编者推荐
无人机上天后能“边飞边学”?这项研究做到了。它通过在线学习,让AI在真实飞行中持续修正自己的动力学模型,像拥有了一个进化型的“小脑”。
【论文亮点速览】
· 在线残差动力学学习法:无需提前辨识空气动力、延迟等参数,在实飞中边飞边学,适应各种变化。
· 百秒进化:约100秒实飞,无人机峰值速度能从2.0m/s提升至7.3m/s,并频繁触及控制上限,激发硬件极限潜能。
· 抗损自适应:桨叶受损或额外负重时,仅需更新一次残差模型,即可显著降低误差,继续寻找新状态下的性能边界。
详细内容,让非凸空间带你一探究竟!

端到端神经网络已经能够完成高速度、高机动的四旋翼无人机飞行控制,但其主流路线仍然高度依赖大规模仿真训练:先在仿真中学出策略,再通过系统辨识、域随机化等手段完成仿真到现实的迁移。
问题在于,真实无人机不是一套长期不变的动力学模型。电池电量下降、载荷变化、桨叶损伤、气动效应和外部风扰,都会让训练时的模型逐渐偏离真实平台。为了保证安全,固定策略往往只能预留较大的安全裕度,于是“能稳定飞”与“把平台性能真正用满”之间始终存在着距离。
针对这一矛盾,苏黎世大学 Robotics and Perception Group 的 Yunfan Ren、Zhiyuan Zhu、Jiaxu Xing 和 Davide Scaramuzza 提出了一套真实世界自适应敏捷飞行框架:无人机不再把现实部署看作训练结束后的“测试阶段”,而是持续利用真实飞行数据校准动力学、更新控制策略,主动把任务速度推向当前平台能够承受的极限。论文报告显示,系统可在约 100 秒真实飞行时间内,将线性穿梭任务的峰值速度从 2.0 m/s 提升到 7.3 m/s。

图 1|真实世界在线进化闭环(原论文 Fig. 1):从初始保守策略到第 12 次更新,Figure-8、直线穿梭与地标巡检三类任务均表现出明显的速度提升
01
固定策略的瓶颈:
仿真里学会,不等于现实中持续有效
当前许多端到端飞行控制方法采用“离线训练、在线固定”的范式。策略可以在高保真仿真中经历海量试错,甚至在理想模型下逼近极限;但真正部署后,控制器通常不再继续学习。只要真实动力学与训练模型出现偏差,策略就只能依赖训练阶段见过的扰动范围来兜底。
对于普通巡航,这种偏差可能只是轻微的跟踪误差;但在敏捷飞行中,系统长期工作在高角速度、高加速度和执行器趋近饱和的情况下,模型误差会迅速累积。更关键的是,传统鲁棒控制常通过面向最坏情况预留裕度来保证稳定性,这种做法虽然可靠,却会让平台在大多数正常时刻保持不必要的保守。
因此,论文关注的核心是如何让无人机根据此刻真实的自身状态,持续重新估计还能飞多快。
02
自适应闭环:
真实飞行、在线建模、快速策略学习
论文把真实世界执行与可微分仿真连接成一个持续循环。系统先用一个简单的名义刚体模型训练基础策略;部署后,无人机执行当前策略并采集真实的状态—动作—状态转移数据,再用这些数据在线更新动力学模型。更新后的模型立即进入可微分仿真,支持新一轮策略优化,随后新策略重新回到真实无人机上执行。
这套流程的关键不是重新从头训练一个控制器,而是让每一小段真实经验都尽快转化成策略改进。作者在实验平台上使用机外工作站运行在线学习:残差模型更新约 3 秒、策略更新约 6 秒,一次完整适应约 9 秒;与此同时,50 Hz 的实时控制只需要执行轻量网络前向推理,因此控制与学习可以解耦。

图 2|整体框架(原论文 Fig. 2):真实飞行采样、混合动力学模型校准、现实状态锚定的可微分仿真、策略更新与自适应时间缩放共同组成连续闭环
03
三个关键机制:
先把现实“学准”,再安全地压缩时间
1.在线残差动力学学习
论文并不要求先精确辨识整架无人机,而是在简单刚体模型上叠加一个神经网络残差项。这个残差同时补偿未建模的平动加速度和机体系角速度偏差,吸收气动阻力、执行延迟、硬件变化等名义模型解释不了的部分。网络直接利用真实状态转移的一步预测误差训练,因此每次飞行都在持续回答同一个问题:当前这架无人机,与我原先假设的动力学到底差在哪里?
2.真实世界锚定短时域时间反向传播 RASH-BPTT
可微分仿真能够直接对控制策略求梯度,但如果从理想初始状态做长时间滚动,模型误差会不断累积,最后优化出的动作可能只在“模型世界”里成立。RASH-BPTT 每次都从最近的真实状态估计出发,只在较短时间范围内展开仿真和反向传播,使梯度始终贴近无人机当前的动力学分布。
3.自适应时间尺度缩放 ATS
空间路径本身可以保持不变,但系统通过一个时间缩放参数 α 调整“沿这条路径飞得多快”:α 变小,整条轨迹在时间上被压缩,飞行更激进;α 变大,任务自动放慢。ATS 同时考虑速度收益和跟踪误差,并设置安全屏障。当预测误差仍处在安全区间时,优化器会继续压缩时间;一旦误差逼近阈值,就主动放慢,恢复稳定性。

图 3|ATS 的优化直觉(原论文 Fig. 3):在跟踪误差安全阈值内尽可能降低时间尺度、提升速度;进入高误差区域后,安全屏障迅速抬高代价,迫使系统回到可行边界
04
真实飞行:
约 100 秒内把速度推到控制接口边界
作者首先在两条典型轨迹上验证系统能否从保守策略自动进化到高敏捷策略。在线适应过程中,直线穿梭的最大速度由 2.0 m/s 提升至 7.3 m/s,Figure-8(绕八字飞行)的最大速度由 2.2 m/s 提升至 7.2 m/s,所需真实飞行经验数据均约为 100 秒。与此同时,后期策略的机体系角速度指令持续触及 6 rad/s 的接口饱和上限。
这意味着系统并非只是在相同速度下把轨迹跟得更准,而是利用更准确的残差模型和现实锚定优化,逐步把任务时间压缩到控制接口允许的极限附近。为了判断离理论边界还有多远,论文又计算了零延迟的离线下界:Figure-8 的实际圈时为 2.60 秒,而同样 CTBR 约束下的理想下界为 2.24 秒;若直接按单电机推力极限优化,下界还能达到 2.02 秒。换言之,当前系统已经接近“总推力/机体系角速度控制接口”的上限,但旋翼本身仍存在一定余量。

图 4|控制指令逐步逼近饱和(原论文 Fig. 5):随着在线适应推进,Figure-8 与直线穿梭中的机体系角速度指令越来越频繁地接近 6 rad/s 的控制接口上限
05
载荷、桨叶损伤与风扰:
不是保持保守,而是重学“新极限”
真正有价值的自适应能力,不应只在完好硬件和固定环境中成立。论文进一步对重 192 g 的四旋翼飞机做了非常直接的破坏性测试:额外挂载 60 g 质量,相当于增加约 31% 自重;剪短桨叶造成明显气动损失;以及同时施加载荷与桨叶损伤。

图 5|硬件变化实验平台(原论文 Fig. 4):名义质量 192 g,测试额外 60 g 载荷、桨叶剪切损伤以及二者叠加
通常来说,硬件一旦改变,原来的策略会立刻出现明显跟踪误差,因为真实动力学已经换了一套参数。然而,这篇论文提出的残差模型只需经过一次更新,跟踪误差就能够显著下降;模型在重新适应了安全裕度的要求后,通过利用ATS继续减小时间尺度,把速度重新往上推。最终,不同硬件状态对应的最高速度确实会降低,但系统能够找到各自新的可行边界,而不是因为一次损伤就永久退回极度保守的飞行状态。

图 6|硬件变化下的在线适应(原论文 Fig. 6):在增重、桨叶损伤及组合退化条件下,残差学习快速修正模型失配,ATS 随后继续把受损硬件推向新的可行速度边界
论文还设置了更接近任务执行的三地标巡检:无人机需要穿过三个地标,同时遭遇风扇产生的未知气流。初始策略完成任务需要 12 秒,经过 10 次更新后缩短到 7 秒,执行时间减少约 42%,且仍满足安全约束。这一实验强调的不是单纯“抗风”,而是系统在受到扰动后还能重新获得安全裕度,并把这部分裕度继续转换为速度。

图 7|未知气流下的地标巡检(原论文 Fig. 7):从 Policy V0 到 Policy V10,系统在风扰下把任务时间由 12 秒压缩到 7 秒
在 5 m/s 风场的仿真实验中,这一机制表现得更清楚:完整方法从2.6 m/s 起步,第一次残差更新后跟踪均方根误差降到 0.06 m,随后 ATS 连续提高任务激进程度,最终达到 6.8 m/s;只使用固定动力学建模的基线则受持续模型失配限制,最高速度停留在约 4.7 m/s。

图 8|5 m/s 风场下的在线适应(原论文 Fig. 9):完整方法先快速压低跟踪误差,再利用新增安全裕度持续加速,最终从 2.6 m/s 提升到 6.8 m/s;基线在约 4.7 m/s 附近受限
06
消融实验:
为什么“残差模型 + 现实锚定”缺一不可
为了区分不同组件的作用,论文在相同ATS 框架下进行消融实验,比较了只用名义模型的基线、仅建模线加速度残差的 LOTF 变体、只做现实锚定、只做完整残差学习,以及完整方法。所有配置都使用 0.35 m 的跟踪误差阈值,因此比较的是谁能在相同安全约束下把速度推得更高。
结果呈现出三个清晰结论:
首先,残差动力学决定了提高飞行速度的效果:没有残差修正,模型误差会让跟踪误差过早撞到安全阈值,时间尺度无法被ATS继续压缩;
其次,高速区间不仅需要修正平动加速度,机体系角速度残差同样重要,说明旋转动力学失配会直接限制高敏捷预测精度;
最后,现实状态锚定能够减少优化轨迹与真实在策略分布之间的偏移,使短时域梯度更加稳定。
因此,论文的性能提升并不是某个单一模块“调快了速度”,而是形成了一个相互依赖的闭环:残差学习提高预测准确性,现实锚定保证更新贴近当前真实状态,ATS 再把由此获得的安全裕度转化为更激进的时间尺度。

图 9|消融实验(原论文 Fig. 8):完整残差动力学与现实锚定共同带来更优的圈时—跟踪误差权衡,二者缺失都会限制最终可达到的敏捷程度
结语
让无人机把现实变成持续学习的一环
这项工作的核心贡献,是把真实世界从“单次仿真训练后的最终考场”改造成“持续学习”的数据来源。无人机每一次飞行都在重新校准自己的动力学;动力学模型一旦变得准确,短时域可微分优化算法就立刻更新策略;在安全裕度得到一定程度优化后,ATS 再主动压缩任务完成时间,提高飞行速度。于是,平台不需要提前知道所有风扰、载荷和损伤情况等相关的精确参数,也不需要为每一种硬件状态单独重新做完整系统辨识。
论文同时也明确了当前边界:实验中触及的是 CTBR 控制接口的饱和,而不是旋翼推力的最终物理极限;ATS 目前只优化固定空间路径的时间尺度,没有从本质上改变轨迹几何;残差模型主要依赖飞行稳定执行过程中的轨迹数据,一些从感知角度上不确定性高的区域仍需要设计相应的安全主动探索机制;此外,系统还假设能够获得低延迟、高精度的自身状态估计。
即便如此,这项工作展示了一条与传统“训练一次模型、固定后部署”是明显不同的路线:控制器可以在真实世界中持续进化,不只是修补模型误差,而是通过自适应环境变化来逼近自身性能极限。对于会老化、会受损、会遇到未知扰动的真实机器人而言,这种能力可能比单次训练得到一个更强的固定策略更重要。
论文信息:Yunfan Ren, Zhiyuan Zhu, Jiaxu Xing, Davide Scaramuzza, “Learning Agile Quadrotor Flight in the Real World”, accepted at Robotics: Science and Systems (RSS), 2026. 文中配图均截取自原论文。
关于我们
微分智飞(杭州)科技有限公司,以让飞行机器人“连接千行百业,飞入千家万户”为使命,致力于打造全球领先的飞行具身大脑及通用群体智能系统。公司依托自主导航、具身决策、端到端控制及群体智能四大核心技术,突破环境限制,打造面向多样复杂场景的飞行机器人基座模型,驱动构建应用于家庭、工业、教育、城市与自然空间的“空天智能终端”。
非凸空间是微分智飞旗下教育子品牌,以通用飞行平台产品为核心,致力于为高校、科研院所及应用单位提供全方位科研教育解决方案,涵盖实验室建设、专业建设、赛事支持、课程培训、人才培养及基金课题合作等领域,助力飞行机器人科研与教学更专业、更高效。
END

更多前沿内容 请关注公众号