AWARE：在人在回路交互下用于增强激光雷达-惯性里程计的自适应全身主动旋转控制

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：AWARE: Adaptive whole-body active rotating control for enhanced LiDAR-inertial odometry under human-in-the-loop interaction

　　

摘要
人机回环 (HITL) 无人机操作在复杂且安全关键的航空测绘环境中至关重要，其中人类操作员提供导航意图，而机载自主系统必须维持准确且鲁棒的状态估计。在此环境下的一个关键挑战是，资源受限的无人机平台通常仅限于窄视场角激光雷达传感器。在几何退化或特征稀疏的场景中，有限的感知覆盖范围通常会削弱激光惯性里程计 (LIO) 的可观测性，导致漂移积累、几何精度下降和状态估计不稳定，这直接损害了安全有效的 HITL 操作和下游测绘产品的可靠性。为了克服这一局限性，我们提出了 AWARE，一种受生物启发的全身主动偏航框架，该框架利用无人机自身的旋转敏捷性来扩展有效传感器视野并提高 LIO 的可观测性，而无需额外的机械致动器。AWARE 的核心是一个嵌入在强化学习 (RL) 循环中的可微模型预测控制 (MPC) 框架。它首先识别在整个偏航空间中最大化信息增益的观测方向，然后一个轻量级的 RL 智能体根据当前的环境上下文在线调整 MPC 成本权重，从而在估计精度和飞行稳定性之间实现自适应平衡。安全飞行通道 (SFC) 机制进一步确保了在此 HITL 范式下的操作安全，通过将操作员的导航意图与自主偏航优化解耦，以实现安全高效的合作控制。我们通过广泛的模拟和真实环境实验验证了 AWARE。我们的框架始终优于被动扫描和静态优化基线，在资源受限的无人机硬件上以实时计算性能实现了更准确且鲁棒的 LIO。

引言
复杂的航空测绘和机器人任务，包括地下检查、灾害响应和茂密森林测绘，要求无人机在非结构化、安全关键且仅部分可观测的环境中操作 (Park and Choi, 2020, Y. Liu et al., 2025, Li et al., 2019, Hu et al., 2020)。在此类任务中，完全自主操作在实际中仍然难以依赖：自主探索可能会忽略与任务相关的区域，而意想不到的障碍物或环境变化可能会使预规划轨迹失效 (Zhang et al., 2025)。从这个意义上说，人机回环 (HITL) 控制不仅仅是一个实用的附加功能，而是在复杂环境中实际部署的基本要求 (Zhang et al., 2020, Ren et al., 2025a)。然而，有效的 HITL 操作依赖于可靠的机载状态估计，因为定位降级直接破坏了操作员命令的安全执行和下游制图产品的几何保真度 (Cong et al., 2025)。这一要求暴露了轻量级无人机上激光惯性里程计 (LIO) 可观测性的核心挑战：有效载荷和功率限制通常迫使使用视场角 (FoV) 受限的紧凑型固态激光雷达，这在几何退化或特征稀疏的场景中提供的几何约束不足，导致漂移积累和状态估计不稳定 (Wang et al., 2021, Lin and Zhang, 2020, Zhang et al., 2024)。

为了在几何退化环境中实现鲁棒和高精度的 LIO，特别是鉴于轻量级传感器受限的 FoV，研究已转向主动感知策略 (Ebadi et al., 2023)。这些方法主动将传感器方向与状态估计目标对齐，以最大化信息增益并加强几何约束。为了解决 FoV 限制，现有解决方案可大致分为硬件增强和算法补偿。最初的尝试通常利用被动旋转策略，即传感器或平台以固定速率旋转以增加覆盖范围 (He et al., 2024)。然而，由于这些方法不考虑环境特征，它们缺乏处理几何退化或特征稀疏环境所需的适应性，无法在实际测绘场景中维持准确的里程计 (Chen et al., 2024)。为了引入感知意识，以硬件为中心的方法，例如 UA-MPC (Li et al., 2025b) 和 AEOS (Li et al., 2026b)，采用电机驱动机制根据实时不确定性指标主动扫描传感器。虽然有效，但这些电机驱动系统降低了飞行续航时间并增加了机械脆弱性。为了避免这些硬件限制，一些并发研究工作专注于通过基于软件的控件优化无人机的主动运动，通常利用模型预测控制 (MPC) 或端到端强化学习 (RL)。然而，仍面临重大挑战。纯 MPC 框架通常依赖固定成本权重，对参数调整敏感，难以适应多种环境 (Foehn et al., 2021, Zhu et al., 2025)。相反，端到端 RL 策略虽然具有适应性，但直接将观测映射到控制动作，因此难以向操作员暴露明确的成本项、约束和安全裕度 (G. Xu et al., 2025, J. Zhang et al., 2026)。关键的是，这两类方法都没有针对 HITL 操作设计：它们将无人机视为完全自主的智能体，没有提供将操作员意图与自主偏航规划安全整合的原则性机制。这揭示了当前研究中的双重差距：缺乏一种纯软件驱动的方法，能够 (i) 在不增加机械复杂性的情况下自适应地在变化环境中维持准确且鲁棒的 LIO，以及 (ii) 无缝地将人类操作员命令整合到保证安全、感知可观测性的控制循环中。

为了弥合这一差距，我们提出了 AWARE，一种受生物启发的、控制与可观测性感知框架，采用自适应全身主动旋转以在复杂测绘环境中增强激光惯性里程计。我们的生物动机来自趋光性藻类，其中身体旋转或螺旋运动将方向性环境刺激转化为具有有限光感受结构的生物体的时间变化感官输入 (Drescher et al., 2010)。在莱茵衣藻中，这种自旋与自适应鞭毛光响应耦合，并在实现高保真趋光性定向中发挥关键作用。受这一功能原理的启发，AWARE 动态调节无人机偏航方向和飞行动力学，以采样不同的激光雷达视角并将感知引向具有更高可观测性的方向，从而减少定位不确定性并提高估计精度。与将感知与飞行解耦的云台解决方案不同，我们引入了 AWARE，它利用无人机自身的敏捷性扩展有效传感器视野，而无需添加沉重的机械组件。然而，激进的全身旋转可能会 destabilize 飞行并损害其旨在改进的里程计。我们方法的关键洞察是根据场景几何和当前估计质量动态调整无人机的控制模型。这种适应性增强了 LIO 的准确性、鲁棒性和几何可靠性，同时保持了稳定高效的飞行操作。

为了实现这种自适应能力并解决可观测性与稳定性之间的冲突，我们设计了一种混合架构，结合了可微模型预测控制 (MPC) 的鲁棒性和可解释性以及强化学习 (RL) 的适应性。我们的方法在两个层面上运行。首先，我们构建了一个全景可观测性预测器，从全景深度图中评估几何特征，以识别状态估计的最佳观测方向。这指导 MPC 利用信息丰富的区域。其次，一个轻量级 RL 智能体被用作元控制器，根据环境上下文和动态状态调度 MPC 权重，而最终控制命令是从 MPC 优化问题中获得的，其中明确指定了成本项、系统动力学、致动器限制和安全约束。这种混合 RL-MPC 设计智能地平衡了感知增益和飞行稳定性之间的权衡，使无人机能够执行自适应飞行控制行为，同时在任务期间保持准确且鲁棒的里程计。此外，为了解决缺乏原则性 HITL 支持的问题，我们将安全飞行通道 (SFC) 机制直接整合到控制架构中。AWARE 并非将人类飞行员命令视为干扰，而是将操作员的导航意图与自主偏航优化解耦：SFC 将飞行员命令约束在无碰撞通道内，同时 RL-MPC 层继续在后台优化传感器可观测性。这种协同设计实现了安全高效的合作控制，其中人类引导任务级轨迹，而 AWARE 沿该轨迹自主最大化定位质量，从而支持实际测绘操作中的可靠数据获取。总之，主动感知、自适应稳定性控制和人机协作被统一到一个单一连贯的框架中。最后，为了确保鲁棒性和可迁移性，我们开发了一个高保真、基于点云的仿真平台，支持跨多种复杂场景（包括城市、地下和森林环境）的真值到仿真到真值迁移。我们的框架在部署到资源受限的全身偏航无人机平台之前，已在仿真中进行训练和验证。我们的工作做出了以下贡献：

(1) 我们开发了一种自适应全身主动旋转控制框架，将无人机偏航视为类云台感知动作，以在不增加机械致动的情况下提高激光雷达可观测性。全景深度表示结合基于费雪信息矩阵的度量，使系统能够预测并主动转向减少定位漂移和提高里程计精度的观测方向。

(2) 我们提出了一种混合 RL-MPC 架构，实现了感知可观测性的偏航控制，同时平衡感知增益和飞行稳定性。轻量级 RL 元控制器根据场景依赖的几何形状动态调整 MPC 成本权重，减少手动调整，并能在多种环境中实现准确且鲁棒的 LIO。

(3) 我们将控制器集成到共享控制的 HITL 设置中，其中操作员提供平移导航意图，而 AWARE 在 SFC 约束下自主优化偏航。此设计保留了飞行员引导的运动和实际安全要求，同时允许在精密测绘部署期间进行面向可观测性的偏航适应。

(4) 我们开发了一个高保真、基于点云的仿真平台，用于在闭环中训练和评估感知可观测性的主动偏航策略。围绕逼真的激光雷达渲染、LIO 反馈和多样化的真实世界地图构建，它支持系统的消融、仿真到真值迁移以及 LIO 性能的真实世界验证。

本文其余部分组织如下。第 2 节回顾了主动感知、基于激光雷达的状态估计和数据驱动控制策略的相关工作。第 3 节详细介绍了所提出的 AWARE 框架，包括感知可观测性的全景预测器和混合 RL-MPC 架构。第 4 节介绍了基于点云的仿真平台和控制策略训练管道。第 5 节报告了模拟和真实场景中的实验结果。第 6 节讨论了发现和未来方向。最后，第 7 节总结了本文。

章节片段
相关工作
主动感知在航空机器人中的演变代表了从机械复杂性到算法复杂性的范式转变。虽然早期的方法论试图通过添加外部致动硬件来克服传感器视场角 (FoV) 限制，但现代方法越来越多地受到微型无人机严格的尺寸、重量和功耗 (SWaP) 限制的约束。因此，该领域正转向耦合的飞行 - 感知范式，其中扩展感知的负担由...

问题表述与系统概述
所提出的框架建立了一个 HITL 主动感知架构，旨在通过自适应偏航规划最大化定位精度，同时保留操作员的导航权限。如图 1 所示，我们的生物动机来自趋光性藻类，其中身体旋转或螺旋运动将方向性环境刺激转化为具有有限光感受结构的生物体的时间变化感官输入。受这一功能原理的启发，...

高保真仿真环境
为了严格训练和验证所提出的主动感知框架，我们建立了一个高保真、闭环仿真环境，如图 5 所示。采用真值到仿真到真值方法论，我们的平台直接从各种真实场景中收集的稠密点云地图合成传感器数据，而不是依赖合成几何原语。这种数据驱动的设计提供了两个关键训练优势：(i) 在真实传感器...

评估指标与基线
为了严格评估所提出框架的定位保真度和鲁棒性，我们采用绝对位姿误差 (APE) 作为主要性能指标。APE 量化了估计轨迹与真实位姿之间的欧几里得偏差。较低的 APE 表明主动扫描策略已成功识别并跟踪几何显著特征，从而最小化激光惯性里程计 (LIO) 状态估计中的漂移。AWARE 被评估...

解释偏航探索与场景驱动的可观测性适应
此讨论的目标是阐明 AWARE 为何通过全身偏航适应提高定位。在我们的框架中，偏航不仅仅是一个姿态变量，而是一个类云台感知动作：通过重新定向机载激光雷达，无人机改变了可见几何形状，当向前视图变得退化时，这可以提高可观测性。这种效应在走廊状、隧道状或部分遮挡的区域尤为重要，固定航向往往过度强调...

结论
本文介绍了 AWARE，一种全身主动偏航框架，通过利用无人机机身本身作为轻量级感知致动器，提高了资源受限无人机上的激光惯性里程计。AWARE 没有添加电机驱动云台，而是构建了全景深度表示，通过基于费雪信息矩阵的度量评估依赖偏航的几何可观测性，并将此感知目标嵌入到人在回路参考和 SFC 约束下的 RL 调节 MPC 控制器中。由此产生的 CRediT 作者贡献声明
张奕哲：写作 – 审阅与编辑，写作 – 原稿，方法论，数据管理。

李建平：写作 – 审阅与编辑，写作 – 初稿，监督，软件，经费获取，概念化。殷良亮：写作 – 审阅与编辑，数据整理。董真：写作 – 审阅与编辑，经费获取。杨碧声：写作 – 审阅与编辑，监督，经费获取。

利益冲突声明
作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能会被认为影响了本文报告的工作。

致谢
本研究由国家自然科学基金项目（编号 42201477，编号 42130105）和武汉市自然科学基金项目（编号 2025041001010363）共同资助。

张奕哲 | 李建平 | 殷良亮 | 董真 | 杨碧声
武汉大学测绘遥感信息工程国家重点实验室，武汉，430079，中国