南科大周博宇团队5篇顶级论文破解飞行机器人技术难题,代码全开源

发布时间:2025.09.13
分享:

当地震废墟中飞行机器人反复绕路错过幸存者,当多机器人在商场协作时因无线信号不稳频繁断联,当服务机器人因认错目标偏离导航路线——这些长期困扰自主机器人落地应用的“卡脖子”难题,如今正迎来新的解决思路。南方科技大学周博宇团队——作为亚洲首个斩获IEEE TRO最佳论文奖的团队,在半年内连续发布5篇高水平论文,覆盖空中自主探索、多机协同建图等五大核心场景,提出一系列创新框架与方法。所有成果均开源可复用,为攻克这些现实瓶颈提供了重要的理论支持与技术路径。

一、FERMI: Flexible Radio Mapping with a Hybrid Propagation Model and Scalable Autonomous Data Collection

论文作者:Yiming Luo, Yunfei Wang, Hongming Chen, Chengkai Wu, Ximin Lyu, Jinni Zhou, Jun Ma, Fu Zhang, Boyu Zhou#

发表期刊:Robotics: Science and Systems (RSS 2025)

图片

该研究创新性融合混合传播模型与可扩展自主数据采集的FERMI灵活无线建图框架,突破复杂遮挡环境下无线信号建模泛化能力不足、依赖人工数据采集的技术瓶颈,为多机器人协作场景提供高精度无线地图构建方案。

研究团队创新性地将基于物理原理的直射信号路径模型与神经网络融合:物理模型提供信号传播基础规律支撑,神经网络捕捉复杂环境下的非线性交互效应,仅需稀疏训练数据即可实现可靠建模;同时设计可扩展数据采集规划方法,依托多机器人团队合理分配任务以提高并行度,优化移动路径以最小化区域间移动成本。实验结果表明:FERMI在复杂遮挡环境中将平均绝对误差(MAE)从 5.8–7.1 dB 降至 3.2–4.0 dB,对训练未覆盖的收发器位置泛化误差 ≤ 3 dB,信号预测精度显著提升。

论文主页:https://arxiv.org/abs/2504.14862

开源链接:https://github.com/ymLuo1214/Flexible-Radio-Mapping

二、ApexNav: An Adaptive Exploration Strategy for Zero-Shot Object Navigation with Target-centric Semantic Fusion

论文作者:Mingjie Zhang, Yuheng Du, Chengkai Wu, Jinni Zhou, Zhenchao Qi, Jun Ma, Boyu Zhou#

发表期刊:IEEE Robotics and Automation Letters (RA-L 2025)

图片

该研究创新性具备语义信息适应性,利用与目标中心语义融合的ApexNav零样本对象导航框架,解决未知环境中语义线索稀疏导致的导航低效、相似物体干扰引发的错误检测问题,实现更高效可靠的目标搜寻。

研究团队设计两大核心机制:一是语义信息适应性利用机制,实时分析环境语义信息的分布密度与清晰程度,语义线索明确时,优先通过语义推理引导探索,语义线索微弱时,自动切换至基于几何结构的探索模式,确保探索不中断;二是以目标为中心的语义融合方法,持续保留目标物体核心特征及相似干扰物体的长期记忆,通过动态对比视觉差异降低错误检测概率。在HM3Dv1、HM3Dv2及MP3D数据集评估中,ApexNav的成功率(SR)与路径效率(SPL)显著优于当前最先进方法,目标搜寻成功率提升,路径冗余度降低;消融研究证实语义适应性利用、目标中心语义融合等核心模块的必要性与有效性;真实物理环境实验验证其实际应用价值,可稳定高效完成复杂未知场景目标导航任务。

论文主页:https://arxiv.org/abs/2504.14478

开源链接:https://robotics-star.com/ApexNav/

演示视频:https://www.bilibili.com/video/BV1zvFieREM5/

三、EPIC: A Lightweight LiDAR-Based UAV Exploration Framework for Large-Scale Scenarios

论文作者:Shuang Geng*, Zelin Ning*, Fu Zhang, Boyu Zhou#

发表期刊:IEEE Robotics and Automation Letters (RA-L 2025)

图片

该研究创新性直接基于激光雷达点云数据的EPIC轻量级飞行机器人探索框架,突破现有激光雷达探索方法依赖高计算开销额外环境表示形式、实时性差的局限,适用于大规模场景自主探索任务。

研究团队创新引入基于点云质量的新型观测地图,将复杂环境拆解为小型表面块集合,通过量化评估表面块观测质量表征环境探索状态,并借助空间哈希技术高效维护与动态更新质量信息;设计可直接在点云数据上操作的增量拓扑图构建方法,动态构建环境拓扑关系以实现大规模场景实时路径规划;基于上述组件构建分层规划框架,生成兼具灵活性与节能性的飞行轨迹。实验结果表明,与当前最先进探索方法相比,EPIC内存消耗显著降低,计算时间缩短,同时实现更快的探索速度,在大规模场景中探索覆盖率提升,任务完成耗时减少;仿真实验与真实世界测试均验证其优异综合性能。

论文主页:https://ieeexplore.ieee.org/abstract/document/10945408

开源链接:https://github.com/Robotics-STAR-Lab/EPIC

演示视频:https://www.bilibili.com/video/BV1nrx5eaESY/

四、Perception-aware Planning for Quadcopter Flight in Unknown and Feature-limited Environments

论文作者:Chenxin Yu*, Zihong Lu*, Jie Mei, Boyu Zhou#

发表会议:Proc. of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2025)

图片

该研究创新性适用于未知且特征有限环境的四旋翼感知感知规划方法,摆脱现有方法对先验环境信息的依赖,解决定位特征稀疏场景下四旋翼状态估计精度低、易陷入特征有限区域的问题。

研究团队引入视点转移图,实现局部目标视点的自适应选择,在引导四旋翼高效向目标点导航的同时,确保其具备充足的可定位性,避免陷入特征有限区域。在局部规划阶段,提出兼顾探索能力与可定位性的新型偏航轨迹生成方法,通过特征共视性评估构建可定位走廊,以计算高效的方式保障定位鲁棒性。仿真实验与真实环境实验结果表明:该方法具备良好的可行性与实时性能:在特征稀疏仓库场景中,位置漂移由 0.31 m 降至 0.08 m,轨迹跟踪 RMSE 降低 42%;相关源代码已公开,为该领域研究提供参考。

论文主页:https://arxiv.org/abs/2503.15273

开源链接:https://github.com/Robotics-STAR-Lab/LA-Planner

演示视频:https://www.bilibili.com/video/BV1bj99YgEeb/

五、FALCON: Fast Autonomous Aerial Exploration using Coverage Path Guidance

论文作者:Yichen Zhang, Xinyi Chen, Chen Feng, Boyu Zhou#, Shaojie Shen

发表期刊:IEEE Transactions on Robotics (T-RO 2025)

图片

该研究创新性以覆盖路径为引导核心的FALCON快速自主探索框架,深度融合在线生成覆盖路径与探索任务,有效解决现有探索规划器频繁重复访问已探索区域的效率瓶颈,为自主空中探索领域建立全新性能基准。

研究团队采用分层优化逻辑设计技术流程:首先开展增量式、感知连通性导向的空间分解并同步构建连通图,奠定精准空间基础;接着由分层规划器生成覆盖全部未探索空间的全局引导路径,规避“局部最优”陷阱;随后局部规划器融入全局引导意图,优化前沿点访问顺序以减少遍历时间;最后生成兼具时间最短、轨迹平滑与运行安全特性的飞行轨迹。同时,构建轻量级探索规划器评估环境,通过统一四旋翼模拟器实现标准化对比。实验结果表明,FALCON在探索效率、路径冗余度、任务完成时间等方面显著优于当前最先进规划器,全局重复探索率降低,任务完成耗时缩短;消融研究验证了空间分解、全局引导、局部优化等核心组件的必要性与有效性;真实环境机载实验证明其稳定性与可靠性。

论文主页:https://ieeexplore.ieee.org/abstract/document/10816079/

开源链接:https://github.com/HKUST-Aerial-Robotics/FALCON

演示视频::https://www.bilibili.com/video/BV1TM4m1C7yi/

以上五篇论文为近期周博宇老师团队的最新研究成果,为了进一步推动飞行机器人技术从实验室走向实际应用,周博宇老师将在国际智能机器人与系统会议IROS 2025上共同组织空中自主挑战赛,此次大赛由微分智飞联合浙江大学共同举办,旨在为为广大研究者提供验证算法、交流思想、推动技术落地的交流平台。

目前大赛火热报名中,我们诚挚邀请全球机器人研究者、工程师、学生团队踊跃参与,共同探索无人系统在复杂环境中的智能极限。报名即将截止,请尽快提交申请!让我们在杭州相见,以代码与飞行为语言,对话未来!

图片

扫码加入大赛微信交流群

图片

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。

更多内容关注公众号