在执行空中抓取与运输任务时,无人机常常需要面对目标物体质量未知、惯量分布复杂且抓取后系统动力学突变等现实挑战。传统方法往往依赖抓取后的激励辨识,该类方法往往需要长时间悬停或执行特定的激励轨迹,不仅效率低下,还容易引入飞行不稳定风险,难以满足真实场景下对快速响应与鲁棒控制的需求。
针对上述问题,微分智飞联合创始人、中山大学吕熙敏研究团队提出了一种预感知与自适应一体化的空中操作系统框架(如图2)。该方法通过在抓取前引入基于视觉—语言模型的惯量预估,在抓取后结合在线自适应控制机制,实现在未知负载条件下的实时惯量感知与稳定飞行控制。
实验表明,该系统可在约 2 秒的在线自适应过程中将惯量估计误差控制在 3% 以内,并使位置与姿态跟踪精度分别提升43% 与 30%。相关成果已系统性验证了视觉感知与控制深度融合在空中操作任务中的巨大潜力。

图1 - 自研空中机械臂平台实现自主感知、抓取

图2 - 系统框架
1
先知先控:抓取前惯量预感知
在抓取动作发生之前,系统引入“抓取前惯量预感知”机制,对目标物体的关键动力学属性进行前置建模。具体而言,系统基于 RGB-D 视觉与文本指令,采用基础模型实现对未知目标的零样本检测,并在远距离条件下完成目标的9D位姿与尺度估计,获得紧致的紧致三维几何表征(如图3)。
在此基础上,进一步融合视觉—语言模型的多模态推理能力,结合分割图像、几何尺寸与语义描述,对物体的真实形状、体积缩放因子、平均密度及转动惯量分布进行联合估计,从而在尚未发生物理接触前构建目标的质量与惯量先验。该先验信息被直接用于后续抓取与飞行控制规划,使系统能够提前预见抓取引入的惯量变化,有效缓解抓取瞬态带来的模型失配与控制冲击。

图3 相机系下位姿估计结果
2
自适应:抓取后在线惯量修正
在完成抓取后,系统进一步引入基于扰动观测器(DOB)的在线惯量自适应机制,对目标物体的质量与转动惯量进行实时修正。通过机载 IMU 测得的加速度信息与电机推力模型,系统将抓取后的附加载荷视为等效外扰,并在稳定悬停条件下在线辨识目标物体的真实质量,实现对视觉先验的闭环校正。该质量估计随后用于按比例更新物体的转动惯量,从而补偿由质量偏差引起的惯量失配。
在此基础上,系统实时重构包含飞行平台、机械臂与负载在内的整体质量、质心位置与惯量矩阵;并据此自适应调整控制增益与控制分配。该在线惯量修正机制使飞行器能够平滑适应抓取引入的负载与构型变化,有效抑制抓取瞬态扰动,显著提升系统的稳定性、鲁棒性与轨迹跟踪精度。
3
先知先控:抓取前惯量预感知

图4 惯量感知增益调度
针对抓取未知物体后系统总转动惯量显著变化、传统固定增益控制难以兼顾响应速度与稳定性的难题,团队提出了惯量感知增益调度(Inertia-Aware Gain Scheduling, IAGS)控制方法(如图4)。该方法在保持位置—姿态级联控制结构不变的前提下,将在线估计得到的系统整体转动惯量显式引入角速度控制环,通过构造与惯量成比例的自适应增益矩阵,实现控制增益随负载与构型变化的实时调整。其核心思想是在小扰动悬停假设下,对角速度回路的开环动态进行等效重整,使系统的闭环特性主要由标称惯量决定,从而消除负载变化对控制带宽和相位裕度的影响。
该机制避免了基于最坏工况的过度保守调参,在轻载与重载条件下均能保持一致的动态响应和充足的稳定裕度,并在频域鲁棒性分析、仿真与实飞验证中均表现出对大幅惯量不确定性的稳健抑制能力,显著提升了空中操作过程中的快速机动与精细控制性能。
4
系统级验证:
真实空中操作全流程实飞测试
为验证系统的实战能力,团队围绕惯量估计精度、控制稳定性与真实任务性能三个方面开展了系统性实验评估,依次设计并完成了惯量参数在线估计、悬停稳定性对比、复杂环境下的目标抓取与运输任务,以及消融实验等测试(如图5)。
实验结果表明,所提出的方法能够在约 2–3 s 内完成目标惯量参数的在线估计,并将估计误差稳定控制在个位数百分比范围内。在悬停稳定性实验中,相较于 PX4 基线控制器,系统的位置与姿态跟踪误差平均降低约 30%。在复杂环境下的抓取与运输任务中,系统在存在外界扰动和负载突变的情况下仍能保持稳定运行,整体跟踪误差进一步降低约 10%–20%。通过多场景、多负载与实飞验证,系统性评估并验证了所提方法在精度、鲁棒性与工程实用性方面的综合性能。

图5 真实飞行效果

图6 无人机执行抓取与放置任务
视频演示
视频1 - 惯性参数估计演示
视频2 - 悬停抗扰稳定性演示
视频3 - 物体抓取任务演示
视频4 - 抓取与放置任务演示
视频5 - 物体运输任务演示
结语
这项工作通过感知与控制层面的协同创新,为空中操作系统在非结构化环境下稳定执行物理交互任务提供了新思路:
先验感知:引入抓取前基于视觉的惯量预估,在物体接触前获取关键动力学信息,有效缓解未知负载带来的突变不确定性。
自适应调控:结合抓取后的在线惯量修正与惯量感知增益调度,实现控制参数随系统惯量变化的自适应调整,保障飞行稳定性与跟踪性能。
系统验证:通过多负载、多场景的真实飞行实验,系统性验证了方法在精度、鲁棒性与实用性方面的综合优势。
当前,该方法主要用于提升新一代空中操作飞行机器人的自主作业能力与系统鲁棒性。基于此,其应用场景可进一步拓展至无人机抓取与运输、空中操作机器人、自主应急救援、智能物流与仓储以及人机协作等领域,为空中机器人在复杂物理交互任务中的安全性与可靠性提供有力支撑。
项目主页:https://flyaware.github.io/
更多前沿内容 欢迎关注我们