MinNav：基于光流的微型主动空中机器人极简导航方法
MinNav是一种基于光流及其不确定性的导航堆栈，使微型空中机器人能够在静态和动态障碍物以及未知形状的间隙中飞行，无需任何关于场景组件的先验知识。在真实世界实验中实现了70%的整体成功率，且计算量远小于深度方法，可直接在微型机器人上运行。
微型空中机器人由于尺寸和载荷限制，通常只能搭载单目相机。然而，基于单目视觉的导航在复杂环境中面临挑战，尤其是需要处理动态障碍物和未知形状的间隙时。来自伍斯特理工学院的研究团队提出了MinNav，一种极简导航堆栈，利用光流及其不确定性实现自主飞行。
MinNav的核心创新在于将光流信息与不确定性估计相结合，使机器人能够在未知环境中主动探索并规避障碍。与依赖深度图的方法不同，MinNav不需要预先知道场景的布局或物体位置，而是通过机器人的主动运动来感知并避开障碍。该方法的“主动性”体现在机器人会主动移动以探索环境，寻找障碍物并规划安全路径。实验表明，该方法在静态和动态障碍物以及不规则间隙场景中均表现出色，整体成功率达到了70%。研究团队在多种真实环境中进行了验证，包括室内走廊、室外环境以及包含移动人和物体的场景。
值得一提的是，MinNav的计算需求比基于深度的方法低数个数量级，这使得它能够实时运行在计算资源极为有限的微型无人机上。传统的深度估计方法需要复杂的神经网络，而MinNav仅需光流计算和不确定性建模，大幅降低了计算负担。研究团队已公开了代码、数据集和演示视频，以便其他研究者复现和扩展。这项工作已被ICRA 2026接收，标志着微型机器人导航领域的重要进展。MinNav为搜救、环境监测、基础设施检查等应用提供了新的可能性，因为微型无人机可以进入狭窄空间并自主导航。