TJU-Aerial-Robotics/YOPO

解决的问题

YOPO 解决了在障碍物密集环境中自主无人机导航的挑战。它用一个统一的神经网络替代了传统的多阶段流水线（通常将感知、路径搜索和轨迹优化分离），以减少计算开销，并避免规划过程中的局部极小值问题。

工作原理

该系统作为“单阶段”规划器运行，灵感来自 YOLO 等目标检测器。它使用一组运动基元作为锚点，覆盖潜在的搜索空间，然后预测这些基元所需的偏移量和得分，以优化轨迹。

与需要专家数据的模仿学习或需要试错的强化学习不同，YOPO 采用“引导学习”策略。它直接将轨迹成本（如欧几里得符号距离场或 ESDF）的梯度反向传播到网络权重中，以优化路径。

适用人群

本项目专为从事敏捷无人机飞行、自主导航以及空中飞行器的仿真到现实迁移的机器人研究人员和工程师设计。

主要亮点

• 统一架构：将感知、建图和优化整合到一个网络中。
• 高效训练：使用引导学习，无需昂贵的模拟器或专家演示。
• 高性能：支持 TensorRT 部署，实现超快推理（在 NVIDIA Orin NX 上为 1–5ms）。
• 仿真到现实能力：在真实深度图像上训练的策略可零样本迁移到真实世界的立体相机和未知环境中。