详情内容

无人机自主跟踪地面机动目标

An Autonomous Vision-Based Target Tracking System for Rotorcraft Unmanned Aerial Vehicles

本文设计了一套完全机载的无人机视觉目标跟踪系统。系统采用 KCF 跟踪与重检测机制应对目标丢失和遮挡，并通过 IMM-EKF 融合视觉与运动模型估计目标状态。提出了相机与无人机的联合反馈控制方法，在室外平台 DJI Matrice100 + TK1 上进行验证，结果显示在复杂环境中具备鲁棒性和实时性

Hui Cheng, Lishan Lin, Zhuoqi Zheng, Yuwei Guan, Zhongchang Liu

IEEE IROS

国际空中机器人大赛 Mission 7

Dance of the Dragonfly: A Vision-Based Agile Aerial Touch Solution for IARC Mission 7

本文面向 IARC 第七任务，提出了一种基于视觉的敏捷无人机触控方案。在无 GPS 环境中，无人机依靠机载视觉实现自定位与地面机器人相对定位，并结合触控决策与运动规划完成交互。通过仿真与实机测试表明，该方法能够在动态环境下完成稳定的自主导航与交互任务

Ziliang Lai, Rui Yang, Hui Cheng, Jianjin Xiao

IEEE RCAR

基于深度强化学习的多机器人系统协同导航

Decentralized Global Connectivity Maintenance for Multi-Robot Navigation: A Reinforcement Learning Approach

提出在未知障碍环境下保持全局连通性的多机器人协同导航方法。以约束MDP建模连通性与避障，结合“专家规划 + 强化学习”提升样本效率与策略稳定性，最终在保证网络连通的前提下实现安全到达与高效协同

Minghao Li, Yingrui Jie, Yang Kong, Hui Cheng*

IEEE ICRA

基于深度强化学习的多机器人连通性维持导航

Connectivity Guaranteed Multi-robot Navigation via Deep Reinforcement Learning

面向多机器人到达任务，提出将网络连通性、安全避障融入奖励与约束的DRL框架；利用单机规划经验作为引导，显著缓解探索低效问题。实验显示，可在复杂地图中保持连通性的同时实现高成功率与低碰撞率

Juntong Lin, Xuyun Yang, Peiwei Zheng, Hui Cheng*

CoRL

感知与通信受限条件下的分布式多机器人区域覆盖

Decentralized Full Coverage of Unknown Areas by Multiple Robots with Limited Visibility Sensing

针对未知环境的全覆盖问题，在有限感知与通信范围约束下设计分布式覆盖策略；支持多场景（大面积、完全覆盖、含危险区）的大量仿真实验，验证了算法在覆盖效率与可扩展性方面的有效性

Junxun Zhong, Hui Cheng*, Liu He, Fang Ouyang

IEEE RAL

基于速度障碍的高速动态避障

Avoidance of High-speed Obstacles Based on Velocity Obstacles

面向“障碍速度高于自车最大速度”的极端情形，提出两阶段预测与改进VO的避碰策略，讨论了适用性与计算复杂度，并在仿真与实机中验证对高速障碍的有效规避能力

Zhongchang Liu, Zeyu Jiang, Tianye Xu, Hui Cheng*, Zhipeng Xie, Liang Lin

IEEE ICRA

多机器人系统的协同规划与控制

Collective Decision-making for Dynamic Environments with Visual Occlusions

在动态与遮挡场景中，引入自组织系统（如 Ising 模型）与动态信心机制，实现多体间高效信息融合，降低不确定性带来的决策偏差，从而提升群体在复杂环境下的协同决策质量

Fan Jiang, Hui Cheng*, Guanrong Chen

Swarm Intelligence

共享无线网络下多倒立摆系统的稳定与跟踪控制

Stabilizing and Tracking Control of Multiple Pendulum-Cart Systems over a Shared Wireless Network

研究共享无线信道带来的时延与丢包对控制性能的影响，提出稳定与跟踪控制策略，并搭建多小车倒立摆平台进行网络化控制实验，验证在资源受限网络下的控制有效性

H. Cheng, Y. S. Chen, W. S. Wong, Q. Yang, L. F. Shen, J. Bai

CCC

地空协同建图

Ground and Aerial Collaborative Mapping in Urban Environments

提出面向城市场景的地空异构协同建图框架。先以点/线/面多特征的视觉-激光里程计提供稳健位姿，再用形态学深度补全生成稠密深度，结合跨会话回环与约束优化，构建全局一致、局部平滑的大尺度点云地图。实验证明在多次运行与视角差异下仍具鲁棒性与精度优势

Jinhao He, Yuming Zhou, Lixiang Huang, Yang Kong, Hui Cheng

IEEE RAL

地空协同多模态数据集

GRACO: A Multimodal Dataset for Ground and Aerial Cooperative Localization and Mapping

提供覆盖校园大范围的地空协同多模态数据（LiDAR、双目、IMU、GPS/RTK），传感器经严格标定与毫秒级硬件同步，含跨机器人相遇场景与跨会话序列，适配协同SLAM与跨视角回环等研究；论文给出基线与评测方式

Yilin Zhu, Yang Kong, Yingrui Jie, Shiyou Xu, Hui Cheng

IEEE RAL

空中机器人辅助地面机器人自主探索

AAGE: Air-Assisted Ground Robotic Autonomous Exploration in Large-Scale Unknown Environments

该工作提出一种空地协同探索框架。无人机在空中快速生成鸟瞰图，提取环境结构信息，辅助地面机器人进行更高效的深入探索。方法通过层级策略和注意力机制，引导地面机器人集中探索对点云质量贡献大的局部区域。实地与仿真实验表明，该框架在探索效率和覆盖质量上均优于现有方法

Lanxiang Zheng, Mingxin Wei, Ruidong Mei, Hui Cheng

IEEE TRO

高效多智能体协作

Efficient Multi-Agent Cooperation: Scalable Reinforcement Learning with Heterogeneous Graph Networks and Limited Communication

该论文针对多智能体在通信受限条件下的协作问题，提出基于异构图神经网络的强化学习方法。该框架能够在稀疏通信环境中有效建模不同类型智能体之间的交互关系，并在保持性能的同时显著降低通信开销。实验结果表明，该方法在可扩展性和通信效率方面具有明显优势

Zhi Li, Yanjie Yang, Hui Cheng*

Knowledge-Based Systems

针对多机器人协作系统的环境信息压缩与共享

Real-Time Efficient Environment Compression and Sharing for Multi-Robot Cooperative Systems

本文提出一种多机器人系统中的环境信息压缩与共享方法。通过将三维点云映射为全景图并设计基于可见性的触发机制，实现高价值信息的高效提取与冗余消除。随后在频域中对关键区域进行压缩，并在接收端恢复环境结构。该方法计算开销低，适合实时嵌入式平台使用。实验证明，在保证精度的同时大幅提升了共享效率

Lanxiang Zheng, Kai Xu, Jinqi Jiang, Mingxin Wei, Boyu Zhou, Hui Cheng

IEEE TIV