On Your Own: Pro-level Autonomous Drone Racingin Uninstrumented Arenas

视频来源：https://www.youtube.com/watch?v=SNw-zXgv_vA

在无人机研究领域，外部定位系统（例如运动捕捉）长期被用作算法验证的关键工具，用于提供高精度的位姿“地面真值”（ground truth）。

然而，TII 团队希望探索更进一步的可能——让无人机在无任何外部依赖的环境中“独立飞行”。

这要求系统能够通过自身传感器实现感知、估计与控制的闭环。该工作不仅涉及算法层面的挑战，也代表了无人机自主系统向真实环境适应性迈出的关键一步。

为了在这些多变环境中保持稳定飞行，研究团队构建了一套完整的自主飞行系统架构，由三个核心模块组成：

• 视觉识别：使用 YOLO 与 MobileNet 模型进行赛道门检测与关键点提取；

• 状态估计：融合视觉-惯性里程计（VIO）与 IMU 数据，并通过 Kalman 滤波校正漂移误差；

• 模型预测控制（MPC）：在高速运动中实现低延迟轨迹跟踪与实时控制。

这套架构确保无人机在不同环境与光照条件下都能进行稳定的高速飞行，实现了从视觉感知到动作执行的闭环控制。

在两种环境中，研究团队分别对自主系统与人类职业飞手进行了多轮对比测试。

• 在带外部追踪系统的赛道中，自主系统平均圈时 4.44 秒、最高速度 21.9 m/s，超越世界冠军飞手（MCK）的表现（4.71 秒，20.9 m/s）。

• 在无外部追踪系统的赛道中，自主无人机仍可维持几乎相同的精度与速度，平均圈时仅比人类慢约 3.6%。

• 自主系统在所有测试中均未发生坠毁，而人类飞手出现多次碰撞。