MorphoMove: Bi-Modal Path Planner with MPC-based Path Follower for Multi-Limb Morphogenetic UAV

本文讨论了一种名为MorphoGear的多肢体形态发生无人机的发展，它能够进行空中飞行和地面行走。基于A*策略的混合路径规划算法已经开发出来，使得空中到地面导航模式之间的无缝转换成为可能，从而增强了机器人在复杂环境中的机动性。此外，通过模型预测控制（MPC）架构实现了地面运动中的精确路径跟踪，用于其新颖的行走行为。实验验证在Unity模拟环境中进行，利用Python脚本计算控制值。结果展示了算法的性能通过均方根误差（RMSE）为0.91厘米和最大误差为1.85厘米进行了验证。这些发展突显了MorphoGear在穿越杂乱环境中的适应性，使其成为空中和地面自主探索中可用的工具。

该论文旨在开发一种多肢体形态生成的无人机MorphoGear，能够进行空中飞行和地面运动，并提出了一种基于A*策略的混合路径规划算法，实现了空中到地面导航模式的无缝切换，从而增强了机器人在复杂环境中的机动能力。此外，在地面运动中实现了精确的路径跟踪，采用了一种模型预测控制（MPC）架构来实现其新颖的步行行为。

该论文提出了一种新型的多肢体形态生成的无人机MorphoGear，并采用混合路径规划算法和MPC架构，实现了空中到地面导航模式的无缝切换和精确的路径跟踪，从而增强了机器人在复杂环境中的机动能力。

该论文在Unity模拟环境中进行了实验验证，使用Python脚本计算控制值。实验结果表明，该算法的性能通过0.91厘米的均方根误差和最大误差为1.85厘米的验证得到了验证。该研究的亮点包括MorphoGear的多肢体形态生成、混合路径规划算法和MPC架构的应用，以及实验结果的验证。

最近在这个领域中，还有一些相关的研究，如“基于深度学习的无人机路径规划”、“无人机在复杂环境中的导航和避障”等。