直接视线，而混凝土和玻璃等坚硬表面会使卫星信号发生反射，产生延迟且扭曲的回声。对于无人机的计算机而言，这些反射看起来像是虚假的位置，使机器误以为自己处于并不存在的地点。当无人机试图根据这些错误信息修正航向时，它可能会偏离预定路径，或者更糟，撞上它原本认为已经避开的障碍物。为了让这些机器在未来的城市空中交通中安全运行，它们需要一种方法，使其仅在传感器正确时信任传感器，并在环境“撒谎”时忽略传感器。
克兰菲尔德大学（Cranfield University）的研究人员开发出一种新方法，帮助无人机在这些棘手的条件下进行导航，而无需依赖多年的飞行数据进行学习。他们的方法侧重于一种特定的智能：即实时判断传感器可靠性的能力。在标准的导航系统中，无人机会融合来自其内部运动传感器（追踪移动速度极快）的数据，以及来自卫星系统（提供全球位置但在城市中可能缓慢且易出错）的数据。通常，计算机将这两个来源视为同样可靠，或者仅在已经发生错误后才调整信任度。这个新框架通过赋予无人机一种关于“在任何给定时刻应该在多大程度上信任卫星信号”的“信念”来改变了这一点。这种信念并非固定设置；它是一个活性的估计值，无人机在飞行过程中不断对其进行更新，从而使其能够在问题发生之前主动忽略错误数据。
这项工作的核心是一个将卫星信号的可靠性视为“隐藏状态”的系统，就像驾驶员直觉地感觉到进入隧道时地图变得不再可靠一样。研究人员创建了一个数学模型，其中这种“信任”由一个随时间变化的单一数值表示。当无人机检测到卫星数据表现异常时——例如因为信号从建筑物上反射或到达延迟——系统并不会仅仅等待误差变大。相反，它使用一种复杂的学习规则来立即调整置信度。该规则观察的是误差的变化方式，而不仅仅是误差的大小本身。通过分析误差的形态，系统可以判断信号是可能变得更糟，还是仅仅是一个暂时的故障，并据此调整无人机的导航。这使得无人机在天空被遮挡时可以更多地依赖其内部运动传感器，并在视野清晰后立即切换回卫星信号，而无需停止重新计算整个飞行计划。
为了测试这个想法是否有效，团队进行了数千次计算机模拟，模拟无人机飞越一个充满了高大矩形障碍物的虚拟城市。他们编写了程序来模拟现实世界中信号遮挡的物理特性，以及卫星信号在建筑物上反射产生误差的特定方式，这些误差会随时间变化并取决于无人机所处的位置。他们还引入了延迟，以模拟无人机计算机处理信号时产生的滞后。在这些测试中，他们将这种新的“信念自适应系统”与旧方法进行了对比。旧方法（即在发生错误后才做出反应的方法）经常导致无人机偏离航线或沿着锯齿状、不稳定的路径飞行。然而，新系统却能让无人机保持在更接近预定路线的位置。使用新方法的无人机即使在卫星信号受到城市环境严重干扰的情况下，也表现出显著更小的路径偏差，并保持了更平滑、更稳定的飞行。
模拟结果清晰且一致。与不适应变化条件的标准方法相比，新方法将位置估计误差降低了约百分之八十。它还将飞行路径跟踪误差减少了百分之三十。这种进步并非通过增加传感器或增加无人机重量实现的，而是通过一种更聪明的信息处理方式。该系统通过准确知道何时信任卫星以及何时怀疑卫星，成功保持了无人机内部世界地图的准确性。至关重要的是，这种方法不需要无人机预先针对特定城市布局进行训练。它能够边飞边学，使其适用于任何城市环境，而无需进行大量的预编程或离线训练。
这项工作表明，实现安全城市飞行的关键在于赋予机器质疑自身数据的能力。通过将传感器的可信度建模为随环境演变的动态信念，研究人员创建了一个既稳健又高效的导航系统。该框架可以融入现有的飞行控制系统，而无需对硬件或软件进行彻底改造，这意味着它可以相对容易地集成到当前的无人机技术中。虽然这些发现目前基于计算机模拟，但它们为未来的实地飞行测试提供了坚实的基础。如果这些结果在实际飞行试验中得到验证，这种方法可能会成为实现无人机在复杂且不可预测的城市领空中可靠、自主运行的关键一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。