传统上，高难度的无人机特技飞行（Aerobatic flight）被视为顶尖人类飞手的专属领域。然而，近期发表于《科学·机器人学》（Science Robotics）的一篇论文，为实现无人机全自主、高机动性特技飞行提供了突破性框架。该研究由浙江大学高飞教授团队主导，提出了一套完整的自主系统，使无人机能够在障碍物密布的复杂环境中，自主生成并执行专业飞手级别的复杂特技动作组合。

该系统的核心在于三大创新：

1. 特技意图 (Aerobatic Intentions) 的通用表示法：将人类飞手的直观想法转化为机器可理解的离散指令。
2. 时空联合轨迹优化器：在保证动态可行性与安全性的前提下，生成平滑、连贯的飞行轨迹。
3. 偏航补偿映射 (Yaw Compensation Mapping, YCM)：解决了特技飞行中因微分平坦性奇点导致的控制不稳定性难题。
   

论文名称： Unlocking aerobatic potential of quadcopters: Autonomous freestyle flight generation and execution
视频地址： https://www.bilibili.com/video/BV1WXouYmEaW/
论文链接： https://www.science.org/doi/10.1126/scirobotics.adp9905
论文源码： https://github.com/ZJU-FAST-Lab/Aerobatic-Planner?tab=readme-ov-file

---

引言与动机

自然界中的飞行动物，如猎鹰和蝙蝠，能够通过大角度机动来捕食或规避危险。 同样，顶尖的FPV（第一人称视角）飞手也能操控无人机在复杂环境中完成令人惊叹的特技动作。这些能力不仅提升了机动性的上限，也为无人机在搜救、勘探等极端任务中带来了巨大潜力。然而，现有的自主飞行算法大多局限于简单的动作或开阔环境，难以应对人类飞手所能驾驭的复杂组合动作与环境。

传统方法或依赖于分段控制执行单一动作，或使用预设几何形状（如圆弧）拟合特定轨迹，这限制了动作的多样性与环境适应性。 而直接扩展用于敏捷飞行的轨迹优化方法，又会面临两大挑战：一是如何灵活组合任意特技动作，二是如何处理大角度机动（如倒飞）时微分平坦性映射产生的奇点问题。 本文旨在解决这些挑战，释放无人机的全部特技潜能。

系统框架与方法

1. “特技意图”的参数化表示

为了让用户能直观地表达飞行创意，研究团队提出了一种通用的“特技意图”表示法。该方法将复杂的飞行动作分解为两大核心元素：

• 空间拓扑 (Spatial Topology)：通过一系列离散的关键路径点（p_σ）来定义轨迹的几何轮廓，例如，要求轨迹环绕某个障碍物。
• 姿态变化 (Attitude Variations)：通过在特定路径点指定关键姿态（σ_k，即机身推力矢量方向）来定义飞行动作，例如，在轨迹最高点实现倒飞（推力方向与重力方向相反）。

这些意图可被表达为：
σ={σ1,...,σK} \sigma = \{\sigma_1, ..., \sigma_K\} σ={σ1​,...,σK​}
Pσ={pσ1,...,pσK} P_\sigma = \{p_{\sigma1}, ..., p_{\sigma K}\} Pσ​={pσ1​,...,pσK​}
其中 σ_k 是一个单位向量，表示期望的推力方向。用户只需输入类似“在窗口处倒飞”的意图序列，系统即可着手生成完整的动态轨迹。如论文图 Fig. 5 所示，通过对位置、姿态意图及其约束类型的不同组合，可以生成多样化且截然不同的经典特技动作，如桶滚（Barrel Roll）、动力环（Power Loop）等。

2. 轨迹表示与时空联合优化

研究采用MINCO（Minimum Control Effort）框架来表示轨迹，它将轨迹表达为分段多项式样条。该方法通过优化中间路径点 q 和时间分配 T，高效地改变轨迹的时空形态。

轨迹生成被构建为一个非线性优化问题，目标是最小化控制输入和平滑度惩罚项，同时满足一系列约束。最终的无约束优化问题可表示为：
$$\underset{q,T,\mathcal{T}}{\min }H=\sum _{\star }{\lambda }_{\star }{\mathcal{J}}_{\star }$$
其中，J⋆ 代表各项惩罚函数，包括控制能耗 (e)、时间分配 (t)、特技意图 (a)、飞行走廊 (c) 和动态可行性 (d) 等。通过高效的 L-BFGS 优化器求解，系统能够自动调整初始意图的位置与时间点，在满足用户期望的同时，确保轨迹的平滑、安全与动态可行性。如论文图 Fig. 4B 所示，即使用户输入的意图点间距过近，优化器也会将其自动调整至更合理的位置。

3. 偏航补偿映射

四旋翼无人机的微分平坦性（Differential Flatness）特性是轨迹规划与控制的基础，但它在机体姿态接近或达到90度翻转时会遭遇奇点。在奇点附近，即使规划的偏航角 γ 变化平滑，计算出的机体z轴角速度也会出现剧烈抖动，导致飞行器产生不必要且无法执行的剧烈自旋（如论文图 Fig. 7A 所示）。

为解决此问题，研究团队提出了偏航补偿映射 (YCM) 策略。其核心思想是将偏航控制与轨迹位置解耦。研究者指出，微分平坦性中的状态变量 γ 并非物理上的偏航角。YCM策略不再直接规划 γ，而是定义一个物理上可解释的机头朝向向量 d(t)，并将其设定为始终跟随飞行速度方向 d = ṗ。这样既可避免奇点附近的数值不稳定问题，又能保证角速度的平滑，确保无人机在倒飞等大角度机动中姿态的稳定。 最终的微分平坦变量 γ(t) 由下式计算得出：
$$\gamma (t)=\mathcal{D}(d(t),p(t))$$
这一策略确保了规划轨迹与最终控制指令的一致性。

实验验证

1. 大规模非结构化场景中的特技飞行

在一个100m×40m×20m的复杂室外场景中，系统成功生成并执行了一条长达220米的复杂轨迹，无缝衔接了桶滚 (Barrel Roll)、动力环 (Power Loop) 和 Split-S 三个经典动作（如论文图 Fig. 3 所示）。在仅设置1.5g推力上限和4 rad/s角速度上限的温和动态约束下，无人机全程跟踪误差极小（位置误差<15 cm，姿态误差<12°），且无任何超调，验证了系统生成轨迹的平滑性与稳定性。

2. 狭窄空间内的连续极限机动

在仅有3.5米层高的室内受限环境中，无人机以超过4 m/s的高速完成了连续倒飞穿越圆环、在隧道中穿梭等高难度任务。在重复8次的实验中，轨迹跟踪误差始终稳定在0.15m以内，证明了系统在近距离避障和极限机动下的高可靠性。

3. 与专业飞手的对比

系统与一位拥有5年经验的顶尖无人机竞赛飞手进行了直接比较。在连续完成后空翻（Power Loop）穿过六个门框的挑战中，自主系统的成功率达到了100%，而专业飞手在24次尝试中仅成功3次。数据显示，系统生成的轨迹更为紧凑和稳定，而人类飞手则需要更大的空间进行姿态调整，在障碍物附近时更容易发生碰撞。

结论与展望

本研究提出的全自主特技飞行系统，通过创新的意图表示、轨迹优化和奇点问题解决方案，使无人机首次获得了媲美甚至超越顶尖人类飞手的特技飞行能力。该系统展示了算法智能在突破硬件性能瓶颈方面的巨大潜力。

未来的研究方向包括将该系统与实时感知与重规划模块结合，以应对未知的动态环境。 尽管目前系统依赖预构建地图，但其生成的轨迹可作为鲁棒的全局参考，为局部动态避障提供引导。这项工作为无人机在火山探测、灾后搜救等极端复杂环境中的应用开启了新的可能性。