TJU-Aerial-Robotics/YOPO

解決的問題

YOPO 解決了在障礙物密集環境中自主無人機導航的挑戰。它以單一整合式神經網路取代傳統的多階段流程（通常將感知、路徑搜尋與軌跡最佳化分離），以降低計算負荷，並避免規劃過程中的局部極小值問題。

工作原理

該系統作為「單階段」規劃器運作，靈感來自 YOLO 等物件偵測器。它使用一組運動基元作為錨點，覆蓋潛在的搜尋空間，然後預測這些基元所需的偏移量與分數，以優化軌跡。

與需要專家資料的模仿學習或需要試錯的強化學習不同，YOPO 採用「引導學習」策略。它直接將軌跡成本（如歐幾里得符號距離場或 ESDF）的梯度反向傳播至網路權重，以最佳化路徑。

適用對象

本專案專為從事敏捷無人機飛行、自主導航以及空中載具的模擬到現實轉移的機器人研究人員與工程師設計。

主要亮點

• 統一架構：將感知、地圖建構與最佳化整合至一個網路中。
• 高效訓練：使用引導學習，無需昂貴的模擬器或專家示範。
• 高性能量產：支援 TensorRT 部署，實現超快速推論（在 NVIDIA Orin NX 上為 1–5ms）。
• 模擬到現實能力：在真實深度影像上訓練的策略可零樣本遷移至真實世界的立體相機與未知環境。