> ## Documentation Index > Fetch the complete documentation index at: https://kensou.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # Drone soccer learning to manipulate with multicopt dissection [//]: # "" # 用旋翼下洗流操纵物体：Drone Soccer (Drone Soccer: Learning to Manipulate with Multicopter Downwash) > **发布时间**：2026-09-29（arXiv:2609.38588v1 \[cs.RO]） > **论文 / 模型名**：Drone Soccer（未给策略网络命名，方法核心为 *simplified downwash model* + PPO policy π） > **核心定位**：第一次把多旋翼的**下洗流（downwash）当作主动执行器**而非扰动——用一个刻意不物理准确的简化气流模型训练闭环 RL 策略，在真机上完成"不接触地推球进门"的 drone soccer 任务。 传统 UAM（Unmanned Aerial Manipulator）把下洗流当成干扰项忽略掉，或者靠机械臂/缆绳/工具去**物理接触**物体。这篇论文问了一个很反直觉的问题：**气流本身能不能当手用？** 结论是能——一个只用动量理论 + 半经验拟合公式拼出来的下洗模型，足以训练出可 sim-to-real 迁移的推球策略。 *** ## X-Ray 开场 **问题**：多旋翼的螺旋桨一直在往地面吹一团气流（downwash），它随无人机姿态、离地/离物距离剧烈变化，精确建模只能靠 CFD，在 MPC 和 RL 里都不可用；已有简化模型只在"无人机静止、附近无表面"时成立。**做法**：作者造了一个混合极坐标下的下洗速度场模型（动量理论给速度幅值 + 一个"扩散角"给速度方向 + 钝体阻力给球上的力），把它塞进 MuJoCo，用 PPO 训一个 10 Hz 输出航点的策略，让球滚向目标。**对 spatial AI 研究者意味着什么**：这是"**用一个明知错的模型 + 闭环反馈去换取可控性**"的又一例证——和敏捷飞行里"用线性模型跑 MPC"是同一个哲学；同时也提醒：当"感知/建模"退化成一个解析公式时，**代价是状态必须由外部动捕喂进来**，感知这一环被整个外包掉了。 *** ## 📍 研究全景时间线 ``` 2010s ─────────────── 2020s ─────────────────────────── 2026 ─────────► │ │ │ ▼ ▼ ▼ [接触式 UAM] [气动操纵] [本文 Drone Soccer] 机械臂/缆绳/夹具 Wu et al. [18]: 轮式机器人 · 首次用多旋翼 downwash 换灯泡/运载/打球 装风机吹散颗粒 → 比推挤更有效 做操纵的 UAM 策略 (pneumatic mobile manip.) · 简化 downwash 模型 │ │ · RL 策略 sim-to-real │ ▼ │ │ [经典 downwash 模型] │ │ Bau?feld et al. [19] │ │ 仅对"静止无人机 + 无近邻表面"有效 │ │ │ │ └─────────────────────┴────────────────────────────────┘ │ ┌───────────────────────────────────────────────┘ ▼ 本文局限（2026 视角）： · 单机 / 单球 / 动捕场地内（8m×10m），无机载感知 · 球速 >≈1.5 m/s 就推不动（HITL 第 11 脚 2.52 m/s 失败） · 模型参数 (Bd, S, s0) 需按平台/场景重新拟合 · 无多机、无对抗、无真实任务指标 ``` *** ## 1 · 核心架构 / 方法总览 ### 1.1 系统组件对比表 | 模块 | 输入 | 输出 | 训练时 | 推理/部署时 | | - | - | - | - | - | | **下洗模型**（Eq. 1–7） | 电机推力向量 $u\in\mathbb{R}^N$ + 球/旋翼相对几何 | 球上的阻力 $F_b$ | 在 MuJoCo 内每 sim step 计算 | 不运行（被真实物理替代） | | **策略 π**（2 层 MLP，hidden 64） | 18 维状态 $s$（Eq. 10） | 3 维混合坐标系航点 $a=[\Delta x_m,\Delta y_m,z_m]$ | PPO \[25] + 课程学习，10 Hz | 机载 10 Hz 输出航点 | | **底层控制器** | 航点 $a$ | 电机推力 $u$ | 用 geometry controller \[28] 模仿 PX4 增益 | PX4 实机控制器 | | **状态估计** | 动捕标记点 + PX4 EKF \[26] + 独立 KF | $s\in\mathbb{R}^{18}$ | sim 内直接给真值 | 动捕给位置，EKF 给速度 | | **安全层** | 航点 | 裁剪后航点 | 无 | Geofence（8m×10m 内）拦截越界航点 | **训练-推理差异（关键）**：训练时策略看到的是**完美状态 + 有偏的下洗模型**；部署时看到的是**估计状态 + 真实下洗**。两处 gap 都靠 10 Hz 闭环 + 底层控制器吸收——论文反复强调"用闭环处理建模误差"（原文：*We handle resulting dynamics inaccuracies with a closed-loop controller.*）。 ### 1.2 关键机制 **⚡ Eureka Moment：下洗流不是需要被补偿的扰动，而是一个"软执行器"——因此模型的绝对精度不重要，重要的是它的 *方向性与单调性* 足够正确，让闭环 RL 能把它当成一个可微的推力源来利用。** 具体体现为三层"故意将就"： 1. **动量理论取平均**（Eq. 1）：把 $N$ 个螺旋桨的推力求平均，直接忽略桨间差异与机动引起的诱导速度变化——作者明说 *but we find it is sufficient for drone soccer*。 2. **半经验拟合代替 CFD**（Eq. 2–3）：复用 Bau?feld 的简化模型，参数 $Bd=10.11,\ S=0.07668,\ s_0=-5.817$ 来自风速计数据拟合；只加了一个启发式的"扩散角" $\phi$ 去模拟气流触地后向外辐射。 3. **钝体阻力封顶**（Eq. 7）：$C_d=0.5$ 定值，不建模湍流与非均匀流场。 代价是模型在远场/大球速下力偏小——这直接解释了 §6 的失败模式。 ### 1.3 信息流 / 架构图 ``` ┌──────────────────────────────────────────┐ │ MuJoCo 仿真 │ │ │ s ∈ R^18 ────────►│ π (MLP 64×2) ──10Hz──► a=[Δx,Δy,z] │ (drone/ball/goal) │ │ ▲ │ │ ▼ │ │ │ low-level ctrl ──► u ∈ R^N │ │ │ │ │ │ │ ▼ │ │ │ ┌─────────────────────────────┐ │ │ │ │ Downwash 模型 │ │ │ │ │ u ─(1)─► U_H │ │ │ │ │ (2)(3)─► U (速度幅值) │ │ │ │ │ (4)(5)─► v⃗ (单位方向,扩散角) │ │ │ │ │ (6)───► v = U·R·v⃗ │ │ │ │ │ (7)───► F_b = C_d ρ A_b │ │ │ │ │ ‖v−v_b‖(v−v_b) │ │ │ │ │ ω─(10)─► p_b, v_b ────┼──────┘ │ │ └─────────────────────────────┘ │ └──────────────────────────────────────────┘ │ sim-to-real ▼ ┌──────────────────────────────────────────┐ │ 实机：Starling 2 Max + 148g/φ13.5cm 球 │ │ 动捕(MoCap) ──► 位置；PX4 EKF ──► 速度 │ │ 独立 KF ──► 球速度；Geofence ──► 安全裁剪 │ └──────────────────────────────────────────┘ ``` *** ## 2 · 数学核心 📌 **Napkin Formula** $F_b \;=\; C_d\,\rho\,A_b\,\lVert v-v_b\rVert\,(v-v_b),\qquad v = U\,\mathbf{R}\,\vec{v},\qquad U \;\propto\; \frac{U_H}{\tilde s - s_0}$ **一句话直觉**：球受到的力就是"气流相对球的速度"的平方级阻力——所以**能把球加速到多快，天花板就是那个位置的 downwash 速度 $U$**。而 $U$ 随距离（$\tilde s$）衰减、随推力（$U_H=\sqrt{\sum u/2\rho A_p N}$）开方增长。推快球只有两条路：飞得更低，或者推得更猛——而推力只以 $\sqrt{\cdot}$ 进模型。 *** **目标**：把电机推力指令 $u$ 映射成球上的力 $F_b$，供 RL 策略在仿真中学习。 ### 第 1 步：推力 → 诱导速度 $U_H$（动量理论） $U_H=\sqrt{\frac{\boldsymbol{1}\cdot u}{2\rho A_p N}} \tag{1}$ | 符号 | 含义 | | - | - | | $u\in\mathbb{R}^N$ | $N$ 个螺旋桨的推力指令，$\boldsymbol{1}\cdot u$ 为总推力 | | $\rho$ | 空气密度 | | $A_p$ | 单个螺旋桨盘面积 | | $N$ | 螺旋桨数量 | **直觉**：动量理论的标准结论——桨盘处的诱导速度正比于推力的平方根。这里把 $N$ 个桨"平均化"成一个等效大桨。 ### 第 2 步：几何归一化 + 幅值衰减（Bau?feld 简化模型） $\tilde s=\frac{s}{l},\quad \tilde r=\frac{r}{l},\quad \xi=\frac{\tilde r}{S(\tilde s-s_0)} \tag{2}$ $U=\frac{U_H\,Bd}{(\tilde s-s_0)\left(1+(\sqrt2-1)\xi^2\right)^2} \tag{3}$ | 符号 | 含义 | | - | - | | $s,r,\theta$ | 混合极坐标：$s$ 垂直于旋翼平面（轴向），$r$ 在旋翼平面内（径向），$\theta$ 是 $r$ 绕 $s$ 的方位角 | | $l$ | 归一化特征长度（摘录中未显式定义） | | $\xi$ | 重标定的径向位置 | | $Bd=10.11,\ S=0.07668,\ s_0=-5.817$ | 由大量风速计数据拟合的参数 | **直觉**：分母 $(\tilde s-s_0)$ 决定"离桨越远越弱"；$s_0$ 把零点整体平移，是**最敏感的那个旋钮**（见 §6/§8）。$(1+(\sqrt2-1)\xi^2)^2$ 是轴向中心最强、向外衰减的钟形剖面。 ### 第 3 步：速度场方向（启发式"扩散角"） $\phi=\arctan\frac{r}{e_3\cdot\mathbf{T}\,[r\cos\theta\ \ r\sin\theta\ \ s]^\top} \tag{4}$ $\vec v=\begin{bmatrix}\sin\phi\cos\theta & \sin\phi\sin\theta & -\cos\phi\end{bmatrix}^\top \tag{5}$ $v=U\,\mathbf{R}\,\vec v \tag{6}$ | 符号 | 含义 | | - | - | | $\mathbf{T}\in SE(3)$ | 局部→世界变换 | | $e_3=[0,0,1]^\top$ | 世界 $z$ 轴（地面法向，向上） | | $\mathbf{R}\in SO(3)$ | 局部→世界旋转 | | $\vec v$ | 单位方向向量 | **直觉**：在桨盘原点附近，$\phi\to 0$，气流沿 $-s$ 轴直吹；接近地面时，$\phi$ 增大，气流被"摊开"向外辐射。这一个人工角度就把**流体-地面相互作用**塞进了解析式里。 ### 第 4 步：气流速度 → 球上的力（钝体阻力） $F_b=C_d\,\rho\,A_b\,\lVert v-v_b\rVert\,(v-v_b) \tag{7}$ | 符号 | 含义 | | - | - | | $C_d=0.5$ | 阻力系数（定值） | | $A_b$ | 球的横截面积 | | $v_b$ | 球的当前速度 | **直觉**：这是一个"风阻力"，与**相对速度的平方**成正比、与相对速度方向同向。当 $v_b\to v$ 时 $F_b\to 0$——这就是球速天花板的物理来源。 ### 策略侧（RL 部分） **状态**（$S\subset\mathbb{R}^{18}$）： $s=\begin{bmatrix}z_m & \vec s^{\,\top} & v_m^{\top} & \omega_m^{\top} & (p_b-p_m)^{\top} & v_b^{\top} & \left(g-[x_b\ y_b]\right)^{\top}\end{bmatrix} \tag{10}$ **动作**（混合坐标系航点，$A\subset\mathbb{R}^3$）： $a=\begin{bmatrix}\Delta x_m & \Delta y_m & z_m\end{bmatrix} \tag{11}$ **奖励**： $$ \begin{aligned} \mathcal R(s,a,s')=\ & w_v\frac{s'_{17:18}}{\lVert s'_{17:18}\rVert}\cdot s'_{14:15} + w_p\big(G(s'_{17:18})-G(s_{17:18})\big)\\ &+ w_r H(\epsilon_g-\lVert s'_{17:18}\rVert)-w_c H(\epsilon_z-s'_1)\\ &- w_c H(\epsilon_b-\lVert s'_{12:13}\rVert)-w_s L(a) \end{aligned} \tag{12} $$ $L(a)=\lVert (p_m+a)-(p_{m,prev}+a_{prev})\rVert \tag{13}$ 状态索引与奖励项的对应（这是读懂奖励的关键）： | 索引 | 物理量 | 用在哪 | | - | - | - | | $s_1$ | $z_m$ 无人机高度 | 撞地惩罚 $H(\epsilon_z-s'_1)$ | | $s_{2:4}$ | 机体 $s$ 轴单位向量 $\vec s$ | — | | $s_{5:7}$ / $s_{8:10}$ | 世界系线速度 / 体系角速度 | — | | $s_{11:13}$ | $p_b-p_m$（球−机相对位置） | 撞球惩罚 $\lVert s'_{12:13}\rVert$（取 xy 分量） | | $s_{14:16}$ | $v_b$ 球速度 | 第一项取 $s'_{14:15}$（xy）算"球速指向目标的程度" | | $s_{17:18}$ | $g-[x_b,y_b]$（球→目标） | 第一、二、三项 | **权重**：$w_v=2$，$w_p=0.5$（高斯 std 0.1 m），$w_r=500$，$w_c=100$，$w_s=0.005$；阈值 $\epsilon_g=0.3$、$\epsilon_b=0.3$、$\epsilon_z=0.2$（论文原文此处写作 "$\epsilon_g=0.3,\epsilon_b=0.3,\epsilon_g=0.2$"，第二个 $\epsilon_g$ 应为 $\epsilon_z$，属原文笔误）。 **注意**：状态**不含 yaw**——作者明确说 *our downwash model doesn't depend on yaw*，所以策略对偏航是盲的。 *** ## 3 · 带数字走一遍 > ⚠️ 以下为**玩具设定**，用于演示量级与单调性，非论文报告数字。论文未给出 $l$ 的定义，这里取 $l=0.127$ m（旋翼半径量级）作假设。 **设定**：4 桨，单桨盘面积 $A_p=0.015\ \mathrm{m^2}$，$\rho=1.225\ \mathrm{kg/m^3}$，总推力 $\boldsymbol 1\cdot u=6\ \mathrm{N}$；球心在桨下 $s=1.0$ m、正轴线上（$r\approx0$）；球质量 148 g，直径 13.5 cm。 **Step 1 — 诱导速度** $U_H=\sqrt{\frac{6}{2\times1.225\times0.015\times4}}=\sqrt{\frac{6}{0.147}}=6.39\ \mathrm{m/s}$ **Step 2 — 归一化与轴向距离** $\tilde s=\frac{1.0}{0.127}=7.87,\qquad \tilde s-s_0=7.87-(-5.817)=13.69$ $r\approx0\Rightarrow\xi\approx0$，故 $U=\frac{6.39\times 10.11}{13.69\times 1}=4.72\ \mathrm{m/s}$ **Step 3 — 球上的力**（球静止，$v_b=0$） $A_b=\pi(0.0675)^2=0.01431\ \mathrm{m^2}$ $F_b=0.5\times1.225\times0.01431\times4.72\times4.72=0.195\ \mathrm{N}$ $a=\frac{0.195}{0.148}=1.32\ \mathrm{m/s^2}$ **读数**：约 $1.3\ \mathrm{m/s^2}$ 的初加速度——球从静止到 1.5 m/s 至少需要约 1 秒量级，而且**随着 $v_b$ 增大，$(v-v_b)$ 变小，力还会继续掉**。这个玩具量级与论文观察到的 "低于 ≈1.5 m/s 表现良好、2.52 m/s 踢球推不动" 是自洽的。 **参数敏感性**：若把 $s_0$ 从 $-5.817$ 改成论文为匹配实机数据所用的 $-18.07$，分母变成 $7.87+18.07=25.94$，$U\to2.49$ m/s，$F_b\to0.054$ N——**力掉了 3.6 倍**。这说明 $s_0$ 是模型的杠杆点：它既被用来"对齐真实数据"，也直接决定策略能推多快。 *** ## 4 · 工程视角 | 项目 | 论文报告值 | 备注 | | - | - | - | | 策略输出频率 | **10 Hz**（航点） | 底层控制器在更高频率运行 | | 策略网络规模 | 2 层 MLP，hidden dim **64** | 极小；参数量论文未报告 | | 动作空间边界 | $\Delta x_m,\Delta y_m\in[-3,3]$ m，$z_m\in[0.5,1.5]$ m | 高度硬夹在 0.5–1.5 m：**不能飞更低去加强气流** | | 仿真器 | MuJoCo \[27] | 训练频率"高于策略频率"，具体值论文未报告 | | 机载平台 | Modal AI Starling 2 Max | 真实机型 | | 球 | 质量 **148 g**（约无人机重量 1/4），直径 **13.5 cm** | | | 工作空间 | 动捕场地 **8 m × 10 m**，内含 geofence | 安全靠 geofence 裁剪航点 | | 状态来源 | 动捕 + PX4 EKF \[26] + 独立 Kalman filter | 球速度用单独 KF | | **策略推理延迟** | **论文未报告** | — | | **训练步数 / 训练时长** | **论文未报告** | — | | **显存 / 吞吐 / FPS** | **论文未报告** | — | | **机载计算单元型号** | **论文未报告** | — | **Trade-off 解读（定性，不含未报告数字）**： 1. **模型精度 ↔ 闭环频率**：论文的整个设计哲学是把"建模精度"折算成"闭环带宽"。模型越糙，越依赖 10 Hz 的重规划。这条路径的上限由此锁死：**当球速接近 downwash 速度时，力趋近于 0，闭环再怎么快也推不动**（§3 的玩具已经展示）。 2. **动作空间设计 ↔ 探索难度**：动作是**混合坐标系航点**（xy 相对、z 绝对），且用 $L(a)$（Eq. 13）惩罚绝对航点位置的跳变。这既是为了平滑，也是为了"相对表示与状态空间一致"——但代价是**策略无法表达"急剧下压"这种短时强气流的动作**。 3. **感知外包 ↔ 部署自由度**：$s\in\mathbb{R}^{18}$ 里球的位置与速度全部来自动捕 + KF。这是一个**室内、已知物体、外部感知**的设定。机载算力几乎不是瓶颈（64 维 MLP），但**感知管线是**——这一点论文完全没有触碰。 *** ## 5 · 数据与评测 ### 5.1 数据 / 环境组成 * **无标准数据集**。训练数据来自 MuJoCo \[27] 中自建的 drone soccer 环境，环境参数按真机对齐： * 无人机与球的**惯性参数**来自实测与产品规格； * 用 **geometry controller \[28]** 模仿 PX4 控制器性能，增益直接抄自机载配置； * **关键域随机化/校准动作**：把 Eq. (2) 中的 $s_0$ 设为 **$-18.07$**，作者称该值产生的"球-下洗动力学"与实采数据吻合（注意：Eq. 3 的原始拟合值是 $s_0=-5.817$）。 * **课程学习**：早期无人机**固定在球后方初始化**（快速学会推球）；后期无人机/球/目标**完全随机**。早期球初速为 0，随训练推进逐步加入**递增幅值的随机初速**。 * **策略训练**：PPO \[25]。奖励在**每个 sim step** 计算，把两次策略推理之间的奖励**求和**后喂给 PPO。 ### 5.2 评测设置（讲条件，不只给结论） **硬件**：Modal AI Starling 2 Max；动捕标记 + 球上反光贴；无人机速度由 PX4 EKF \[26]、球速度由独立 Kalman filter 估计；**8 m × 10 m** 动捕工作空间内设 geofence。 **5 组实验的条件差异**： | 实验 | 初速条件 | Geofence | 特殊设定 | | - | - | - | - | | (a)(b) | 球初速 **0** | 标准 | 场地内 | | (c)(d) | 球初速 **非零** | 标准 | 场地内 | | (e) | — | 收缩到 $y=+2$ 结束，目标设在 $(0,4)$ | **HITL**：人等在场地外，把球踢回给无人机 | **TABLE I：Geofenced Experiment Performance**（原文逐字） | | (a) | (b) | (c) | (d) | | - | - | - | - | - | | Goal Reached? | True | False | True | True | | Median Ball Speed (m/s) | 0.43 | 0.50 | 0.90 | 0.91 | | Initial Ball Speed (m/s) | 0.0 | 0.0 | 0.98 | 1.63 | | Final Ball Speed (m/s) | 0.72 | 1.41 | 1.60 | 1.20 | **TABLE II：HITL Average Ball Speed Statistics (m/s)**（原文逐字） | Min | Median | Max | Successful Max | | - | - | - | - | | 0.62 | 1.22 | 1.52 | 2.52 | **结论条件化**： * 场地内 **3/4** 达成目标（(a)(c)(d) 成功，(b) 失败）。 * HITL 中人与机**连续完成 10 次传球**，第 11 次因**球速过大**失败。 * 论文明确给出的能力边界：**球速低于 ≈1.5 m/s 时表现良好**——这解释了为何接不住 2.52 m/s 的那一脚。 * 其余指标（成功率曲线、力误差、sim-to-real 量化差距等）：**论文未报告**。 *** ## 6 · 能力与失败模式 ### 能做 * **不接触地把球推向指定目标**：场地内 4 组配置成功 3 组。 * **处理非零初速**：(c)(d) 中球以 0.98 / 1.63 m/s 初速出发仍达成目标。 * **与人闭环传球（HITL）**：连续 10 次。 * **sim-to-real 迁移**：用同一个只用解析公式建的 downwash 模型训练的策略，直接在真机上跑。 ### 不能做 * **推快球**：球速超过约 1.5 m/s 后力不足以快速改向；2.52 m/s 直接失败。 * **在力不足时绕开 geofence 完成目标**：Fig. 3(b) 中无人机**先撞到 geofence 边界也没能把球改向**，直接导致失败。 * **处理任何需要感知的场景**：没有机载视觉，全靠动捕。 * **多机 / 对抗 / 真实任务指标**：论文只在 discussion 里作为 future work 提及。 ### 失败模式的机械根源 | 失败现象 | 机械原因 | | - | - | | 球速 >≈1.5 m/s 推不动 | Eq. (7) 中力 $\propto\lVert v-v_b\rVert(v-v_b)$，$v_b\to v$ 时力→0；而 $v$ 的上限由 Eq. (3) 的 $U$ 决定，$U$ 又随距离衰减、随推力只以 $\sqrt{\phantom{x}}$ 增长 | | 无人机为改向而撞 geofence | 策略动作被 bound 在 $\Delta x_m,\Delta y_m\in[-3,3]$、$z_m\in[0.5,1.5]$；高度下界 0.5 m 限制了"贴近地面加强气流"的手段，只能靠水平追击，于是冲到边界 | | (b) 组失败 | 球初速为 0 但几何位置不利（需长距离改向），力不足 + 空间不足叠加 | | sim-to-real 差距 | 模型忽略桨间差异、机动引起的诱导速度变化、径向流动分量、湍流与非均匀流场；论文靠**重拟合 $s_0=-18.07$** + 闭环来补 | ### 隐含假设 (Hidden Assumptions) 1. **地面是唯一的相互作用面，且绝对水平**。Eq. (4) 用 $e_3\cdot \mathbf T[\cdot]$ 把地面当作 $\phi$ 的唯一几何参考。斜坡、墙、桌沿均无定义。 2. **状态是完美/近完美的**。训练时给真值，部署时靠动捕 + EKF + KF——**没有建模任何状态估计误差对策略的影响**。148 g 的球在 1 m 外，位置噪声会直接变成力方向误差。 3. **球是刚性的、各向同性的实心球**，$C_d=0.5$ 恒定。不同表面粗糙度/旋转（球的自旋完全不在状态 $s$ 中）都不被建模。 4. **偏航无关**。状态刻意省略 yaw，因为 downwash 模型不含 yaw——这既是简化，也意味着**任何依赖机体朝向的操纵策略都无法表达**。 5. **螺旋桨推力可平均**，诱导速度在 $N$ 个桨之间空间均匀。 6. **气流是准静态的**：$v$ 是 $u$ 与几何的瞬时函数，没有流动建立/衰减的时间常数。真实的桨叶涡流有滞后。 7. **参数 $(Bd,S,s_0)$ 是可迁移的**。但它们来自特定风速计数据，且作者自己不得不把 $s_0$ 从 $-5.817$ 手调到 $-18.07$ 才能匹配自己的平台——**这实际上承认了参数不可跨平台迁移**。 8. **安全由 geofence 保证，而非由策略保证**。策略本身没有"不越界"的约束，越界航点被外部模块裁剪。 9. **"策略能迁移"等价于"闭环能吃掉模型误差"**——论文未做消融证明这一点（例如用真实 downwash 训练、或用错误参数评估策略敏感度）。 *** ## 7 · 与相关工作对比 | 维度 | 接触式 UAM（臂/缆绳/工具）\[1–11] | 气动操纵（轮式 + 风机）\[18] | 经典 downwash 模型 \[19] | **本文 Drone Soccer** | | - | - | - | - | - | | 交互模态 | 物理接触 | 气流（地面机器人） | —（仅建模） | **气流（多旋翼）** | | 下洗流的角色 | 扰动，忽略/补偿 | 不适用 | 被建模对象 | **主动执行器** | | 建模方式 | 刚体/缆绳动力学 | 简化的粒子流体 | 风速计拟合 | 动量理论 + 拟合 + 启发式扩散角 | | 是否闭环 | 是 | 是（multi-frequency hierarchical） | 否 | **是（10 Hz RL 闭环）** | | sim-to-real | 视工作而定 | 已验证 | — | **已验证** | | 平台机动性 | 依赖机械臂自由度 | 受轮式底盘限制 | — | **飞行，全向机动** | | 主要局限 | 接触即碰撞风险、需末端执行器 | 只能在地面工作 | 仅静止无人机、无近邻表面 | 球速上限、需动捕、单机单球 | **本文相对 \[19] 的核心增量**：把"仅对静止无人机、无近邻表面有效"的模型，扩展到"**无人机高机动 + 存在地面 + 需要闭环操纵**"的场景，办法是加一个"扩散角" $\phi$ 来伪造流体-地面相互作用（Eq. 4–5）。 **本文相对 \[18] 的核心增量**：把气动操纵从**轮式底盘**搬到**多旋翼**，并表明"多频层级闭环 + 简化流体模型可迁移"这一结论在飞行平台上同样成立。 *** **面试 Tip（被问到怎么答）**： > "这篇不该被读成'又一个 RL 控制论文'，它的卖点是**把执行器的定义换掉了**——以前 UAM 的执行器是机械臂，这里执行器是螺旋桨的气流场。技术上真正值得说的是那个**方法论赌注**：模型明知不物理准确（忽略桨间差异、径向流、湍流，参数还是手调的），但作者赌*闭环带宽能覆盖模型误差*——这个赌注在敏捷飞行里也成立过（线性模型 + MPC）。如果我被追问'那它为什么推不动快球'，答案可以直接从公式给：$F_b\propto\lVert v-v_b\rVert(v-v_b)$，而 $v$ 的上限由 $U_H/(\tilde s-s_0)$ 决定，推力只以 $\sqrt{\cdot}$ 进模型、高度又被动作空间夹在 $[0.5,1.5]$ m，所以球速天花板 ≈1.5 m/s 是从模型结构里长出来的，不是调参没调好。" *** ## 8 · GitHub-validated pitfalls (atlas 联动, 2026-10-01) **Repo 状态说明**：arXiv 全文（含 HTML/PDF 版本）中**未出现任何 `github.com` 仓库链接**，也未给出项目主页或数据集托管地址（页面的 "Report GitHub Issue" 属 arXiv 平台自身 UI，非作者仓库）。因此本节的 pitfall **全部由 §6 的失败模式 + 方法的硬约束推导，未经 issue 流验证**，不引用任何 issue 编号或 commit。 ### Pitfall 1 — 换平台必崩：$(Bd,S,s_0)$ 与 $A_p,N$ 是平台绑定的 **推导链**：§6 假设 7 → 论文自身把 $s_0$ 从 $-5.817$ 改成 $-18.07$ 才匹配自己的实机数据 → §3 玩具显示 $s_0$ 变化 3 倍能使 $F_b$ 变化 3.6 倍。 **工程后果**：把策略/模型原样搬到另一架桨径、桨数、推力曲线不同的机上，downwash 力场量级直接错位；由于策略动作空间被 bound（$z_m\in[0.5,1.5]$、$\Delta xy\in[-3,3]$），它**没有余量去自动补偿一个整体偏小 3 倍的力**。复现时必须重跑风速计/称重标定，而不是改超参。 ### Pitfall 2 — 没有动捕就没有状态：$s\in\mathbb{R}^{18}$ 是外部喂的 **推导链**：§6 假设 2 + §5 状态来源（MoCap 位置 + PX4 EKF + 独立 KF）。 **工程后果**：$(p_b-p_m)$ 与 $v_b$ 直接来自外部跟踪系统；一旦移植到只有机载感知的平台上，$v_b$ 的估计误差会经由 Eq. (7) 的 $\lVert v-v_b\rVert(v-v_b)$**平方级放大**到力上——而且是**误差×误差**的乘积结构。这是把"感知"整个外包给动捕所必然要付的账。 ### Pitfall 3 — 球速天花板：力饱和是结构性的，不是训练不足 **推导链**：§6 失败模式第 1 行 + Eq. (3)（$U$ 随 $\tilde s-s_0$ 衰减）+ Eq. (7)（$v_b\to v$ 时 $F_b\to0$）+ 动作空间 $z_m\ge0.5$（不能更贴地）。 **工程后果**：HITL 第 11 脚 2.52 m/s 的失败**不是可调的超参问题**。要突破这个天花板，必须改结构——放宽高度下界、换更大桨盘（增大 $A_p$ 从而增大 $U_H$）、或者干脆放弃"风是唯一执行器"的约束。任何"再训久一点/调大 $w_v$"的尝试都会被这个结构性上限挡住。另外注意 Eq. (7) 未建模球自旋，而状态 $s$ 也不含球角速度——**滚动球的高转速状态对策略完全不可见**。 ### Pitfall 4（次级）— 无 yaw 的状态表示会锁死后续扩展 **推导链**：§6 假设 4 + Eq. (10) 中无 yaw 分量。 **工程后果**：任何需要"侧向吹"或"绕行避障"的下游任务都无法直接在这套状态/动作表示上做增量训练——状态里缺少的必要信息不是加个 MLP 头就能补回来的，得重训。论文明确承认这个省略（*our downwash model doesn't depend on yaw*），但把它作为设计选择而非局限来陈述。 *** [← Back to navigation README](./README.md) > **Status**：v0.1 · 基于 arXiv 全文（含 HTML 渲染版，正文截断于 Discussion）· 未在真机复现的数字标 `UNVERIFIED`；§3 的数值为明确标注的玩具设定，非论文报告值。 [//]: # "" This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.