論文の概要: Aerodynamic Prior-Free Coordinated Trajectory Generation and Tracking Control for a Tail-Sitter UAV
- arxiv url: http://arxiv.org/abs/2609.11698v1
- Date: Thu, 10 Sep 2026 15:22:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.416939
- Title: Aerodynamic Prior-Free Coordinated Trajectory Generation and Tracking Control for a Tail-Sitter UAV
- Title（参考訳）: タイルシッターUAVのための空力優先非協調軌道生成と追尾制御
- Abstract要約: 本稿では,尾翼型無人航空機(UAV)の軌道生成と追尾制御の枠組みを提案する。
中心となるイノベーションは、異なる機能特性に合わせて計画と追跡のためにフェーズ固有の空力モデリング戦略を採用することである。
提案手法は, 温暖な風環境下での実世界の飛行実験とシミュレーションにより, 広範囲に評価されている。
- 参考スコア（独自算出の注目度）: 12.969498615739655
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents a coordinated trajectory generation and tracking control framework for a tail-sitter unmanned aerial vehicle (UAV), which does not require aerodynamic priors identified for a specific airframe while addressing the challenge of flight control under highly nonlinear aerodynamics across the full flight envelope. The core innovation lies in employing phase-specific aerodynamic modeling strategies for planning and tracking, tailored to their distinct functional characteristics, without requiring airframe-specific aerodynamic priors. Specifically, the phi-theory model under coordinated flight is employed to derive an analytic differential flatness mapping, and a simplified but locally accurate model is established for predictive control to enable real-time aerodynamic parameter estimation. The proposed framework is evaluated extensively through both simulation and challenging real-world flight tests under mild wind conditions, showing high-precision tracking and adaptability across the tested aerodynamic conditions. To the best of our knowledge, this is the first real-world demonstration of accurate trajectory tracking over tested flight regimes spanning the full envelope of a tail-sitter UAV without relying on aerodynamic identification campaigns. The source code of our framework is available at: https://github.com/SYSU-HILAB/AP-PnC.
- Abstract（参考訳）: 本報告では, 空域を横断する高非線形空力下での飛行制御の課題に対処しながら, 航空機の空力先入を必要としない尾翼型無人航空機(UAV)の軌道生成と追尾制御の枠組みを提案する。
中心となる革新は、フェーズ固有の空力モデリング戦略を計画と追跡に採用することであり、機体固有の空力の先行を必要とせず、それぞれの機能特性に合わせている。
具体的には, 解析的微分平坦度マッピングを導出するために, 協調飛行時のフィ理論モデルを用い, 実時間空力パラメータ推定を可能にするための予測制御のために, 簡易かつ局所的精度のモデルを構築した。
提案手法は, 風速条件下でのシミュレーションと実世界の飛行試験の両面から広範囲に評価され, 試験された空力条件に対する高精度の追跡と適応性を示す。
私たちの知る限りでは、これは空力識別キャンペーンに頼らずに、尾翼のUAVのフルエンベロープにまたがる試験飛行システム上での正確な軌道追跡の実際の実演である。
私たちのフレームワークのソースコードは、https://github.com/SYSU-HILAB/AP-PnC.comで公開されています。
関連論文リスト
- Nonlinear Model Predictive Control for Trajectory Tracking of Differentially Flat Fixed-Wing Aerial Systems [6.655837620295535]
固定翼無人航空機(UAV)の計画と制御は、非線形力学、空力限界、環境障害のために困難である。
本稿では,微分平坦性に基づく軌道生成と予測的制約認識制御を統合した統合フレームワークを提案する。
提案手法を広範囲なシミュレーションと実世界の飛行実験により検証し,複雑な軌道の追跡精度とロバスト性の向上を実証した。
論文 参考訳（メタデータ） (2026-08-21T01:25:35Z) - ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace [54.94692733670454]
ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。
ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
論文 参考訳（メタデータ） (2026-03-17T14:16:10Z) - Physics-infused Learning for Aerial Manipulator in Winds and Near-Wall Environments [3.895172208362693]
空中操作(AM)は、受動的観測から高高度およびその他の到達不能な環境での接触操作まで、UAV能力を拡大する。
本稿では,物理に基づくブレード要素モデルと学習に基づく残留力推定器を統合し,外乱補償のためのロータ速度割当戦略を組み込むことにより,統一的な制御フレームワークを実現する。
その結果, 従来の手法よりも外乱推定と軌道追跡精度が向上し, 困難な空力条件下でのロバストな壁面接触実行が可能となった。
論文 参考訳（メタデータ） (2026-03-08T22:08:15Z) - A 26-Gram Butterfly-Inspired Robot Achieving Autonomous Tailless Flight [61.21669716392821]
textitAirPulseは、26グラムの蝶にインスパイアされたロボットで、このスケールで尾のない二翼プラットフォームのために、初めてオンボードでクローズドループ制御飛行を行う。
蝶の飛行における重要な生体力学的特性を再現し、低アスペクト比、炭素繊維強化翼の適合性、および特徴的な生物学的身体の起伏を再現する低周波の羽ばたきを利用する。
論文 参考訳（メタデータ） (2026-02-06T15:58:50Z) - Robust Optimization-based Autonomous Dynamic Soaring with a Fixed-Wing UAV [15.033246214180258]
固定翼無人航空機による自律的動的舞踏の枠組みを提案する。
このフレームワークは、風場の明示的な表現と、UAVの誘導と制御のための古典的なアプローチを利用する。
論文 参考訳（メタデータ） (2025-12-07T01:02:46Z) - A Neural ODE Approach to Aircraft Flight Dynamics Modelling [3.436872726361289]
本稿では、クイックアクセスレコーダ(QAR)データに基づいて訓練されたニューラル正規微分方程式に基づくFlight Dynamics ModelであるNODE-FDMを紹介する。
解析的キネマティックな関係をデータ駆動コンポーネントと組み合わせることで、NODE-FDMは記録された軌道のより正確な再現を実現する。
論文 参考訳（メタデータ） (2025-09-27T13:44:17Z) - Capturing Aerodynamic Characteristics of ATTAS Aircraft with Evolving Intelligent System [2.8391355909797644]
本稿では,ATTAS航空機の空力係数をモデル化するための進化型2量子ファジィニューラルネットワーク(eT2QFNN)の新規展開について述べる。
eT2QFNNは、規則に基づく構造を持つ複数の線形サブモデルを作成することで、非線形航空機モデルを表現することができる。
量子メンバシップ関数を通じて不確実性とデータノイズに対する堅牢性を高める。
論文 参考訳（メタデータ） (2025-04-28T16:21:20Z) - A Tricycle Model to Accurately Control an Autonomous Racecar with Locked
Differential [71.53284767149685]
自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。
本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
論文 参考訳（メタデータ） (2023-12-22T16:29:55Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳（メタデータ） (2022-05-13T21:55:28Z) - Wireless-Enabled Asynchronous Federated Fourier Neural Network for
Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。
UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。
GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
論文 参考訳（メタデータ） (2021-12-26T14:41:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。