运动规划是无人飞行器(UAVs)的一个重要模块，特别是在自主导航和操作场景中。本综述阐述了一些最近的无人飞行器运动规划算法和相关应用进展。本综述的逻辑流程分为路径查找和轨迹优化两部分，前者是大多数运动规划系统的前端，而后者通常是后端。本文详细介绍了各项研究的动机、方法、问题的提出和推导。最后一节阐述了相关算法的现实应用，介绍了最流行的运动规划方法的作用和有效性。

如今，最优运动规划正变得越来越重要，并且对于学术界开发的运动规划算法能否应用于实际应用至关重要。本文主要从决策变量和问题描述、约束条件和优化目标三个方面综述了最优运动规划算法的研究现状。本文挑选并回顾了一些相关的技术，并讨论了它们的有效性和局限性。本综述中提供的并排比较有助于深入了解所回顾的方法的优点和局限性，并有助于进行系统级设计选择。

现代微型飞行器（MAVs）的设计大多受到大自然中飞行生物的启发，例如蜂鸟和飞虫，这带来了仿生微型飞行器的诞生。本综述介绍了仿生微型飞行器气动机理研究的历史和最新进展,并特别关注于那些使用仿生非定常气动机理的复合布局。简要回顾了几种成功的仿生微型飞行器和昆虫飞行中的非定常高升力机理。根据复合布局气动机理的最新发现，介绍了四种类型的复合布局，即固定/扑翼微型飞行器，拍动旋翼微型飞行器，多对扑翼微型飞行器和摆线旋翼微型飞行器。最后，提出了微型飞行器领域未来的发展方向。作者的回顾可以为未来仿生微型飞行器的气动机理研究和仿生微型飞行器的实际设计提供扎实的背景知识。

作者提出了一种新的强化学习（RL）框架，其中智能体行为受传统控制理论的控制。这种集成方法称为时效性决策RL，它使RL能够应用于许多实际系统，这些系统的基本动力学在它们的控制理论公式中是已知的。促进这种集成的关键是对显示时间函数建模，将状态-动作对映射到底层控制器完成动作的时间。在他们的框架中，他们通过动作的价值(动作价值)和执行动作所需的时间(动作时间)来描述动作。动作价值来自于RL对于状态的策略。动作时间通过一个从底层控制器测量活动中学习的显式时间模型来估计。然后使用嵌入时间模型训练RL价值网络以预测动作时间。此方法通过一个Atari Pong的变体进行了测试，并被证明是收敛的。

地下网络包括采矿隧道、洞穴和城市地下空间。这些环境中的每一个都是复杂的环境，在勘探、开发等方面面临着巨大的挑战。同时，在这些环境中存在多种环境和结构危险，并且这些条件会随着时间的推移而退化和变化。我们在本文介绍了关于自主性、网络和移动性的研究综述，重点是探索和/或在不可预测和未探索的环境中绘制地下网络。受到作者所在地靠近博尼塔峰矿区驱动，本文重点研究了作为地下环境代表的采矿隧道。博尼塔峰矿区是一个由48个历史悠久的矿山组成的超级矿区，由于历史采矿的原因，这些矿山附近的土壤、地下水和地表水受到了重金属的污染。为矿山隧道整治工程进行勘察与评估是一个极具挑战性的地下导航课题。可以说，这里讨论的环境是最极端、最具挑战性的地下环境。无人驾驶设备必须进入隧道进行探测并重新测绘隧道，以评估机器人和/或人类随后进入隧道的安全性，以便进行适当的修复。本综述分为三大类：移动、GPS缺失下的导航和定位以及通讯。最后提出了一个平台设计方案，解决了探索废弃矿山的困难。

近年来，层析粒子图像测速(Tomo-PIV)已成功地应用于三维流场的测量。该技术高度依赖于基于多台摄像机在不同视角的图像重建空间粒子分布的重建技术。作为最受欢迎的重建方法，乘代数重建法（MART）在稀疏粒子分布重建方面具有较高的计算速度和较高的精度。然而，在稠密粒子分布的情况下，其重建精度并不令人满意。针对这一问题，本文提出了一种对称编码-解码全卷积网络来提高MART的重构质量。该神经网络的输入是MART方法重建的粒子场，输出是相同分辨率的重建图像。数值计算结果表明，经过训练的神经网络可以有效地细化模糊或不规则的粒子。大部分的虚粒子也可以用这种过滤方法去除。同时，在不增加计算量的前提下，重建精度可提高10%以上。实验结果表明，训练后的神经网络能提供令人满意的重建效果以及改进的速度场。

计算机视觉是许多现代技术的重要基石，比如现代计算机辅助外科手术，特别是在微创外科手术导航方面。手术导航为计算机辅助手术提供了必要的空间信息。在各种感知形式中，基于视觉的传感被认为在跟踪和定位应用中很有前途，这主要是因为它能够提供及时的术中反馈，并且是无接触传感。在手术导航中，基于视觉的传感研究挑战来源于许多因素，其中一些与其他形式的导航系统所面临的挑战一样。常见的手术导航系统使用外部跟踪系统跟踪手术工具，这可能会受到技术和可用性问题的影响。与使用外部跟踪系统实现的方法相比，基于视觉的跟踪提供了一个相对精简的框架。本综述旨在讨论当前基于视觉传感的手术导航研究和发展。所选的综述材料将提供对最新技术和技术问题的全面评价，以便全面地讨论当前技术发展中的挑战和知识缺口。最后，本文对基于视觉传感的手术导航研究意义和发展前景提出了自己的看法。

自由表面流动，例如河流、湖泊和潮汐中的流动，在水利工程和环境监测中发挥着重要作用。然而，由于其复杂多变的特征，很难重建精确的演化过程。在这项研究中，作者提出了一个新的框架，通过同化图像序列重建由浅水方程建模的自由表面流动。特别地，采用集合卡尔曼滤波器框架来实现同化过程。所提策略的效率通过数值模拟进行了验证，其中不同情况下的精确流场可以通过有限的同化步骤获得。

本文从两个角度研究了欠驱动机械系统的鲁棒互联和阻尼分配无源控制问题(IDA-PBC)。首先，本研究分析了IDA-PBC在非消失匹配和非匹配不确定性条件下的鲁棒性，得到了保证系统最终有界的充分条件。其次，通过在原有的IDA-PBC控制器基础上增加一个新的控制输入，实现了闭环系统在非消失匹配不确定性下的渐近稳定性。最后，以惯性轮摆和单连杆弹性关节机器人为例，对所提出的鲁棒控制器进行了仿真分析。仿真结果清楚地表明了该鲁棒控制器的有效性。

本文针对多旋翼飞行器在飞行前和飞行中出现的不良故障，为飞行器半自主控制模式提出了一种基于监督控制理论（SCT）的故障安全机制设计方法。故障安全机制是一种通过综合来自制导、姿态控制、诊断和其他底层子系统的实时信息，提供多旋翼飞行器后续动作的控制逻辑。为了设计多旋翼飞行器故障安全机制，本文介绍了多旋翼飞行器存在的安全问题。随后，本文详细描述了包括功能需求和安全需求两方面的用户需求，其中功能需求指建立被控对象多旋翼飞行器的通用模型，而安全需求涵盖了处理上述安全问题的故障安全措施。根据这些要求，本文定义了几种多旋翼飞行器模式和事件。在此基础上，通过自动机对被控对象多旋翼飞行器和控制指标进行建模。然后，利用监督控制理论构建一个监督器。此外，作者展示了三个例子来说明由于控制指标设计不当而可能出现的冲突现象。最后，基于所得到的监督器，本文提出了一种适用于多旋翼飞行器的实现方法。在该方法中，监督器被转化为了决策代码。

This study researches the ?∞ control issue for a networked Markovian jump system with data packet loss occurring not only in the channel from sensor to controller but also in the channel from controller to actuator via an observer. The mathematical model for the closed-loop networked Markovian jump system with data packet loss is established. The necessary and sufficient conditions for the closed-loop system to be stochastically stable are derived. The design approach of the controller and the minimal performance index of the external disturbance suppression are also given in the case that the transition possibilities of the system modes and the data packet loss are both partially unavailable. Finally, two numerical examples are used to illustrate the effectiveness of the proposed method.

自主水下航行器(AUVs)编队控制算法的性能可能会受领航和跟随自主水下航行器之间的通信约束而下降。此外，由于海浪的影响，自主水下航行器之间的距离会发生变化，因此通信延迟也会发生变化。本文提出了一种改进的约束自适应控制器(CAC)来解决变延迟变化和执行器饱和问题。由于成本函数的在线降低，在考虑通信延迟影响的情况下，CAC的增益在每次采样时都会被更新。这提高了领航和跟随自主水下航行器的路径跟踪精度。通过在原型AUV（ODRA-I）模型上实现该算法，证明了所提出控制算法的有效性。仿真和实验结果表明，跟随AUVs与领航AUV保持了一个期望的距离以避免碰撞。在所提出的算法中，即使延迟从0秒变为5秒，跟随AUV的路径跟踪性能仍能保持在期望的水平。此外，该控制算法在避免执行器饱和方面是有效的。

推力产生是鱼类运动的一个重要方面，取决于各种形态和运动学参数。本文对机器鱼尾鳍运动的运动学进行了实验优化。机器鱼通过拍动和旋转运动来驱动尾鳍，并测量的水动力和扭矩。本文研究了三种不同形状(或倾斜角)和三种不同刚度共九种不同设计的尾鳍。优化是基于策略搜索(PS)算法，该算法用于最大限度地提高尾翼的推力产生效率。作者首先利用旋转幅度和相位延迟参数化鳍的展向旋转为正弦函数，并对其是否有利于提高推力产生效率进行了测试。结果表明，旋转对效率没有影响，因为效率在零幅度时达到最大值。接着，作者优化了没有鳍片旋转的拍动幅度和轨迹轮廓。结果表明，越小的拍动幅度可以获得越高的效率，线性拍动轨迹优于正弦拍动轨迹。柔性最高的鳍片在产生推力时效率更高，但产生的推力更小，而倾角30°的鳍片形状产生的效率最高。

现实世界是由多平面和曲面构成的。如果一个场景包含比相机视场更大的视场，那么使用手持相机通过正投影视图对这些表面进行成像是很麻烦的。如果场景在地理上超出了人类能够到达的范围或者无法进入这个场景，那么就无法使用手持设备上对场景进行这样的正面拍摄。廉价飞行器的出现，如四轴飞行器，使大型表面的正交成像成为可能，这可以用于之后的进一步分析之中，无论是出于休闲目的还是严肃的科学目的。然而，在此类表面上，四轴飞行器的手动导航往往是十分繁琐的，并且结果并不令人满意。在本文中，作者提出了一种用于多平面表面成像的四轴飞行器自主导航方法。该方法以现有的并行跟踪和基于映射的方法为基础，创建了输入场景的近似稀疏三维地图。接下来，作者确定了每个有界平面上用来获取视频的精确位置，然后四轴飞行器自主导航操作通过这些路径点。这就产生了一个用于使用现成的四轴飞行器来可视化场景的端到端应用。

本文回顾了环境生态位模型的研究进展，提出了一种基于先验物理耐受性信息的水生生物环境生态位分离方法。为了测试和证明我们的方法，我们在加利福尼亚州圣塔卡塔琳娜岛的大渔人湾内，以特定的置信区间分离了云纹石斑鱼的环境生态位。这次测试的目的是为了证明生态分析在机器人领域的实用性。具体来说，是利用水域的物理属性为水下机器人提供相对导航和定位。在看似毫无特征的水下环境中，环境生态位起着导航地标的作用。水域斑块往往固定在一起，这为水下导航问题提供了持久的地标。我们展示了环境生态位模型的背景和发展过程，并提供了解决水下航行器导航和定位问题的现场试验结果。具体来说，我们展示了作者开发的一项技术的结果，该技术利用水域的物理属性，如温度、盐度、叶绿素浓度等，来确定水下航行器在给定区域里的位置。这个利用环境生态位模型的方法可提供与GPS精度相当的精确位置估计。

本文研究了一个使用帆船编队的多智能体系统旅行推销员问题（最短路径问题）。本文提出了一种遗传算法(GA)，该算法将赋予每个智能体数量不同的收集目标。该遗传算法能够在最短的时间内获得次优解决方案。此外，本研究将其应用于特定的帆船编队问题中，与自主水下航行器或机动车辆相比，帆船编队在推进方面具有十足的挑战性。这是因为其他机器的运动可以被灵活地控制，然而帆船的运动受到了可用风向和速度的限制。因此，该方法考虑了帆船不同位置的风力条件。仿真结果表明了该方法的有效性。

这项研究提出了一种结合鲁棒无源控制器(RPBC)和扩张状态观测器(ESO)的方法，实现了三自由度PUMA 500机械臂在参数变化和外界干扰下的跟踪控制。本研究分析了PUMA机械臂的动力学模型及其结构特性。使用ESO中的附加状态估计控制系统中的参数变化和外部干扰。然后，使用RPBC在控制律中消除它们。本文分析了所提的控制系统的稳定性和观测误差的收敛性。仿真结果表明，所提的控制器具有良好的鲁棒性，在参数变化和外界干扰下均能很好地跟踪，从而验证了该控制方案的有效性。

本研究提出了一种基于极限学习的非线性模型预测控制器(NMPC)，用于自主式水下航行器(AUV)的水平航路点路径跟踪规划。该控制器由运动控制器和动态控制器组成。运动控制器使用逆推法设计，而动态控制器使用NMPC法设计。使用极限学习机(ELM)结构对水下机器人的动力学特性进行实时辨识。为了提高ELM结构的性能，采用Jaya优化算法确定了其隐含层的最优参数。然后，将得到的ELM模型用于考虑舵面约束的NMPC设计。本文提出的控制器的跟踪性能与最近提出的两种控制算法，H∞状态反馈控制器和逆最优自整定比例积分微分(PID)控制器进行了比较。所提出的控制器由MATLAB实现，并在作者实验室研制的自主式水下航行器样机上进行了实时控制。仿真和实验结果都表明，与H∞状态反馈控制器和逆最优自整定PID控制器相比，所提出的控制器具有更优异的跟踪性能。

由于柔性连杆机械臂（FLM）中执行器和传感器不共点，因此难以实现精确的末端位置跟踪。为了解决这一问题，视觉传感器代替传统的机械传感器被用来直接测量末端位置。在不同的视觉伺服(VS)控制方案中，基于图像的视觉伺服(IBVS)更为有效。然而，IBVS方案中仍存在许多挑战，例如相互作用矩阵的奇异性和轨迹中的局部极小值，这些都会影响系统在实时应用中的性能。在本研究中，我们选择基于图像矩的视觉特征来解决IBVS方案中出现的上述问题。此外，针对双连杆柔性机械臂末端位置跟踪控制问题，我们设计了一个新的双时间尺度IBVS控制器。在该控制方案中，FLM的动态被分解为两个时间尺度模型，即慢子系统和快子系统。通过仿真研究，我们对该新型双时间尺度IBVS控制器的性能和鲁棒性进行了验证。结果表明，该控制器有效地稳定了系统的振荡动态，并能准确地跟踪参考轨迹。

本文讨论了在有障碍物的区域内，差分驱动移动机器人在不显式生成轨迹的情况下，如何有效地导航到目标位姿的问题。假设机器人配备了全向范围传感器，而该区域可能是先验已知的，也可能不是先验已知的。在控制器的每次迭代中提供已知的障碍物信息，连接机器人和目标点的最短路径提供了一个初始的期望运动方向。再考虑该方向上的无障碍区域、机器人的大小和可见范围内的障碍物轮廓，综合确定一个参考方向。最后，考虑到机器人的速度和加速度约束，选择合适的角速度使机器人向参考方向旋转，同时选择合适的线速度使机器人与最终目标的距离最小化并避免碰撞。机器人到达目标后，控制器切换到定向模式以固定方向。实验研究证明了该算法的有效性。

作者解决了两组对应向量（也称为Wahba问题或点云配准）的最佳旋转估计问题。所提出的方法是近年来文献中最快的方法之一，而且它比大多数其他方法具有更强的抗噪能力，准确度和简便性。它是基于求解由欧几里德几何代数中的问题公式导出的线性方程组。作者展示了其在两个应用中的高效性：一是尽可能刚性的（ARAP）表面建模，二是更平滑的旋转增强型ARAP网格动画，后者是唯一一个能够使表面具有四面体模型质量的方法。网格形变是游戏、自动化建造和机器人技术中的关键技术。ARAP技术及其改进的变体虽然已经得到了广泛的研究，但仍然不能高效地实现。本文提出的基于线性几何代数的转子求解方法，为这个核心问题的研究提供了另一个视角。这不仅提高了三维网格形变的真实性能，而且为解决Wahba问题和点云配准问题提供了一种全新的高效解决方案，这与自动化科学和工程有着密切的关系。

路径规划不仅广泛应用于机器人领域，也广泛应用于游戏、制造、汽车等领域。机器人路径规划是自主移动机器人领域的主要研究课题之一。路径规划问题的关键步骤是通过已知、未知或部分已知的环境，找到从起始位置到目标位置的最短路径。危险事件可能会破坏计划区域的某些部分，将这些区域转变为不可穿越的区域。由于损坏前后的环境信息差异，这些事件在机器人的运动中引入了拓扑约束。在这项研究中，作者提出了一种新的方法，FreeD*，利用D*、Dijkstra和人工势场（APF）算法的优点来寻找最短路径。使用Dijkstra算法，通过将没有已知障碍的D*子路径合并成一个单对角路径，对D*生成的路径进行优化。然后，APF被用于未知障碍物的避障。Webots仿真器的仿真结果证明了FreeD*在最短路径下避开未知障碍物的有效性。

本文针对多自由度电动液压机械手的动力学模型，提出了一种非线性最优(H∞)控制方法。由于电动液压机械手具有非线性和多变量的动力学特性，因此如何控制它是一个非常困难且重要的问题。本文考虑的机器人系统是由一个多连杆机械手构成的，该机械手受到旋转电动液压驱动器的驱动。本文的方法首先根据一阶泰勒级数展开和相关雅可比矩阵的计算，对电液机械手的状态空间模型进行近似线性化。紧接着，针对机械手的近似线性化模型，设计了一种稳定的H∞反馈控制器。为了计算控制器的增益，在控制算法的每一步都要求解一个代数Riccati方程。该控制方案的全局稳定性通过李雅普诺夫分析得到了证明。该控制方法保留了典型最优控制的优点，比如在控制输入有一定变化的情况下，能快速准确地跟踪参考设定值。

无人驾驶视觉感知是机器人感知的重要应用之一。随着无人驾驶汽车的发展，汽车对周围环境的感知和理解能力变得越来越重要。当周围物体的类型过于复杂时，计算机识别周围环境的能力会变得很差。为了提高计算机的识别精度和分割能力，本研究使用估计的深度信息来辅助语义分割，然后引入物体的边缘特征来增强物体的轮廓。基于以上改进，本文提出了一种基于神经网络的语义分割模型，并在最后使用内在的注意力机制来增加通道间的相关性。在CamVid数据集上的实验结果表明，与其他模型相比，该模型能够获得更好的评价指标，更高的图像分割精度。

在本研究中，作者研究了机器人网络的最优路径选择和相对运动控制问题。路径规划方案基于最优路径参数的模糊势函数设计。最优路径参数，如路径概率和传输速率，由一个离散优化问题得到。为了处理物理系统中的干扰和不确定性，本文提出了一种自适应的二阶滑动模式控制（SMC）方案，用于机器人网络的相对运动控制，其中干扰信号采用一种新型干扰观测器进行估计，控制器参数采用基于Lyapunov理论的自适应调整算法进行在线更新。仿真实验以及基于Pioneer P3-DX机器人的实时实验验证了所提出的路径规划器和控制方案的鲁棒性，同时得出了基于传统SMC和自适应SMC的对比结果。

与肌电假肢相关的一个关键挑战是从截肢者的残余解剖结构中获取高质量的手势意图信号。在这项研究中，作者旨在融合穿戴式肌电图（EMG）和近红外（NIR）信号对12名健全人的8个手势动作进行分类，并通过观察该方法的分类精度来克服这一挑战。作为研究的一部分，研究人员研究了不同感知配置情况下多种分类方法的分类精度，这些感知配置包括仅肌电图信号、仅近红外信号和肌电图-近红外融合信号，分类方法包括多层感知器神经网络，线性判别分析和二次判别分析。作为研究的一部分，他们进行了单独的离线超声波扫描，作为真实数据与可穿戴传感器采集结果进行对比，同时这些数据能够使研究人员在手势运动期间更仔细地研究沿肱骨的解剖结构。这项工作的结果和发现表明，在不需要使用侵入性神经肌肉传感器或更复杂硬件的条件下，使用价格合理、符合人体工程学、可穿戴的肌电图和近红外传感技术，进一步发展上臂假肢是可行的。

针对上肢康复机器人动态建模中存在的参数不确定问题，本文提出了一种基于变参数粒子群优化（PSO）的动态参数识别方法。基于系统的动态模型，该算法将基础粒子群算法的惯性参数和学习规律由固定参数变为随迭代次数变化的函数。它解决了基础粒子群算法早期搜索空间小，后期收敛速度慢的问题，大大提高了其识别精度。最后，通过对仿真结果的对比分析，与最小二乘算法（LS）和未改进的粒子群算法相比，该算法的识别精度有了很大的提高。该算法在实际控制系统中的控制效果也明显优于最小二乘算法和未改进的粒子群优化算法。

本研究提出了一种鲁棒控制器，通过控制安装在车辆上的线控转向系统来降低横向加速度，从而抑制自动驾驶车辆的侧翻风险。首先，由于侧滑角难以被直接测量，因此本文提出了一种结合附加开关项与线性观测器的滑模观测器，以在系统存在不确定性时提供更稳健的侧滑角估计。其次，本文提出了一种自适应滑模控制方法，该方法可以自适应地调节控制增益来补偿系统的不确定性。最后，本文通过仿真验证了所提出的估计器和控制器能够有效地、鲁棒地降低车辆侧翻风险。

斑马线检测是电子出行助手的一项基本功能。它可以定位斑马线并估算其方向，从而帮助视障人士安全过马路。与传统的斑马线检测方法不同，本文采用了基于卷积神经网络的回归方法来检测斑马线。具体来说，一个固定大小的窗口在路口采集的图像上滑动，将得到的图像块依次输入到逻辑回归模型中，以识别斑马线。然后，将斑马线图像块输入到回归模型进行方向预测。在预测前，利用反向传播算法对模型参数进行优化。与现有的方法相比，该方法可以提高斑马线识别的精度-召回性能，降低预测方向的均方根误差。

近年来，由于脑电图(EEG)脑机接口(BCI)能够通过非侵入性电极直接记录大脑皮层激活模式的神经信号，因此在上肢假肢控制领域得到了广泛的研究。目前常见的使用肌电图（EMG）直接从具有一些残余解剖结构的残肢获取神经肌肉信号的方法存在一定限制，而脑电图脑机接口被认为是一种可以绕过这些限制的方法。在本研究中，采用顺序前向选择算法形成10个最佳通道表示，同时采用扩展的信号特征向量，对四名不同残肢长度的经肱骨截肢者进行了研究，对比了仅肌电图、仅脑电图和肌电-脑电图融合感知三种配置下的运动意图解码性能。结果表明，仅肌电图感知时使用扩展特征向量能够极大地改善性能，但是仅脑电图感知时使用扩展特征向量仅能够轻微地改善性能。因此，当两个信号的信息融合在一起时，只有轻微的性能改善。这可能是由于脑电图在头骨上散布了更多的通道来提供可靠的意图解码。现在，进一步的工作将涉及优化研究，以找到一个更好的电极简约性表示，以尽量减少通道的数量，同时提高运动意图解码精度。