Cooperative navigation and control of UAVs in GNSS-denied environments
Notice bibliographique
Résumé
Cooperative Localization (CL) synergizes strongly with multi-quadrotor systems, particularly Unmanned Aerial Vehicles (UAV), which are actively developed for applications such as monitoring, surveillance, and search-and-rescue missions. By enabling UAVs to measure inter-vehicle poses and share data to jointly estimate their states, CL enhances positioning performance and supplements Global Navigation Satellite Systems in cases of signal degradation or denial. This thesis develops a new Cooperative Localization System (CLS) for quadrotor UAVs, employing an error-state Kalman filter. Through a novel observability analysis, unobservable configurations specific to quadrotors are identified, ensuring the practical deployment of the system. The system's state estimation accuracy is validated through extensive numerical simulations. Building on this system, trajectory optimization is explored to improve CL performance. An uncertainty-aware trajectory optimizer, which minimizes estimation uncertainty through a measure of the Kalman covariance matrix, is developed. The differential flatness property of quadrotors and polynomial parameterization of trajectories address challenges with numerical integration in minimizing covariance. However, computational complexity limits this approach to offline trajectory optimization only, preventing its transition to real-time feedback control. To overcome these limitations, observability-aware trajectory optimization is introduced into the area of CL. A proof linking maximization of observability to minimization of estimation uncertainty supports this approach. Inspired by this, a novel optimal control problem is proposed, using a new approximation of the Local Observability Gramian to maximize observability. A solution to this Observability-Aware Control Problem is applied to real-time control of quadrotor UAVs in simulations and to trajectory optimization in flight tests. Both simulation and experimental results demonstrate the efficacy of Observability-Aware Control in enhancing positioning precision through CL. The progressive development of a CLS, an Uncertainty-Aware Trajectory Optimizer, and finally an Observability-Aware Controller, is envisioned as a significant contribution to cooperative navigation and control of UAVs in environments deprived of Global Navigation Satellite Systems (GNSS) coverage.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».