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。