基於自適應無跡卡爾曼濾波和非線性模型預測控制的四旋翼固定時間動態着陸
本文提出了一種用於多旋翼無人機在移動平台上動態着陸的估計與控制框架，集成了非線性模型預測控制與實時最小加加速度軌跡規劃器，強制規定觸地時間，實現終端下降階段的一致定時。採用自適應無跡卡爾曼濾波在線更新過程與測量噪聲統計，增強對時變傳感質量的魯棒性。仿真與硬件實驗表明，該方法能實現可重複着陸，並相比EKF/UKF方法提高了平台速度預測精度。
近日，一篇題為《Fixed-Time Dynamic Landing of Quadrotors using Adaptive Unscented Kalman Filtering and Nonlinear Model Predictive Control》的論文被CRV 2026（機器人與視覺會議）接收。該研究由Mohammadreza Izadi等人完成，針對多旋翼無人機在移動平台上的動態着陸問題，提出了一套全新的估計與控制框架。
動態着陸是無人機自主飛行中的關鍵挑戰之一，尤其在船舶、車輛等移動平台上着陸時，需要精確同步飛行器與平台的相對運動。傳統方法常受限於傳感質量波動和着陸時序不確定性。為此，研究團隊將非線性模型預測控制（NMPC）與實時最小加加速度軌跡規劃器相結合，通過強制規定觸地時間（fixed touchdown time），確保了終端下降階段的時間一致性。這一設計使得着陸時序可預測且可重複，這對於自動化操作至關重要。
為了應對實際環境中傳感質量（如GPS信號遮擋、視覺特徵變化）的時變特性，論文引入了自適應無跡卡爾曼濾波（Adaptive UKF）。該濾波器能夠在線更新過程噪聲和測量噪聲的統計特性，從而在傳感質量下降時仍保持魯棒的狀態估計。與擴展卡爾曼濾波（EKF）和標準UKF相比，自適應UKF顯著提升了平台速度預測的準確性。
此外，研究團隊提供了參考可行性分析，證明在標準跟蹤假設下，最小加加速度參考軌跡能夠誘導出有界的推力和扭矩命令，從而保證了控制指令的物理可實現性。分析結果增強了方法在實際系統中的適用性。
實驗部分包括仿真和硬件測試。在仿真環境中，該方法展示了在不同平台運動模式下的穩定着陸性能。硬件實驗使用四旋翼無人機在移動平台上進行實際着陸，結果驗證了方法的可重複性，並顯示其平台速度預測精度優於傳統的EKF/UKF方法。論文細節表明，所提出的框架在着陸成功率、位置精度和時間一致性方面均達到了預期目標。
該工作為無人機動態着陸領域提供了新的解決思路，尤其適用於物流配送、海上作業和汽車自動駕駛等場景。未來工作可能包括更復雜環境下的魯棒性驗證以及計算效率的優化。