北理工提出仅依赖机载传感器针对IAP的控制与状态估计框架
近日，度量用户、北京理工大学俞玉树老师团队在IEEE RAL，IEEE TRO和IEEE TASE期刊上分别发表论文，研究着力于解决多飞行器集联平台（Integrated Aerial Platforms, IAPs）的相对位姿和全局定位问题，提出IAP的控制和状态估计框架，为飞行操作机器人执行多功能空中操作任务奠定坚实基础。研究采用NOKOV度量动作捕捉系统为IAP提供高精度位姿真值数据。
论文一
IEEE RAL (2024): Multi-Agent Visual-Inertial Localization for Integrated Aerial Systems With Loose Fusion of Odometry and Kinematics
引用格式
Lai G, Shi C, Wang K, et al. Multi-agent visual-inertial localization for integrated aerial systems with loose fusion of odometry and kinematics[J]. IEEE Robotics and Automation Letters, 2024, 9(7): 6504-6511.
该研究首次提出了一种针对IAP的多智能体定位框架，将无人机个体的视觉惯性里程计数据与IAP内部的运动学约束进行巧妙融合，从而充分利用系统内部的几何结构信息，有效克服因运动受限而导致的定位漂移和精度下降问题。
一个三智能体的IAP及其参考坐标系图解
研究团队首先推导并构建了一个不依赖于具体运动学参数的通用约束公式，该公式适用于不同IAP构型，从而显著提升系统的通用性和鲁棒性。在此基础上，团队进一步构建了一个基于滑动窗口优化的状态估计器，以此融合来自无人机个体视觉里程计与IAP内部运动学约束的信息。通过这种优化机制，系统能够在运动过程中估计各智能体间的相对变换，为集成式多机器人系统在复杂环境下的高精度自主定位提供了可行的技术路径。实验结果表明，该方法显著提升了定位精度，与基线方法相比，全局定位漂移明显减少，相对定位误差大幅降低。
实验视频1
度量动捕为研究提供IAP智能体及中央平台的高精度轨迹真值，评估和验证本文定位系统的性能。
论文二
IEEE TASE (2025): Tight Fusion of Odometry, Kinematic Constraints, and UWB Ranging Systems for State Estimation of Integrated Aerial Platforms
引用格式
Yu Y, Fan Y, Lai G, et al. Tight Fusion of Odometry, Kinematic Constraints, and UWB Ranging Systems for State Estimation of Integrated Aerial Platforms[J]. IEEE Transactions on Automation Science and Engineering, 2025.
该论文聚焦于IAP在复杂环境中的精准 定位问题，提出了一种仅使用机载传感器和真实UWB测量数据的方法，提高IAP在现实场景中的应用潜力，为去中心化多飞行器定位提供了新的思路。
实际飞行过程中的环境设置
该研究创新性地将IAP物理约束与超宽带（UWB）测距数据结合，从而实现多飞行器坐标系的快速、高效统一和锚点位置的精确估计。研究团队为每个子飞行器构建了一个基于位置、速度和姿态约束的分散优化问题，将其命名为视觉-惯性-距离-物理里程计（VIRPO）。去中心化的设计减少了对中央处理单元的依赖，这有助于提高系统的可扩展性。基于数据集的广泛评估表明，与基准算法相比，VIRPO算法展现出更高的定位精度，在真实数据集上的里程计漂移降低了28.7%。该研究首次将该算法集成到真实的IAP上，并通过飞行实验成功验证了其在实际应用中的性能。
度量动捕为研究提供IAPS高精度位姿数据，用于生成模拟的UWB测量数据，以评估本文算法的性能。
论文三
IEEE TRO (2025): Versatile Tasks on Integrated Aerial Platforms Using Only Onboard Sensors: Control, Estimation, and Validation
引用格式
Wang K, Lai G, Yu Y, et al. Versatile Tasks on Integrated Aerial Platforms Using Only Onboard Sensors: Control, Estimation, and Validation[J]. IEEE Transactions on Robotics, 2025.
在此背景下，俞玉树老师团队于2025年在机器人学顶刊IEEE TRO上发表了论文“Versatile Tasks on Integrated Aerial Platforms Using Only Onboard Sensors: Control, Estimation, and Validation”。该研究在先前工作的基础上，提出一个全面的控制与状态估计框架，旨在充分利用IAP执行多样化任务的潜力。
三飞行器IAP不同任务快照
该论文提出了一种通用的综合框架，集成了底层控制、交互控制、直接力和扭矩控制、感知目标观测算法和运动-里程融合状态估计算法。无需依赖力/扭矩传感器或外部定位系统即可实现功能，极大增强了系统的自主性和普适性。
为在运动中持续观测目标，研究设计了一种视觉感知姿态校正算法，称为Perception-Aware Model Predictive Control，PAMPC。该算法能够使IAP的复杂动态系统保持目标始终位于其视场内。无坐标、全局有效且计算复杂度低的控制方案，能够解决在复杂动态环境下进行有效目标感知的难题。
为解决在缺乏外部定位系统时IAP的自主定位的问题，论文提出了一种相对变换估计（RTE）算法。该算法通过将子飞行器和中心平台的运动学约束与视觉-惯性里程计（VIO）数据进行松耦合融合，显著提升整个平台的全局定位精度。研究基于真实IAP原型机的实验，首次证明了该框架仅依赖机载传感器执行多种复杂任务的可行性，并验证了所提框架和融合算法的有效性。
实验视频
度量动捕为研究提供IAP高精度轨迹真值，助力评估和验证本文定位方法的准确性和有效性。
以上三篇论文集中体现了俞玉树老师团队在IAP研究领域的一系列系统性探索以及取得的重要进展。为进一步推动该领域交流，俞玉树老师将在智能机器人与系统国际会议IROS 2025上，共同组织“Advancements in Aerial Physical Interaction” Workshop。
NOKOV度量动作捕捉很荣幸赞助本次Workshop，欢迎相关领域研究者投稿参与，共同探讨空中机器人物理交互的前沿问题。
详情请见研讨会海报：
通讯作者介绍
俞玉树，北京理工大学机电学院副教授、博士生导师。主要研究方向为飞行机器人的柔顺控制、感知、学习。本、硕、博均毕业于北京航空航天大学。曾在北京航空航天大学、新加坡南洋理工大学、瑞典查尔姆斯理工大学从事博士后研究。国家自然科学基金面上项目、青年科学基金项目、重点研发计划子课题负责人。曾获ICCSIP最佳论文、IEEE ICMA Toshio Fukuda Best Award in Mechatronics等奖项。目前担任Drones编委、ICRA副主编。