四旋翼飛行器因其出色的敏捷性，在搜救、醫療物資緊急投送等時間敏感任務中顯示出巨大潛力。然而，以往研究大多集中於如何穩定運輸纜系載荷，對於將載荷快速、準確地拋射到指定目標位置這一高度動態過程，探索相對不足。傳統的模型基方法通常依賴軌跡最佳化與跟蹤，但由於保守的可行性約束、跟蹤誤差以及柔性纜繩動力學建模的固有困難，效能常不盡如人意。
為突破這一瓶頸，研究團隊提出了一種新穎的混合模擬框架。該框架將高保真的四旋翼解析模型與物理引擎（PhysX）緊密耦合，在每一步模擬中交換相互作用力，從而實現對纜系載荷系統的高精度物理模擬。基於這一環境，研究人員採用深度強化學習（RL）訓練了一個控制策略，使四旋翼能夠敏捷而準確地將纜繩末端的載荷投向指定目標。值得關注的是，該策略在零樣本情況下直接部署到真實無人機硬體上，展現出遠超傳統模型基方法的效能：著陸誤差降低了高達50%，投擲持續時間縮短了30%。
透過細緻的消融研究，團隊確認了耦合模擬機制是實現效能飛躍的關鍵因素。此外，他們證明了同一訓練流程同樣適用於基於視覺輸入的控制策略——無需依賴顯式的狀態估計，僅憑機載攝像頭獲取的視覺資訊就能達到與基於狀態策略相媲美的精度。這一發現極大提升了方法在真實場景中的實用性和魯棒性。
為了推動動態空中操縱領域的進一步發展，論文作者承諾在論文接收後向社群開源所開發的模擬器，這將為後續研究提供寶貴的實驗平臺。該工作已在2026年6月提交至arXiv，論文編號為2606.27603。