四旋翼无人机近年来被广泛用于风速估计研究，这类平台机动灵活、体积小、成本低，具备独特的观测优势。在众多技术路线中，基于模型的风速估计最受青睐，因为它只依赖机载传感器，不借助外部测量设备。但四旋翼本身是高度非线性的系统，要从中反推出风速这一外部扰动，在理论和工程上都颇具挑战。Hiranya Udagedara 等三位作者提交的论文《Wind and State Estimation on SE(3): Comparative Evaluation of EKF and UKF with Continuous and Discrete Quadrotor Models》正是围绕这一难题展开，该文已被 IEEE CCTA 2026 接收，并以 arXiv:2606.30804 的形式发布在 cs.RO 分类下，提交时间为 2026 年 6 月 29 日。
这项研究的核心创新在于建模方式的选择。以往工作通常直接采用连续形式的动力学方程，或者把连续方程离散化后再使用，而作者提出直接在 SE(3) 上比较连续与离散两种四旋翼动力学模型用于风速估计的效果。离散模型并非对连续方程做近似或简单离散化，而是基于离散拉格朗日量构造的 Lie Group Variational Integrator（李群变分积分器），这种积分器天然保持系统的几何结构，在数值上具有更好的保结构特性。换言之，作者希望回答的问题是：在同样的估计框架下，直接使用精确的离散动力学是否会比常用的连续模型带来更好的估计表现。
在滤波器层面，论文同时评估了扩展卡尔曼滤波（EKF）与无迹卡尔曼滤波（UKF）两种方案，并将它们分别与连续、离散两种 SE(3) 动力学模型组合，形成多组对比实验。EKF 通过对非线性模型做一阶线性化来传播状态与协方差，而 UKF 则通过一组确定性 sigma 点来近似非线性变换，通常在高非线性场景下精度更优。四旋翼的姿态与位置演化天然位于 SE(3) 流形上，如何在该流形上正确处理误差状态，是两种滤波器设计中的关键细节。
实验验证分为两部分：一是基于 MATLAB 的数值仿真，二是真实的户外自由飞行测试。仿真覆盖了悬停和轨迹跟踪两类典型飞行模式，这与实际应用场景高度吻合——悬停时飞行器动态相对平缓，而轨迹跟踪时加速度和姿态变化更剧烈，对模型精度提出更高要求。户外飞行实验则检验算法在真实传感器噪声、风扰和气动效应下的鲁棒性，弥补纯仿真难以反映的现实因素。
实验结果给出了较为明确的结论：采用离散 SE(3) 动力学并结合 UKF 时，四旋翼在保持轨迹跟踪性能的同时取得了更高的估计精度，而且即便使用低成本机载传感器也能实现这一效果。这一点具有重要意义，因为低成本传感器通常噪声大、漂移明显，若算法能在这样的硬件条件下依然可靠，就大幅降低了实际部署的门槛。作者指出，离散四旋翼模型配合 UKF 的潜力不仅限于风速估计，还可推广到其他需要高精度状态估计的任务，尤其是在只能依赖低成本机载传感器的场景中。
从更广的视角看，这项工作把几何数值积分与非线性滤波两条研究线索结合起来，为无人机在复杂风场中的自主飞行提供了新的思路。精确的离散模型能够减少长期积分误差，UKF 又能更好地处理强非线性，两者结合在理论上具有互补性。论文给出的仿真与实飞对比，也为后续研究者在模型选择与滤波器设计上提供了可参考的基准。不过，摘要并未披露具体误差指标、实验风速范围以及计算开销等细节，这些内容有待阅读全文进一步确认。该论文全文可通过 arXiv 提供的 PDF、实验性 HTML 以及 TeX 源码等链接获取，DOI 为 10.48550/arXiv.2606.30804。