可微分物理实现窄缝穿越

胡瑜，邹丹平

（上海交通大学  自动化与感知学院，上海200240） 

摘要：在无人机路径规划领域，穿越未知狭窄缝隙是一项重大挑战。现有研究多基于状态空间方法，且通常需要预知缝隙参数。近年来，机器人强化学习方法展现出巨大的潜力，但在处理SE(3)规划（三维特殊欧式群，描述包含平移和旋转的刚体运动）问题却略显疲态。其主要有两方面的挑战：SE(3)问题固有的约束使得难以采样到解空间，导致训练困难；无人机动力学、传感器数据的不同使得仿真-现实差异过大，阻碍策略迁移。为此，我们提出了一种新型四旋翼无人机SE(3)规划端到端系统；通过可微分模拟器结合点质量推力矢量模型，实现基于一阶梯度的策略优化。仿真环境验证了算法有效性，且消融实验进一步证明了方法的优越性。

关键词：SE(3)，规划控制，可微分物理，深度学习

扫二维码浏览全文

Cite this article

Hu, Y., Zou, D. Narrow Gap Traversing via Differentiable Physics. J. Shanghai Jiaotong Univ. (Sci.) (2025). https://doi.org/10.1007/s12204-025-2888-3