ImChong · Oct 17, 2026 · Oct 17, 2026
diff --git a/log.d/2026-10-17-ingest-sando.md 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
@@ -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：<https://arxiv.org/html/2604.07599v3>
+- 官方项目页：<https://kotakondo.github.io/projects/sando/>
+- 官方代码与运行说明：<https://github.com/mit-acl/sando>
+- 官方演示：<https://youtu.be/_T10DJiLQXg>
diff --git a/sources/repos/sando.md 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：<https://arxiv.org/html/2604.07599v3>）
+- **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
@@ -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：<https://arxiv.org/html/2604.07599v3>）
+- **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
@@ -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