在持续探索无人机极限空间飞行的研究过程中，法国洛林大学与Inria联合团队近期发布了其阶段性成果。2025年6月，他们在Nature子刊《npj Robotics》发表论文Flying in Air Ducts，提出一套融合气动力感知与神经网络定位的轻型飞行系统，成功实现一架18厘米微型四旋翼在直径仅35厘米的通风管中自主飞行。该系统集成了风管内气动建模、ToF-IMU融合感知与神经网络定位，突破了微型无人机在狭窄空间中自主悬停与导航的关键瓶颈。

视频来源：__https://www.youtube.com/watch\?v=7je2hUnGwms

01 研究背景

通风管道作为现代建筑（如商办楼宇、医院、轨道交通、工业厂房）中的关键结构，其内部状态直接影响空调、供暖系统运行与空气质量，需要定期检查。然而，这些封闭、狭小、复杂的风管系统对传统检测方式构成极大挑战：

• 人工作业不可进入；

• 地面机器人难以攀爬/越障；

• 飞行器则面临严重气动干扰与感知障碍。

尽管已有一些轮式与带壳飞行机器人应用于管道环境，但它们多用于较大空间或依赖人工遥控，很难实现在小直径圆形风管中的稳定自主飞行。

技术难点

• 气动扰动复杂风管内部回流强烈，叠加地面效应、吸顶效应与吸墙效应，使无人机悬停高度敏感、姿态易失稳。

• 感知条件极端风管环境封闭、黑暗、无特征，视觉类定位算法难以工作，传统ToF+IMU方法精度不足。

• 算力资源有限嵌入式平台算力受限，难以实时运行高复杂度算法，需实现低延迟、高鲁棒、可部署的定位与控制方案。

02 研究方法

该研究围绕微型无人机在狭窄通风管中的自主稳定飞行，提出了一套融合气动力建模与端到端位置估计的轻型飞控系统，实现了在直径仅35厘米风管中的悬停与自主飞行。

图片来源:《Flying in air ducts》，Thomas Martin 等，npj Robotics 2025

通风管内气动力场建模

研究团队首先量化旋翼在封闭圆管中的回流气动力，并据此确定最适合悬停的位置。

• 研究团队将安装六维力/矩传感器的无人机模型固定在Franka Panda七轴机械臂末端，在圆管截面定义的192个离散点静止测量气动力差值。

• 基于测量结果，系统绘制了圆形风管截面的扰动力分布图，揭示旋翼回流叠加壁面吸附效应，导致气动力随高度和横向位置呈非均匀分布。

• 数据表明，距管底约10cm处附加力最小，是相对稳定的悬停高度；中心线及靠近顶部位置的扰动显著增大。

图片来源:《Flying in air ducts》，Thomas Martin等，npj Robotics 2025

数据驱动的轻量级定位系统

为解决管道内无纹理、弱光导致的视觉失效问题，论文提出ToF传感器阵列 + 嵌入式MLP的定位方案。

• 微型ToF传感器阵列：采用9-10个VL53L1X传感器，分别指向无人机周围不同方向，测量无人机与管道壁之间的距离。传感器测距精度高、响应快，且不受光线环境影响。

• 神经网络架构：研究团队构建了一个多层感知机（MLP）模型，通过输入ToF传感器数据、无人机的速度信息以及IMU姿态信息，实时输出无人机在管道截面内的横向和纵向位置。

图片来源:《Flying in air ducts》，Thomas Martin 等，npj Robotics 2025

• 模型训练：利用OptiTrack和HTC Vive Lighthouse系统，采集了长达52分钟的精准飞行数据，构建训练集与测试集，神经网络最终实现定位误差在1厘米以内。

• 边缘计算部署：神经网络经过优化后，可直接部署于无人机搭载的STM32微控制器上，实时性强，延迟低于1毫秒。

03 实验测试

研究团队采用了一款整机宽约18 cm（螺旋桨尖对尖）、高 7.5 cm，含电池总重约130g的微型四旋翼，进行飞行测试。

• 在最优高度（~10cm），无人机在内径35cm的圆管中稳定悬停超过2分钟；

• 在内径45cm、56cm管道中，该神经网络模型表现出良好的泛化能力；

• 在总长3.9m、内径45cm隧道内，执行1.5 m前进后返航（共3m）测试，横向误差\<2cm。

图片来源:《Flying in air ducts》，Thomas Martin 等，npj Robotics 2025

资源速递
论文链接： https://www.nature.com/articles/s44182-025-00032-5

如果您有感兴趣的技术话题，请在留言区告诉我们！关注阿木实验室，更多技术干货不断更新！ 开发遇到棘手难题可以上阿木官方论坛：bbs.amovlab.com
有工程师亲自解答
10000+无人机开发者和你共同进步！