多旋翼无人机协同运输缆索悬挂载荷在搜救、物流、建筑施工等领域具有重要应用前景。然而，传统方法通常依赖中央控制器或无人机之间的频繁通信来协调运动，这限制了系统的鲁棒性、可扩展性和对通信故障的容忍度。针对这一挑战，来自芝加哥大学等机构的研究人员在即将于IEEE/RSJ国际智能机器人与系统大会（IROS 2026）上发表的论文中提出了一种名为GPAC（Geometric, Parallel, Adaptive, and Cautious）的新型分散式控制架构。GPAC的核心创新在于实现了“隐式协调”：每架无人机仅通过测量自身所连接缆索的角度和张力，独立估计出它所承担的载荷比例，而无需知晓无人机总数或载荷质量。所有无人机的合力因此自动收敛到正确总值，实现了无需中央协调或交换缆索状态的多机协同运输。每架无人机还利用自身缆索几何信息重建载荷位置，无人机之间仅需广播低速率邻居位置信息以避免碰撞，大大降低了通信需求。
GPAC架构由四个层次组成，直接在完整的非线性流形上运行。第一层是几何位置与姿态控制，确保无人机按照期望轨迹运动，并考虑缆索对姿态的影响；第二层是抗摆动调节，通过主动阻尼抑制载荷的残余摆动；第三层是扩展状态观测器，用于估计和补偿风等外部干扰，提高跟踪精度；第四层是基于并行学习（concurrent learning）的自适应质量估计算法，无需持续激励条件即可在线估计载荷质量，并且收敛性得到保证。此外，GPAC还引入了一个优先级排序的控制障碍函数（CBF）安全滤波器，在单个约束激活下严格保证输入到状态的安全性（ISSf）裕度。理论分析表明，该滤波器对期望力的修正不会使期望姿态超出SO(3)姿态控制器的几乎全局稳定区域，从而保证了系统的稳定性。研究者还证明了滤波器与姿态控制器的兼容性，确保安全修正不会破坏姿态控制。
为了验证GPAC的性能，作者进行了高保真仿真，其中包含了柔性缆索模型、机载传感器融合以及风湍流等真实因素。所有控制与估计回路均通过估计器闭环运行，模拟了实际飞行中的不确定性。在13次随机试验中，载荷跟踪的均方根误差（RMSE）平均为33.8厘米，变异系数仅2.8%，表明算法具有高度的一致性和可重复性。同时，每架无人机的计算开销极低，使得该架构可以在现有嵌入式平台上实时运行。这一结果表明，GPAC能够在保证安全性的同时，实现精确的分散式协同运输，为实际应用提供了有力的技术支撑。该论文已被IROS 2026接收，相关代码和数据已公开，供其他研究者复现和扩展。