[論文レビュー] LOONG: Online Time-Optimal Autonomous Flight for MAVs in Cluttered Environments

Xin Guan, Fangguo Zhao+4 more|arXiv (Cornell University)|Jan 12, 2026

Biomimetic flight and propulsion mechanisms被引用数 0

ひとこと要約

LOONGは未知で障害物の多い環境での高速度MAV飛行のオンライン時間最適計画と制御を実現し、100 HzリプランニングとLiDARベースのセンサでピーク速度18 m/sを達成。

ABSTRACT

Autonomous flight of micro air vehicles (MAVs) in unknown, cluttered environments remains challenging for time-critical missions due to conservative maneuvering strategies. This article presents an integrated planning and control framework for high-speed, time-optimal autonomous flight of MAVs in cluttered environments. In each replanning cycle (100 Hz), a time-optimal trajectory under polynomial presentation is generated as a reference, with the time-allocation process accelerated by imitation learning. Subsequently, a time-optimal model predictive contouring control (MPCC) incorporates safe flight corridor (SFC) constraints at variable horizon steps to enable aggressive yet safe maneuvering, while fully exploiting the MAV's dynamics. We validate the proposed framework extensively on a custom-built LiDAR-based MAV platform. Simulation results demonstrate superior aggressiveness compared to the state of the art, while real-world experiments achieve a peak speed of 18 m/s in a cluttered environment and succeed in 10 consecutive trials from diverse start points. The video is available at the following link: https://youtu.be/vexXXhv99oQ.

研究の動機と目的

• 未知の混雑環境での時間要求型自律MAV飛行を動機づけ、実現する。
• 高頻度（100 Hz）リプランニングループを開発し、時間最適な多項式参照を生成する。
• 時間最適軌道計画を安全な全ダイナミクスMPCCとSFC制約と統合する。
• 多項式軌道の時間割り当てを学習によって加速する。
• シミュレーションと実環境実験でLiDARベースのクアッドコプター上でフレームワークを検証する。

提案手法

• 前方計画はA*とSafe Flight Corridor (SFC)による安全性認識付きウェイポイント精錬を用いる。
• 時間最適多項式軌道生成は微分平坦性を用いて平坦出力 (p, ψ) と区分多項式でパラメータ化し、時間割り当て T を外層（T）、内層係数 c の2層最適化で解く。
• 模倣学習は現在の状態とウェイポイントから最適な T を予測するMLPにより時間割り当てを加速する。
• 時間最適Model Predictive Contouring Control (MPCC) は全ダイナミクスを用いて参照を追従し、進行状態 (θ, vθ) を追加し、安全性のために局所SFC内で動作する。
• 先送りホライゾン方式は最初のGステップをSFCに制約して積極性と安全性のバランスを取り、計画ループ間で軌道再利用戦略を用いて整合性を保つ。
• MPCCはacados上で100 Hz、SQP-RTI、ホライゾンN=20、dt=0.03 sで実行され、スロットルとロータ入力を含む全ダイナミクスを統合する。

実験結果

リサーチクエスチョン

• RQ1 未知の混雑環境での高速度MAV飛行のためにオンライン計画は時間最適参照を十分速く生成できるか。
• RQ2 時間最適MPCCを局所SFC制約と統合することが現実世界で攻撃的で安全な障害物回避を実現するか。
• RQ3 学習加速型の時間割り当ては低計算遅延でほぼ時間最適な参照を提供するか。
• RQ4 計画ループ間の軌道再利用が動的未知環境での安全性と性能にどのように影響するか。
• RQ5 現状技術のプランナーと比較して、速度と安全性の経験的利得はシミュレーションおよび実飛行でどうなるか。

主な発見

Configuration	Number of Success	Average Velocity (m/s)	Average Maximum Velocity (m/s)	Average Flight Time (s)
Default (G=10)	10/10	26.89	42.77	3.72
G=1	6/10	26.61	40.46	3.76
G=N=20	5/10	18.24	29.76	5.56
w/o Trajectory Reuse	2/10	26.92	45.41	3.71
w/o Passing SFC Intersection	1/10	24.65	37.88	4.05

• LOONGフレームワークは実環境実験で20 mの障害だらけのフライト中にピーク速度18 m/sを達成。
• 100 Hzリプランニングと時間最適多項式参照により積極的で安全な高速飛行を実現。
• 前方モジュールの参照生成を学習ベースの時間割り当てが加速し、遅延は1 ms未満。
• 安全なホライズンG（G<N）でのSFC制約付きMPCCは未知環境での高速推進を可能にしつつ安全性を維持。
• アブレーション研究により軌道再利用とSFC交差点でのウェイポイント選択が成功率と攻撃性を大幅に向上。
• シミュレーションではLOONGは攻撃性でSUPERおよびIPCを上回り、作動制限を一致させた状態で障害回避を維持。