驾驭多样未知杂乱赛道的鲁棒视觉无人机竞速

多数基于强化学习的无人机竞速方法，训练和评测都围绕固定、无障碍的赛道展开，一旦换到未知且杂乱的场景，策略还能不能飞、敢不敢快，基本没有被正面回答。这份资料要处理的就是这个缺口，它把问题收束成一个很具体的研究问题：能否训练出单一、只依赖深度视觉的策略，在多样且未知的赛道上泛化，容忍门位置指令中的噪声，同时在有障碍物的环境里保持激进的穿门速度。值得现在看的原因在于，它没有把速度、安全、泛化拆成三个独立模块分别优化，而是承认三者互相拉扯，并据此设计训练流程。换句话说，这是一份把「快」和「不撞」放在同一个学习框架里权衡的工作。

覆盖范围上，作者用大量仿真实验和消融研究验证框架，再把系统部署到计算资源受限的四旋翼上做真实飞行实验；感知输入只有机载深度传感，计算也在机载完成。方法侧有几块拼在一起：两阶段学习框架、带自适应噪声增强的课程、非对称 actor-critic 架构，以及 Lipschitz 约束和赛道基元生成器。为了支撑训练，团队还搭建了 DiffLab，一个基于 NVIDIA Isaac Lab 的高度并行、高保真无人机模拟器，用来加速收敛并缩小 sim-to-real 差距。这些组件各自对应问题的一部分，不是简单地堆模块。

第一个关键发现落在训练流程上。作者把学习分成两段：先做软碰撞训练，让策略在高速飞行时仍保有探索空间；再做硬碰撞精炼，强制策略学会稳健避障。这样安排的理由在材料里讲得很清楚：高速竞速倾向于利用赛道内的进展，而避障需要探索无碰撞空间，两者在探索-利用上直接冲突；碰撞导致的提前终止又让回合变短，策略能拿到的学习信号更少，冲突被进一步放大。软碰撞阶段先保住探索，硬碰撞阶段再收紧安全约束，等于把这对矛盾分时处理。这意味着两阶段不是训练技巧的花活，而是针对探索信号不足的结构性回应。

第二个关键发现关于感知。门和障碍物在深度图里经常共享相似的线索，比如杂乱背景中的细结构，但两者要求的控制响应相反：对门要激进接近，对障碍物要谨慎避让；没有显式语义监督时，策略很难自己学出可区分表征。作者的做法是把自适应、噪声增强的课程嵌进非对称 actor-critic 架构，让策略的依赖逐步从特权的门状态信息迁移到基于深度的视觉输入。配合 Lipschitz 约束和赛道基元生成器，运动平滑性和跨环境泛化也被一并约束。换句话说，感知歧义不是靠加语义标签解决的，而是靠训练课程把策略「推」向视觉输入。

这些结论的实践含义比较直接。赛道先验可以给得比较粗，门位置允许有误差，系统仍要能仅凭机载深度传感和计算穿过带随机障碍的未见赛道；材料里的真实实验就是在这个设定下做的，作者也报告了对门位置误差的鲁棒性。作者还称，据其所知这是首个在多样、未知、杂乱的真实环境中运行的基于视觉的自主无人机竞速系统——这是作者的自述，属于需要原文数据支撑的判断。对做系统的人来说，更可复用的一点是：把碰撞建模分成软硬两段、把感知歧义的缓解放进课程设计，比单独调避障奖励更容易落地。当然，这套流程依赖一个高并行、高保真的自建模拟器，迁移成本不能忽略。

适合读这份资料的人，大概是在做强化学习无人机竞速、sim-to-real 迁移或机载视觉避障的研究者和工程师；读完能拿走的是几个可操作的设计选择——两阶段软硬碰撞训练、非对称 actor-critic 加噪声增强课程、赛道基元生成器，以及用 DiffLab 这类高并行模拟器缩短训练与迁移周期的思路。边界也要说清楚：材料没有给出圈速、成功率、碰撞率这类具体性能数字，真实实验的赛道规模和障碍物密度也没有展开，因此对「有多强」的判断目前只能停在定性层面。另外，首个系统的说法是作者自述，读者最好回到原文核对实验设置与对比基线。整体上，这份资料的价值在于提出问题的方式和训练框架的组织，而不是一组可以直接引用的 benchmark 数字。

IEEE ROBOTICS AND AUTOMATION LETTERS. PREPRINT VERSION. NOVEMBER, 2025 1 Mastering Diverse, Unknown, and Cluttered Tracks for Robust Vision-Based Drone Racing Feng Yu∗, Yu Hu ∗, Yang Su, Yang Deng, Linzuo Zhang, and Danping Zou Abstract—Most reinforcement learning (RL)-based methods for drone racing target fixed, obstacle-free tracks, leaving the generalization to unknown, cluttered environments largely unad- dressed. This challenge stems from the need to balance racing speed and collision avoidance, limited feasible space causing policy exploration trapped in local optima during training, and perceptual ambiguity between gates and obstacles in depth maps- especially when gate positions are only coarsely specified. To overcome these issues, we propose a two-phase learning frame- work: an initial soft-collision training phase that preserves policy