可微优化与自监督学习的无人机轨迹规划

无人机在三维空间里的路径规划始终卡在一个两难上。传统模块化系统把感知、建图、路径搜索拆开设计再集成，模块之间信息共享有限，会引入延迟；各模块独立设计时的保守假设，又容易把整个系统困在局部极小。端到端学习把感官观测直接映射成动作或轨迹，管线干净、感知鲁棒，但需要大规模数据集，样本效率低，还要面对明显的 sim-to-real 落差，并且缺少动力学可行性。这份资料要回答的正是：能不能既保留学习式感知的鲁棒性，又让输出的轨迹在物理上真的可执行。它值得现在看，是因为答案不是再加一个端到端网络，而是把自监督感知和可微优化缝在一起，并且给出了一个可以对照的量化结果。

覆盖范围从感知一直延伸到轨迹生成。系统只以第一人称视角的深度图像为输入，用一张三维 cost map 提供碰撞代价来引导行为，不需要专家演示，也不需要人工标注，这是“自监督”在这里的具体含义。轨迹层面是一个可微的 minimum snap 优化模块，同时处理等式约束和不等式约束，让梯度能穿过迭代优化反传回去，整个结构因此构成双层优化。另有一个基于神经网络的时间分配策略，预测每段轨迹的时长。验证走仿真与真实世界实验两条线，覆盖多种环境。

最明确的数字是控制努力下降 30.90%，同时跟踪性能与 state-of-the-art 相比保持竞争力。换句话说，在同样跟得住的前提下，飞控需要输出的力明显更小；对受 size, weight, and power 约束的平台来说，这是直接相关的开销。自监督的信号来自三维 cost map 给出的碰撞代价，而不是人标的轨迹，训练因此不必依赖大规模专家数据集。时间分配网络的作用被描述为提升效率与最优性，也就是在分段时长这个常被固定超参数处理的环节上引入学习。材料给出的避障示例里，无人机从起点绕开立柱、机动到另一位置避开横梁，再在不同高度做一次垂直避让抵达目标，全程只用深度图。

把这条路线放回已有工作里看，差别更清楚。此前有方案把学习式深度感知与轨迹优化结合，用预建的可通行性 cost map 做局部规划，但依赖二维投影，只能用于地面机器人；三次样条采用闭式解，没有真正的梯度回传，其声称的双层优化因此打了折扣。后续工作引入可微模型预测控制来强化约束，可自行车模型的状态选择只保证运动学可行而非动力学可行，同样限于二维，且只处理等式约束。还有方案把安全走廊和可微轨迹优化嵌进网络来生成动力学可行轨迹，但需要离线运动基元库，训练仍是监督式的。这份资料的三维 cost map 与可微 minimum snap 模块，对应的正是这几点上的补位。

这意味着几件事。其一，可解释性和泛化性有了落脚点：物理优化内核还在，学习只负责它擅长的感知和时长分配，出问题时可以分层排查，而不是面对一个黑箱。其二，摆脱专家演示、并且在无预建地图的前提下快速重规划，对实际飞行任务意义不小——部署时策略直接从第一人称视角的深度观测判断碰撞条件并规划，不必依赖事先建好的地图。其三，控制努力的下降说明可微优化不只是让管线看起来完整，它确实改变了输出轨迹的质量。当然，这些判断建立在材料给出的对比之上，具体在哪些环境、对什么基线取得，还得看实验部分。

做 UAV 规划、可微优化或机器人自监督学习的人，读它比较对路。能拿走的大致三样：一个把学习式感知和可微轨迹优化组成双层优化的具体配方；时间分配网络这个不常见但实用的组件；以及可拿去和自己基线对照的控制努力数字。边界也要说清楚：材料只到摘要与引言，实验设置、失败案例、真实飞行的规模都没有展开；对比对象写作 state-of-the-art，但未列出具体基线；控制努力如何度量也没有定义。加上工作还很新，独立复现和第三方评测尚缺，结论宜按“作者报告的实验结果”来读。

A Self-Supervised Learning Approach with Differentiable Optimization for UA V Trajectory Planning Yufei Jiang∗1, Yuanzhu Zhan ∗1, Harsh Vardhan Gupta 2, Chinmay Borde 2, Junyi Geng 1 Abstract— While Unmanned Aerial Vehicles (UA Vs) have gained significant traction across various fields, path planning in 3D environments remains a critical challenge, particularly under size, weight, and power (SW AP) constraints. Traditional modular planning systems often introduce latency and subopti- mal performance due to limited information sharing and local minima issues. End-to-end learning approaches streamline the pipeline by mapping sensory observations directly to actions but require large-scale datasets, face significant sim-to-real gaps, or lack dynamical feasibility. In this paper, we propose a self- supervised UA V trajectory planning pipeline that integrates a