MinNav：基於光流的微型主動空中機器人極簡導航方法
MinNav是一種基於光流及其不確定性的導航堆疊，使微型空中機器人能夠在靜態和動態障礙物以及未知形狀的間隙中飛行，無需任何關於場景元件的先驗知識。在真實世界實驗中實現了70%的整體成功率，且計算量遠小於深度方法，可直接在微型機器人上執行。
微型空中機器人由於尺寸和載荷限制，通常只能搭載單目相機。然而，基於單目視覺的導航在複雜環境中面臨挑戰，尤其是需要處理動態障礙物和未知形狀的間隙時。來自伍斯特理工學院的研究團隊提出了MinNav，一種極簡導航堆疊，利用光流及其不確定性實現自主飛行。
MinNav的核心創新在於將光流資訊與不確定性估計相結合，使機器人能夠在未知環境中主動探索並規避障礙。與依賴深度圖的方法不同，MinNav不需要預先知道場景的佈局或物體位置，而是透過機器人的主動運動來感知並避開障礙。該方法的“主動性”體現在機器人會主動移動以探索環境，尋找障礙物並規劃安全路徑。實驗表明，該方法在靜態和動態障礙物以及不規則間隙場景中均表現出色，整體成功率達到了70%。研究團隊在多種真實環境中進行了驗證，包括室內走廊、室外環境以及包含移動人和物體的場景。
值得一提的是，MinNav的計算需求比基於深度的方法低數個數量級，這使得它能夠即時執行在計算資源極為有限的微型無人機上。傳統的深度估計方法需要複雜的神經網路，而MinNav僅需光流計算和不確定性建模，大幅降低了計算負擔。研究團隊已公開了程式碼、資料集和演示影片，以便其他研究者復現和擴充套件。這項工作已被ICRA 2026接收，標誌著微型機器人導航領域的重要進展。MinNav為搜救、環境監測、基礎設施檢查等應用提供了新的可能性，因為微型無人機可以進入狹窄空間並自主導航。