From 054a6be8e5302c798f36838ce9235b12b5fa0eb1 Mon Sep 17 00:00:00 2001 From: Chong Liu Date: Sat, 17 Oct 2026 14:53:15 +0800 Subject: [PATCH] =?UTF-8?q?[2026-10-17]=20ingest=20|=20sources/papers/sand?= =?UTF-8?q?o=5Farxiv=5F2604=5F07599.md=20=E2=80=94=20=E6=94=B6=E5=BD=95=20?= =?UTF-8?q?SANDO=20=E5=8A=A8=E6=80=81=E6=9C=AA=E7=9F=A5=E7=8E=AF=E5=A2=83?= =?UTF-8?q?=E5=AE=89=E5=85=A8=E8=A7=84=E5=88=92=E8=AE=BA=E6=96=87=E5=8F=8A?= =?UTF-8?q?=E5=BC=80=E6=BA=90=E5=AE=9E=E7=8E=B0?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- log.d/2026-10-17-ingest-sando.md | 5 + sources/papers/sando_arxiv_2604_07599.md | 49 ++++++++ sources/repos/sando.md | 40 ++++++ sources/sites/sando-project.md | 36 ++++++ wiki/entities/ego-planner-swarm.md | 6 +- wiki/entities/paper-sando.md | 147 +++++++++++++++++++++++ 6 files changed, 281 insertions(+), 2 deletions(-) create mode 100644 log.d/2026-10-17-ingest-sando.md create mode 100644 sources/papers/sando_arxiv_2604_07599.md create mode 100644 sources/repos/sando.md create mode 100644 sources/sites/sando-project.md create mode 100644 wiki/entities/paper-sando.md diff --git a/log.d/2026-10-17-ingest-sando.md b/log.d/2026-10-17-ingest-sando.md new file mode 100644 index 000000000..b21805d9e --- /dev/null +++ b/log.d/2026-10-17-ingest-sando.md @@ -0,0 +1,5 @@ +## [2026-10-17] ingest | SANDO 动态未知环境安全规划 + +- 归档 arXiv v3、作者项目页与 MIT ACL 官方代码；代码已开源，README 提供 ROS 2 Humble 仿真 / 硬件入口，并依赖 Gurobi WLS Academic license。 +- 新增 SANDO 统一实体页，记录 STSFC、热图 A*、硬约束 MIQP、变量消元与真机评测；明确形式安全的假设及真机估计 / 跟踪误差边界。 +- 作者主页称 T-RO 有条件接收，当前仓库 README 写作已接收；保留来源表述差异。 diff --git a/sources/papers/sando_arxiv_2604_07599.md b/sources/papers/sando_arxiv_2604_07599.md new file mode 100644 index 000000000..ae6e7fe73 --- /dev/null +++ b/sources/papers/sando_arxiv_2604_07599.md @@ -0,0 +1,49 @@ +# SANDO 论文来源归档 + +## 元数据 + +- **题目：** SANDO: Safe Autonomous Trajectory Planning for Dynamic Unknown Environments +- **作者：** Kota Kondo、Jesús Tordesillas、Juan Rached、Lili Sun、Yixuan Jia、Jonathan P. How +- **机构：** 麻省理工学院航空航天系 / Aerospace Controls Laboratory（MIT ACL）；Jesús Tordesillas 另属 Comillas Pontifical University 的 TRAIL +- **预印本：** https://arxiv.org/abs/2604.07599 +- **HTML：** https://arxiv.org/html/2604.07599v3 +- **版本：** v3，2026-09-25，cs.RO +- **项目页：** https://kotakondo.github.io/projects/sando/ +- **代码：** https://github.com/mit-acl/sando +- **演示视频：** https://youtu.be/_T10DJiLQXg +- **发表状态：** Kota Kondo 个人主页的 2026 年 7 月新闻称 T-RO 有条件接收；截至 2026-10-17，仓库 README 写作“Accepted to IEEE Transactions on Robotics”。保留两处来源表述，最终卷期 / DOI 以正式出版记录为准。 +- **一句话说明：** 面向 3D 动态未知环境的 UAV 规划栈，以时空安全飞行走廊、热图全局规划与硬约束 MIQP 兼顾连续时间碰撞安全和在线重规划。 + +## 论文的核心问题 + +未知环境中的障碍位置与运动不能预先完整给定；动态障碍还会让刚生成的无碰撞路径很快失效。软惩罚规划器虽然快，但通常不能给出严格安全保证；硬约束方法虽能保证安全，却可能计算慢或过度保守。SANDO 针对狭窄、拥挤且有动态障碍的三维场景，将感知、跟踪、全局路径、时空走廊和轨迹优化组成闭环。 + +## 方法摘要 + +1. **动态障碍追踪：** 从时序占据栅格检测与聚类目标，用自适应扩展卡尔曼滤波器估计状态并预测未来运动。 +2. **热图引导全局规划：** 静态与动态障碍周围构造风险代价；A* 将占据约束作为硬限制、将热图作为软代价，偏向有更大安全空间的路径。 +3. **时空安全飞行走廊（STSFC）：** 沿路径和时间分层生成凸多面体；对动态障碍按各时间层的最坏可达集合膨胀，而不是对整个规划时域统一采用最坏情况。 +4. **硬约束轨迹优化：** 在走廊内用 MIQP 进行轨迹段与多面体分配。变量消元减少决策量；论文报告优化耗时最高可加速 7.4 倍。 +5. **失败回退：** 重规划无可行解时继续执行旧轨迹；若已没有可用轨迹则悬停。论文讨论移动子目标导致的递归可行性问题。 + +## 论文报告的证据与边界 + +- 标准化静态基准、障碍密集森林和动态障碍仿真中，作者报告 SANDO 在森林及动态基准的所有难度下均达到 100% 成功率，且未出现约束违反；感知闭环实验不使用障碍真值。 +- 四旋翼真机使用机载规划、感知与定位。静态场景完成 6 次飞行，动态场景完成 12 次飞行；动态实验中没有发生碰撞。 +- 动态真机平均重规划时间约 18–24 ms。实现以 100 Hz 触发重规划，但每轮完成后才开始下一轮，因此实际频率由总延迟限制。 +- **形式保证有前提：** 论文定理依赖障碍速度/尺寸、估计误差和跟踪误差等有界假设，保证范围是单个规划时域的连续时间避碰。 +- **真机不等于定理条件全部满足：** 作者报告机载目标估计误差约 0.30 m（行人实验 0.43 m），跟踪 RMS 误差约 0.21–0.57 m；据论文讨论，硬件上界与理想假设并不完全成立。因此应分别陈述“定理条件下保证”与“12 次动态真机无碰撞的经验结果”。 +- **局限：** 移动子目标下尚无递归可行性保证；最坏可达集膨胀在密集环境中可能过度保守；对传感器估计与实际跟踪误差的建模还需加强。 + +## 对 wiki 的映射 + +- 主实体页：[SANDO](../../wiki/entities/paper-sando.md) +- 对照：[EGO-Planner Swarm](../../wiki/entities/ego-planner-swarm.md)、[MIGHTY](../../wiki/entities/paper-mighty-hermite-spline-trajectory-planning.md) +- 系统背景：[多旋翼仿真—规划—飞控栈总览](../../wiki/overview/multirotor-simulation-planning-control-stack.md) + +## 一手来源 + +- arXiv v3 HTML： +- 官方项目页： +- 官方代码与运行说明： +- 官方演示： diff --git a/sources/repos/sando.md b/sources/repos/sando.md new file mode 100644 index 000000000..9a34ac044 --- /dev/null +++ b/sources/repos/sando.md @@ -0,0 +1,40 @@ +# mit-acl/sando + +> 官方代码仓来源归档 + +- **标题：** SANDO: Safe Autonomous Trajectory Planning for Dynamic Unknown Environments +- **类型：** repo +- **链接：** https://github.com/mit-acl/sando +- **组织：** MIT Aerospace Controls Laboratory +- **语言 / 许可：** C++ / BSD 3-Clause +- **仓库状态：** 公开；核查日期 2026-10-17 +- **开发环境：** Ubuntu 22.04、ROS 2 Humble +- **入库日期：** 2026-10-17 +- **一句话说明：** SANDO 的官方 ROS 2 规划栈，实现动态未知环境的感知、障碍跟踪、全局搜索、时空安全走廊与硬约束轨迹优化。 +- **论文：** https://arxiv.org/abs/2604.07599（HTML v3：） +- **项目页：** https://kotakondo.github.io/projects/sando/ +- **视频：** https://youtu.be/_T10DJiLQXg +- **沉淀到 wiki：** [SANDO](../../wiki/entities/paper-sando.md) + +## 开源范围与复现入口 + +仓库 README 提供 Docker 与原生 Linux 两种安装方式，列出四种仿真模式：RViz 交互规划、静态障碍、已知动态障碍、基于点云感知的未知动态障碍；场景难度覆盖 50 / 100 / 200 个障碍。运行脚本入口包括 `src/sando/scripts/run_sim.py`，Docker 演示由 `docker/Makefile` 提供。 + +- **依赖：** ROS 2 Humble；Docker 镜像同时集成 Gazebo / RViz。仓库推荐 Ubuntu 22.04。 +- **优化器许可：** Docker 运行说明要求 Gurobi WLS Academic license；计划在自有机器构建前应确认 Gurobi 许可可用。 +- **真机：** 论文展示 PX4 四旋翼硬件实验；硬件部署仍需匹配飞控、传感器、定位与机载计算配置。 +- **开放结论：** 规划与仿真代码已公开；仓库 README 未列独立训练数据或模型权重下载入口。 + +## 运行流程要点 + +点云进入地图管理与障碍追踪模块；追踪器输出动态障碍状态和预测，静态/动态风险热图供 A* 全局规划使用；路径和障碍可达集生成 STSFC；MIQP 优化器输出轨迹供低层控制执行。动态场景中重规划失败时沿用旧轨迹，旧轨迹失效时进入悬停回退。 + +## 版本与论文状态 + +作者主页（2026 年 7 月新闻）称论文有条件接收至 T-RO；仓库 README 在 2026-10-17 核查时使用“Accepted to the IEEE Transactions on Robotics (T-RO)”。该状态差异作为来源快照记录；引用时优先注明来源和核查日期。 + +## 关联原始来源 + +- [SANDO 论文来源归档](../papers/sando_arxiv_2604_07599.md) +- [SANDO 项目页归档](../sites/sando-project.md) +- [mit-acl/sando](https://github.com/mit-acl/sando) diff --git a/sources/sites/sando-project.md b/sources/sites/sando-project.md new file mode 100644 index 000000000..0d8f02ce3 --- /dev/null +++ b/sources/sites/sando-project.md @@ -0,0 +1,36 @@ +# SANDO 官方项目页来源归档 + +- **标题：** SANDO: Safe Autonomous Trajectory Planning for Dynamic Unknown Environments +- **类型：** 研究项目页 +- **项目页：** https://kotakondo.github.io/projects/sando/ +- **作者主页：** https://kotakondo.github.io/ +- **实验室：** https://acl.mit.edu/ +- **论文：** https://arxiv.org/abs/2604.07599（HTML v3：） +- **代码：** https://github.com/mit-acl/sando +- **视频：** https://youtu.be/_T10DJiLQXg +- **核查日期：** 2026-10-17 +- **一句话说明：** MIT ACL 的四旋翼规划项目，用热图全局规划、时空安全飞行走廊和硬约束优化处理动态未知环境。 + +## 项目页核查摘录 + +项目页概述 SANDO 的三项组成：根据动态障碍运动改变的时空安全飞行走廊、采用软代价引导路径的热图全局规划，以及用于快速 MIQP 优化的变量消元。页面直接链接论文、官方代码、演示视频和 MIT News。 + +作者个人主页在 2026 年 7 月新闻中写明 SANDO “conditionally accepted to IEEE Transactions on Robotics (T-RO)”。截至核查日，官方代码仓 README 标注为“Accepted to the IEEE Transactions on Robotics (T-RO)”。两处记录的措辞不同，归档分别保留原来源表述，不据此推断最终卷期或 DOI。 + +## 开放状态 + +- **代码：已开源。** 项目页 Code 链接指向 MIT ACL 官方仓库，提供 ROS 2 Humble 的仿真和硬件部署代码。 +- **数据 / 权重：** 项目页未列独立数据集或模型权重；该项目是规划系统，复现入口为源码、仿真场景与论文。 +- **论文：** arXiv v3 HTML 可公开阅读。 + +## 对 wiki 的映射 + +- 主实体页：[SANDO](../../wiki/entities/paper-sando.md) +- 论文摘要与评测摘录：[SANDO 论文归档](../papers/sando_arxiv_2604_07599.md) +- 仓库运行方式：[SANDO 代码归档](../repos/sando.md) + +## 一手来源 + +- [SANDO 项目页](https://kotakondo.github.io/projects/sando/) +- [Kota Kondo 个人主页](https://kotakondo.github.io/) +- [MIT Aerospace Controls Laboratory](https://acl.mit.edu/) diff --git a/wiki/entities/ego-planner-swarm.md b/wiki/entities/ego-planner-swarm.md index 669a69a7a..596a58535 100644 --- a/wiki/entities/ego-planner-swarm.md +++ b/wiki/entities/ego-planner-swarm.md @@ -3,7 +3,7 @@ type: entity tags: [repo, planning, swarm, esdf, uav, ros, zju-fast-lab, zju] status: complete -updated: 2026-09-25 +updated: 2026-10-17 related: - ../overview/multirotor-simulation-planning-control-stack.md - ./px4-autopilot.md @@ -12,6 +12,7 @@ related: - ./airsim.md - ./paper-mighty-hermite-spline-trajectory-planning.md - ./paper-flap-fov-active-perception-3d-navigation.md + - ./paper-sando.md sources: - ../../sources/repos/ego_planner_swarm.md summary: "EGO-Planner Swarm 是 ZJU FAST Lab 的单/多机局部轨迹规划器：ESDF 地图 + B-spline 优化，输出可对接 PX4 Offboard 的位置/速度设定点。" @@ -52,6 +53,7 @@ summary: "EGO-Planner Swarm 是 ZJU FAST Lab 的单/多机局部轨迹规划器 - **局限：极端动态障碍** — 需额外安全层（限速、禁飞区、人工接管）。 - **对照：[MIGHTY](./paper-mighty-hermite-spline-trajectory-planning.md)** — 同层软约束 UAV 规划器，用 **Hermite 联合时空优化** 在论文 benchmark 中报告更短飞行/求解时间；EGO 优势在 **ROS 1/2 生态与 swarm 扩展**。 - **对照：[FLAP](./paper-flap-fov-active-perception-3d-navigation.md)** — 同机构（ZJU）**无先验地图** 路线，把 **FOV 主动感知** 嵌入 MINCO 轨迹优化；EGO 不显式优化传感器可见性，FLAP 侧重窄 FOV 与竖向机动安全。 +- **对照：[SANDO](./paper-sando.md)** — 显式追踪动态障碍并以 STSFC + 硬约束 MIQP 做连续时间避碰分析；EGO 的核心路线仍是 ESDF + B-spline 快速局部规划。两者的安全保证和评测场景不能仅凭成功率横比。 ## 参考来源 @@ -65,10 +67,10 @@ summary: "EGO-Planner Swarm 是 ZJU FAST Lab 的单/多机局部轨迹规划器 - [MAVSDK](./mavsdk.md) - [MIGHTY（Hermite 样条规划 · RA-L 2026）](./paper-mighty-hermite-spline-trajectory-planning.md) - [FLAP（FOV 主动感知 · 无先验地图 3D 导航）](./paper-flap-fov-active-perception-3d-navigation.md) +- [SANDO](./paper-sando.md) — 动态未知环境下的时空安全走廊规划 - [野外微型飞行机器人蜂群（Science Robotics 2022）](./paper-swarm-micro-flying-robots-in-the-wild.md) - [EuRoC MAV 数据集](./euroc-mav-datasets.md) - ## 推荐继续阅读 - [EGO-Planner 原版仓库](https://github.com/ZJU-FAST-Lab/ego-planner) — 单机算法与论文入口 diff --git a/wiki/entities/paper-sando.md b/wiki/entities/paper-sando.md new file mode 100644 index 000000000..6788336f7 --- /dev/null +++ b/wiki/entities/paper-sando.md @@ -0,0 +1,147 @@ +--- + +type: entity +project_id: sando +tags: [paper, repo, uav, multirotor, trajectory-planning, obstacle-avoidance, safety, ros2, mit-acl, mit] +status: complete +updated: 2026-10-17 +arxiv: "2604.07599" +project: https://kotakondo.github.io/projects/sando/ +code: https://github.com/mit-acl/sando +institutions: [mit] +related: + - ./ego-planner-swarm.md + - ./paper-mighty-hermite-spline-trajectory-planning.md + - ./px4-autopilot.md + - ../overview/multirotor-simulation-planning-control-stack.md +sources: + - ../../sources/papers/sando_arxiv_2604_07599.md + - ../../sources/sites/sando-project.md + - ../../sources/repos/sando.md +summary: "SANDO（arXiv:2604.07599 v3，MIT ACL）：以时空安全飞行走廊和硬约束 MIQP 处理动态未知环境中的四旋翼规划；定理保证依赖有界障碍运动、估计误差与跟踪误差等假设，真机实验需与形式保证分开解读。" + +--- + +# SANDO：动态未知环境中的安全轨迹规划 + +**SANDO**（*Safe Autonomous Trajectory Planning for Dynamic Unknown Environments*，arXiv:2604.07599）是 MIT Aerospace Controls Laboratory 提出的四旋翼规划系统：感知与跟踪动态障碍，再用时空安全飞行走廊约束轨迹优化。 + +## 一句话定义 + +**SANDO 将动态障碍的可达范围按未来时间分层，构造连续时间安全走廊，并在硬约束 MIQP 中求解可执行轨迹。** + +## 英文缩写速查 + +| 缩写 | 英文全称 | 简要说明 | +|------|----------|----------| +| UAV | Unmanned Aerial Vehicle | 无人机，论文的飞行平台 | +| STSFC | Spatiotemporal Safe Flight Corridor | 按轨迹时间层构造的安全凸多面体序列 | +| MIQP | Mixed-Integer Quadratic Program | 带离散分配变量的二次规划，用于硬约束轨迹优化 | +| AEKF | Adaptive Extended Kalman Filter | 估计和预测动态障碍状态的自适应扩展卡尔曼滤波器 | +| T-RO | IEEE Transactions on Robotics | 作者主页和代码 README 标注的期刊状态 | + +## 核心信息 + +| 项 | 内容 | +|----|------| +| 作者 / 机构 | Kota Kondo、Jesús Tordesillas、Juan Rached、Lili Sun、Yixuan Jia、Jonathan P. How；MIT Aerospace Controls Laboratory；Jesús Tordesillas 另属 Comillas Pontifical University / TRAIL | +| 论文 | [arXiv:2604.07599 v3](https://arxiv.org/html/2604.07599v3)，2026-09-25 | +| 项目页 | [SANDO](https://kotakondo.github.io/projects/sando/) | +| 代码 | [MIT ACL / sando](https://github.com/mit-acl/sando)，BSD 3-Clause | +| 视频 | [SANDO 演示](https://youtu.be/_T10DJiLQXg) | +| 发表状态 | 作者主页 2026 年 7 月新闻称 T-RO 有条件接收；代码 README 当前称已接收。归档保留两处措辞，未核实最终卷期 / DOI。 | + +## 为什么重要 + +动态环境规划需要同时回答两个问题：如何快速找到绕障路径，以及如何对整条轨迹而非少量离散采样点约束碰撞。SANDO 把全局探索、时间相关的障碍膨胀和局部硬约束优化接成一个闭环，目标是在狭窄且持续变化的环境中兼顾可行性与安全性。 + +与 [EGO-Planner Swarm](./ego-planner-swarm.md) 和 [MIGHTY](./paper-mighty-hermite-spline-trajectory-planning.md) 等快速局部轨迹规划器相比，SANDO 的重点是动态障碍的显式预测、硬约束和带前提的连续时间安全分析；跨方法比较时应对齐环境、感知输入、求解器与安全指标。 + +## 核心结构 / 机制 + +1. **动态障碍检测与跟踪：** 时序占据栅格检测动态目标，聚类并做数据关联；AEKF 估计目标位置、速度并预测轨迹。 +2. **热图全局路径：** 将静态与动态障碍风险写入热图，A* 使用硬占据约束排除被占区域，同时通过软代价偏向更宽裕的区域。 +3. **STSFC 生成：** 沿空间路径和未来时间层生成凸多面体；动态障碍按对应时间层的最坏可达集膨胀，避免对整个规划时域使用同一个最大膨胀量。 +4. **局部轨迹优化：** MIQP 将轨迹段分配到时空多面体并施加碰撞硬约束；变量消元减少优化维数。论文消融报告变量消元最高带来 7.4 倍优化耗时加速。 +5. **轨迹执行与回退：** 输出轨迹交由低层控制器跟踪。若某轮优化不可行，继续执行旧轨迹；若没有有效轨迹剩余则悬停。 + +### 流程总览 + +```mermaid +flowchart LR + sensor["LiDAR / 深度点云"] --> map["占据地图与动态目标跟踪"] + map --> heat["静态 / 动态风险热图"] + map --> corridor["分时间层 STSFC"] + heat --> global["A* 全局路径"] + global --> corridor + corridor --> miqp["硬约束 MIQP 优化"] + miqp --> ctrl["低层轨迹跟踪"] +``` + +## 源码运行时序图 + +官方仓库提供 ROS 2 Humble 下的 Docker 与原生运行入口。下图概括 README 与论文系统图中的仿真 / 规划运行时；真实传感器和低层控制器接线取决于硬件部署。 + +```mermaid +sequenceDiagram + autonumber + participant Sensor as 点云传感器 + participant Map as 地图与目标追踪 + participant Planner as SANDO规划节点 + participant Solver as MIQP求解器 + participant Controller as 低层控制器 + loop 每轮重规划 + Sensor->>Map: 点云与时间戳 + Map->>Map: 静态地图、动态障碍状态与预测 + Map->>Planner: 地图、热图与障碍预测 + Planner->>Planner: A*路径与STSFC构造 + Planner->>Solver: 走廊、边界条件和动力学约束 + Solver-->>Planner: 可行轨迹或不可行状态 + Planner->>Controller: 新轨迹；不可行时沿用旧轨迹 + end +``` + +## 实验与评测 + +- **仿真：** 论文报告 SANDO 在森林和动态基准的所有难度等级达到 100% 成功率，且各基准中未报告约束违反；另有不依赖障碍真值的感知闭环测试。 +- **消融：** 变量消元最高使优化时间加速 7.4 倍；时空走廊对高密度动态场景中的可行性重要。 +- **真机：** 搭载机载规划、感知和定位的四旋翼，在静态环境完成 6 次飞行、动态环境完成 12 次飞行。动态实验没有碰撞；单障碍飞行最小实测中心距为 1.33 m。 +- **计算：** 动态真机重规划平均约 18–24 ms。系统以 100 Hz 触发重规划，但新一轮须等上一轮结束，故有效频率受求解与感知时延限制。 +- **指标读法：** 多障碍真机长走廊实验的最小距离来自机载跟踪器估计，并非全程动捕真值；论文指出某次障碍首次被检测时已接近无人机。 + +## 局限与风险 + +- 连续时间安全结论成立于论文明确假设：障碍速度与尺寸受界、估计误差有界，并满足对跟踪误差的相应条件；它不等于对任意未知运动的无条件保证。 +- 真机估计误差约 0.30 m（行人实验 0.43 m），跟踪 RMS 误差约 0.21–0.57 m；作者指出这些实测条件并不完全满足定理假设。因此将“假设下的形式保证”和“真机无碰撞实验”分开引用。 +- 移动子目标结构尚不能保证跨重规划周期的递归可行性；若障碍突然出现或预测误差较大，规划器可能短时无法产生新轨迹。 +- 最坏可达集膨胀能提供保守安全边界，但密集场景会压缩可行空间。 +- 官方代码要求 Ubuntu 22.04 与 ROS 2 Humble；Docker 说明需要 Gurobi WLS Academic license。复现前应核对优化器许可、传感器和飞控接口。 + +## 结论 + +**SANDO 的关键价值是把动态障碍预测转成时空分层的硬安全走廊，再由降维 MIQP 求解器快速生成局部轨迹；其安全性应按定理前提和实际感知 / 跟踪误差一起解读。** + +1. **方法组合：** 热图 A* 负责找较宽裕的全局路径，STSFC 按时间层膨胀障碍，MIQP 在走廊内施加硬碰撞约束。 +2. **主要算效改进：** 变量消元的消融最高报告 7.4 倍优化耗时加速。 +3. **实验证据：** 动态四旋翼真机 12 次飞行无碰撞，但仍有重规划失败周期；回退策略会继续执行旧轨迹。 +4. **安全读法：** 定理依赖速度、尺寸、估计与跟踪边界；作者明确指出这些条件未在真实平台上被完全满足。 +5. **复现判断：** 源码、仿真与 ROS 2 Humble 入口公开；优化器许可及硬件接口是实际复现前置条件。 + +## 关联页面 + +- [EGO-Planner Swarm](./ego-planner-swarm.md) — B-spline 局部规划与多机扩展 +- [MIGHTY](./paper-mighty-hermite-spline-trajectory-planning.md) — 同属 MIT ACL 的软约束 Hermite 轨迹优化路线 +- [PX4 Autopilot](./px4-autopilot.md) — 常见飞行控制执行层 +- [多旋翼仿真—规划—飞控栈总览](../overview/multirotor-simulation-planning-control-stack.md) + +## 参考来源 + +- [SANDO 论文来源归档](../../sources/papers/sando_arxiv_2604_07599.md) +- [SANDO 项目页归档](../../sources/sites/sando-project.md) +- [SANDO 官方代码归档](../../sources/repos/sando.md) + +## 推荐继续阅读 + +- [arXiv HTML v3](https://arxiv.org/html/2604.07599v3) — 方法、安全分析与评测细节 +- [MIT ACL / SANDO](https://github.com/mit-acl/sando) — README、仿真运行方式与部署入口 +- [SANDO 演示视频](https://youtu.be/_T10DJiLQXg) — 论文系统与飞行实验演示