Paper Reading：Robot learning 1

基于RL的控制算法优化，提出一种基于学习的 PFTC 方法，首次将基于学习的方法用于实际四旋翼故障失控验证，与使用先验故障信息的 AFTC 方法相当的性能水平，容错控制方面，引入 Selector-Controller 网络结构合了现有 PFTC 和 AFTC 方法的优势。使用 RL、行为克隆（BC）和带故障信息的监督学习相结合的方式更新 policy 网络。属于强化学习策略网络 + 近端策略优化（PPO）作为 policy + 形成基于学习的被动容错控制（PFTC）方法处理单旋翼故障问题。类似于控制类型的文章，在控制方面可以分为高层控制器和底层控制器，高层控制器可以不做什么修改，用以前较好较为成熟的方案，在底层控制器上可以采用基于学习的策略网络。

无需预定义机动轨迹，支持在线调整飞行参数。通过统一的状态设计形式，学习不同的特技动作。提高策略的时间和空间平滑性、独立性及对称性，无需复杂的动态模型或奖励函数，以 “零样本” 方式克服 “仿真到现实” 的差距。一种结合输入输出重缩放的谱归一化方法克服 sim to real Gap。

将三维点云数据压缩为二维障碍物图，同时包含静态与动态障碍物的轮廓信息及运动特征。端到端深度神经网络，从障碍物图中提取动态与静态障碍物的运动学信息，最终生成加速度指令发送给四旋翼。流程为基于深度强化学习的方法实现四旋翼在高动态环境中的导航 + 激光雷达（LiDAR）数据编码器 + 端到端深度神经网络。

本研究采用集成规划与控制（Integrated Planning and Control, IPC）模块，为无人机实现辅助避障功能，并将适配后的版本命名为 APAS-IPC（基于 IPC 的高级飞行员辅助系统）。其核心是将规划与控制紧密集成到线性模型预测控制（Model Predictive Control, MPC）框架中，能够以 100 Hz 的频率生成最优轨迹及对应的控制指令。最核心的就是APAS-IPC 架构。

激光雷达与占据栅格地图的集成（一种基于均匀栅格的占据栅格地图，维护一个随机器人移动的局部地图，实现高效的地图操作并降低大场景自主飞行的内存成本）。提出了一种新颖的增量更新方案，确保在所有情况下都具有O(n)的计算复杂度。提出的方法在公共数据集上将遍历的栅格数量减少了70% ~ 97%，显著加速了障碍物膨胀过程。

Single-Station-Transformer-Actor (SSTA) model（单站Transformer执行器模型），该模型将位置编码与基于Transformer的注意力机制相结合，以融合随时间变化的深度图像输入和低维状态信息。基于SSTA的执行器（SSTA-based actor）和基于GRU的评价器（GRU-based critic）都处理历史数据，使得智能体能够整合来自过去观测和动作的上下文信息，最终使无人机能够执行需要多步规划和持续反馈的扩展任务。

针对未知杂乱环境的飞行器，提出分层学习 - 规划框架，将在线强化学习与基于模型的轨迹生成结合，让飞行器动态调整速度约束；核心贡献是设计两阶段奖励解决早期终止惩罚的稀疏与随机问题，仿真与实机验证该方法在效率、安全性上优于定速方案与 EVA-planner，且具备感知感知能力。

面向视场受限的视觉无人机集群，提出主动定位校正系统，通过偏航规划平衡环境观测与互观测需求；核心贡献是用卡尔曼滤波量化定位不确定性并分配互观测任务，实机可将定位漂移最高降低 65%，在无 GPS 环境稳定维持编队。

对多旋翼动力学规划采样方法收敛慢的问题，提出时空可变形树，以变形单元优化轨迹树的空间状态与时间时长；核心贡献是提出四种变形模式，时空变形相较仅空间变形显著加速收敛、提升轨迹质量，可兼容多种 RRT 类规划器。

对毫米波雷达点云稀疏噪声大的问题，提出跨模态扩散模型，以激光雷达为监督生成稠密雷达点云，并结合一致性模型实现一步快速推理；核心贡献是首次将扩散模型用于无人机雷达感知，嵌入式平台可实时运行，点云质量与泛化性超越现有方法。