自主移动机器人的关键技术包括感知、状态估计、决策、规划与控制，如何利用有限的机载感知与计算能力，实现复杂场景中任务与感知驱动的自主运动，仍面临诸多挑战问题。实验室围绕移动机器人自主探索未知环境、无人机自主飞行与空中操作、可驱动脊椎的四足机器人等问题开展了研究。
移动机器人可广泛应用于搜救、巡检、环境重建等任务场景，在这些任务场景中，机器人需要主动探索未知环境以获得环境信息。大规模未知环境的主动探索面临以下主要问题： （1）在探索过程中，随着获得环境信息的增加，感知与探索规划的计算量显著增加，而有限的机载计算能力使得移动机器人难以实时地探索规划，无法对环境改变做出及时的反应； （2）大规模复杂场景中，难以找到高质量的探索规划，导致探索效率低。
面向大规模未知复杂环境中的主动探索任务，我们提出了一种利用三维激光雷达感知环境信息的移动机器人主动探索方法，根据感知到的当前环境信息，快速规划下一步的运动路径，高效地探索整个未知环境。该方法包括3个关键技术模块： （1）可快速生成视点并评估其探索收益的策略； （2）能表示环境可通行区域、可随环境增长快速扩展的拓扑图； （3）考虑探索收益、运动距离和全局覆盖效率的探索路径规划算法。 仿真和实物实验表明了所提出的主动探索方法具有高效探索大规模未知环境的能力。
移动机器人主动探索大面积未知环境，仿真场景中的可探索区域面积为4582 m2
视频跳转
随着机器人技术的不断发展，无人机被广泛应用于环境勘察、影视拍摄、农业植保、航空测绘等作业任务。如何利用有限的机载感知与计算能力，实现真实复杂环境中无人机的自主飞行仍存在诸多技术难题。另一方面，装载机械臂的无人机空中操作平台可实现无人机与物理环境的交互，拓展无人机的应用。我们围绕未知障碍物场景中的无人机自主导航、无人机自主跟踪地面移动目标、无人机的空中操作等问题开展了研究工作。
面向未知障碍物场景中的无人机自主导航任务，我们研究了无人机轨迹模型与约束优化问题的构建与求解，提出了具有更高安全性、实时性和稳定性的基于约束优化的轨迹规划算法。 当场景中存在动、静态障碍物时，提出了无人机在动态环境中的自主导航方法，根据实时感知的周围环境信息，规划得到一条运动学可行、鲁棒性高、实时性好、能量消耗小、不发生碰撞的飞行轨迹，以提高无人机在复杂动态环境下导航时的稳定性和安全性。
面向无人机利用机载视觉自主跟踪地面机动目标的任务，提出了一种基于视觉的自主跟踪系统，利用搭载云台相机的旋翼无人机跟踪地面机动目标。为了处理实时跟踪中的目标遮挡或丢失问题，使用核相关滤波（KCF）跟踪器和重检测算法，设计了一种鲁棒性强、计算效率高的视觉跟踪方案，并根据视觉检测信息估计地面机动目标的位姿。为实现无人机稳定、可靠地跟踪机动目标，设计了云台相机与无人机的反馈控制律。在机载TK1计算机上实现了算法，并开展了大量的室外飞行实验。实验结果表明，无人机利用该视觉跟踪系统能稳定跟踪地面机动目标，对目标的遮挡和丢失具有较强的鲁棒性。
H. Cheng, L. Lin, Z. Zheng, Y. Guan and Z. Liu, "An autonomous vision-based target tracking system for rotorcraft unmanned aerial vehicles," 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2017, pp. 1732-1738, doi: 10.1109/IROS.2017.8205986.Video Paper
国际空中机器人大赛（IARC）任务 7为空中牧羊犬任务，空中机器人担任空中牧羊犬，在无外部定位系统的环境中，利用机载感知与计算能力完成自主导航，并通过与地面机器人的交互，将作为羊群的地面机器人“放牧”到特定的边界位置。在 2017 年的IARC比赛中，中山大学团队通过准确快速的空中飞行触碰，首次完成了交互式地将地面机器人放牧到边界位置，获得了“系统控制”第一名。针对IARC第7代任务，我们提出了用于无人机的自定位估计、基于视觉的地面机器人相对位姿估计、放牧决策、自主跟踪地面机器人并进行交互的方法，以准确、敏捷地接触地面移动机器人。仿真和实物飞行实验验证了所提出方法的有效性。
Z. Lai, R. Yang, H. Cheng, W. Deng, K. Wu and J. Xiao, "Dance of the Dragonfly: A Vision-Based Agile Aerial Touch Solution for IARC Mission 7," 2018 IEEE International Conference on Real-time Computing and Robotics (RCAR), 2018, pp. 37-43, doi: 10.1109/RCAR.2018.8621785.Video Paper
无人机的空中操作可借助多自由度机械臂完成，也可以是更广义的末端执行机构，依据物理交互形式，大致可分为推、拉、抓取等几类。相比于其他无接触的无人机任务，空中（物理）交互作业的无人机配备额外的末端执行机构，使得无人机要同时应对气流、物理环境的作用力、系统质心变化三方面扰动，控制精度要求高、控制策略更复杂。我们研究无人机空中交互作业的控制策略以提升无人机空中操作系统的控制精度，从而实现无人机空中抓取目标物体的任务。为了提高建模与控制的效率，提出了一种解耦的控制策略，将机械臂的作用力视为扰动，设计了可应对该扰动并可适配不同机械臂的无人机空中操作控制器。构建了无人机实物平台，并配备了不同机械臂验证所提出方法的有效性。
Z. Ouyang, R. Mei, Z. Liu, M. Wei, Z. Zhou and H. Cheng, "Control of an Aerial Manipulator Using a Quadrotor with a Replaceable Robotic Arm," 2021 IEEE International Conference on Robotics and Automation (ICRA), 2021, pp. 153-159, doi: 10.1109/ICRA48506.2021.9560827.Video Paper
考虑空中抓取任务，提出了基于机载视觉的无人机空中抓取方法，具体包括实时的目标检测与跟踪算法、基于视觉的抓取位置估计以及作业任务阶段的划分策略。构建了搭载机械臂与机载计算机TK1的无人机空中抓取平台，在室外场景中实现了基于视觉的无人机自主抓取。
Lishan Lin, Yuji Yang, Hui Cheng* and Xuechen Chen, "Autonomous Vision-Based Aerial Grasping for Rotorcraft Unmanned Aerial Vehicles," Sensors, vol. 19, no. 15, pp. 1-17, August 2019. https://doi.org/10.3390/s19153410Video Paper
四足机器人因其灵巧的运动模式、可适应复杂的工作环境，受到科学界和工业界的高度关注。自然界中的四足动物具有脊椎，因此拥有更灵活的运动能力，能适应更复杂的工作环境。受自然界脊椎动物的启发，我们设计和构建一个带有3个驱动脊椎关节的四足机器人，不仅具有普通四足机器人的运动能力，并能在运动过程中弓起凹下与左右弯曲脊椎，提高四足机器人运动的灵活性。借鉴无脊椎四足机器人的建模与力矩控制方法，提出了可驱动脊椎的四足机器人的动力学模型建模方法，并设计了可以使脊椎主动变形的模型预测控制算法。在仿真中，我们所构建的脊椎四足可快速行进，达到2.8 m/s的线速度以及6 rad/s的角速度，并在行进过程中改变躯干的形态。在实物实验中，所构建的脊椎四足可达到0.5m/s的线速度以及0.5 rad/s的角速度，在行进过程和上下坡时可改变躯干的形态。
