2026-10-19
自然语言引导的无人机自主降落研究成果在 IEEE RA-L 在线发表。
近日，孙方宇等同学题为“Ask to Land: Learning a Mask-Conditioned Open-Vocabulary Landing Policy via Differentiable Physics”的论文在机器人领域期刊《IEEE Robotics and Automation Letters》（IEEE RA-L）发表。该研究提出 Ask to Land 无人机自主降落框架，将开放词汇感知与可微物理学习相结合，使四旋翼无人机能够根据用户的自然语言描述选择目标，并在静止或运动平台上完成自主降落。
现有无人机降落系统通常依赖 ArUco 等预设视觉标记，或针对特定平台类别进行训练，并往往对目标运动规律作出预设。这些条件限制了系统对不同降落目标及不规则运动的适应能力。近年来，开放词汇感知使机器人能够根据文字提示选择目标，但如何将这一能力与学习式闭环降落控制有效结合，仍有待深入探索。针对上述问题，研究团队设计了以目标分割掩码为条件的降落控制框架。系统采用 YOLO-World 与 MobileSAM 构建感知前端，根据用户的文字描述识别目标，并实时生成标示目标图像区域的分割掩码。控制策略利用这一视觉信息持续调整飞行状态，在下降过程中跟踪目标运动，从而支持对多种指定平台的自主降落，包括随机运动的平台。
该框架的关键在于，以分割掩码连接开放词汇感知与降落控制。感知前端的模型参数保持固定，负责处理自然语言提示；控制策略接收目标掩码，无需接收文本嵌入或类别标签。借助这一统一的视觉表示，同一控制策略能够用于不同的降落目标，无需针对每种目标单独微调。在策略训练方面，研究团队利用可微物理模型与时间反向传播（BPTT），沿仿真中的连续降落过程反向计算梯度，优化控制策略。奖励设计兼顾目标视觉对准、随飞行高度自适应调整的下降速度以及控制稳定性，使无人机在持续跟踪目标的同时完成下降与着陆。
实机部署验证了该方法在多种用户指定物体上的降落能力，涵盖静止和运动平台。研究展示了开放词汇感知与可微物理控制学习相结合的可行性，为面向多样化目标和动态场景的无人机自主降落提供了新的技术思路。
