FUEL
FUEL
机器人, 飞控/无人机
3/5
🧩 软硬件结合
已发布
项目简介
An Efficient Framework for Fast UAV Exploration
FUEL 是一个专为无人机自主探索任务设计的高效开源框架，其核心目标是在未知环境中实现快速、安全且敏捷的自主导航与建图。该项目由中山大学与香港科技大学空中机器人团队联合开发，相关研究成果发表于 IEEE RA-L 及 ICRA 2021。
标签
项目特点
**高效探索**：基于增量前沿信息结构（FIS）和分层规划，探索速度比SOTA方法快3-8倍。
**CPU仿真支持**：从2021年8月起，项目提供了基于CPU的仿真，不再需要CUDA。
**丰富的仿真环境**：提供了多个预设的.pcd点云环境（如office、pillar等），并支持用户自定义环境。
**多无人机扩展**：项目团队进一步开发了完全去中心化的多无人机探索框架RACER，支持异步和有限通信。
**可视化与交互**：通过Rviz进行可视化，使用2D Nav Goal工具即可触发无人机开始探索。
技术规格
| 操作系统 | Ubuntu 18.04 (ROS Melodic) / 20.04 (ROS Noetic) |
|---|---|
| 依赖 | ROS, NLopt v2.7.1, libarmadillo-dev |
| 仿真方式 | CPU-based（无需CUDA） |
| 地图格式 | .pcd (Point Cloud Data) |
| 探索维度 | 3D空间 |
| 核心算法 | 增量前沿信息结构 + 分层规划（覆盖路径→局部视点→最小时间轨迹） |
| 论文发表 | IEEE RA-L with ICRA 2021 option |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Ubuntu 18.04/20.04 | 1 | — | 操作系统 |
| ROS Melodic/Noetic | 1 | — | 机器人操作系统 |
| NLopt v2.7.1 | 1 | — | 非线性优化库 |
| libarmadillo-dev | 1 | — | 线性代数库 |
| 计算机 | 1 | — | 运行仿真和算法 |
能力画像
⚪ 记忆与知识检索: 1/5
🔵 逻辑推演: 4/5
⚪ 表达与交流: 1/5
⚪ 感知与观察: 2/5
🔵 数理与计算: 5/5
🔵 动手与操作: 3/5
🔵 狂热与坚持: 4/5
🔵 创造与创新: 5/5
项目图库
视频
所需技能
🔧 **动手能力**：需要能够搭建ROS开发环境，安装依赖库（NLopt, Armadillo），并处理编译过程中可能出现的问题。
💻 **编程能力**：需要掌握C++和ROS编程，理解路径规划、优化算法（如非线性优化）和点云数据处理。
⚡ **电子电路**：本项目主要基于仿真，不涉及硬件电路。若需实际部署到无人机，则需要掌握飞控、传感器集成等硬件知识。
适用场景
**学术研究**：用于研究无人机自主探索、路径规划、SLAM等领域的算法验证和对比。
**机器人竞赛**：可用于需要无人机快速探索未知环境的竞赛场景。
**工业巡检**：可应用于需要无人机自主探索未知或危险区域的工业场景（如管道、建筑内部）。
**教学演示**：作为机器人学和无人机课程的实践项目，展示前沿探索算法。