本文总结了天体表面精确软着陆的自主制导方法。首先回顾了动力下降制导方法的发展，重点介绍了其在约束处理和提升计算效率方面的贡献。随着对可重复使用运载器需求的不断增加，以及太空探索带来更多的科学回报，定点软着陆成为一项基本要求。不同于过去任务中公里级的着陆精度，未来行星着陆器在满足全部速度和姿态约束条件下，着陆位置精度要达到10米级，这项任务的困难引起学者对自主制导方法的兴趣。本文讨论了动力下降阶段一般性的3自由度和6自由度优化问题，并对比月球、火星和地球3种典型着陆场景的特点。在此基础上，通过比较解析制导方法、数值优化算法和基于学习的方法，详细阐述自主制导方法的特点和适应性，并讨论非凸问题的凸化处理和求解策略。随后提出自主制导方法工程应用的3个关键问题：物理可行性、模型精度和实时性。最后，简要介绍各国航天组织（包括美国、中国、法国、德国和日本）研发的垂直起降验证飞行器，以及目前在验证飞行器上开展的制导方法试验工作。

随着传感器融合技术发展，人们对智能地面车辆进行大量研究，其中障碍物检测是一个关键技术。障碍物检测是一项复杂任务，涉及多种障碍物、传感器特性和环境条件。虽然道路驾驶员辅助系统或自动驾驶系统已得到充分研究，但是为城市场景结构化道路开发的方法应用于野外环境时，可能因不确定性和多样性而失效。单一类型传感器由于感受范围、信号特征和检测环境的限制，难以满足障碍物检测需求，这促使研究人员和工程师开发多传感器融合方法和系统集成。该综述旨在总结野外环境中智能地面车辆的车载多传感器配置的主要考虑事项，为用户提供根据性能要求和应用环境选择传感器的指南。本文回顾了最新多传感器融合方法和系统原型，将其与对应的异构传感器配置相关联，讨论了新兴技术和面临的挑战。

本文提供使用机器人网络实现仓库自动化的背景教程并回顾近期相关文献。提出一种新的信息物理控制方法，以实现多机器人服务“货到人”物流作业的安全、无锁死、高效和自适应行为。该方法的核心是增量式监督控制设计算法，该算法相对于机器人数量在计算上可扩展。最后，给出30个机器人在可变环境下的一个实例分析，以验证该方法的有效性。

精准的加速度信号采集对机械外骨骼系统十分重要，但其难以通过传感器系统直接测量。现有基于重构算法的加速度获取方法能够保证重构误差的有限时间收敛和扰动抑制，但忽略了误差约束和初始状态无关方法。为解决该问题，提出一种基于新型径向基神经网络的误差约束下的固定时间重构算法，以实现高性能的加速度信号估计。在该算法中，提出一种新型指数型障碍李雅普诺夫函数处理误差约束问题，该函数提供一种统一简洁的李雅普诺夫稳定性证明模板。与此同时，设计一种分数阶滑模控制律，以实现固定时间收敛；为进一步提升系统鲁棒性，使用自适应权重矩阵构建的径向基神经网络近似和消除完全未知的扰动。值得注意的是，该框架下误差的收敛时间与初始状态以及扰动无关，只取决于预设参数，并且重构误差始终位于预定义的界内。数值仿真实验和人体实验结果验证了本文方法的优点以及在实际场景中的鲁棒性。

下肢外骨骼辅助机器人广泛应用于运动辅助或康复训练。因绳驱动外骨骼具有良好人体顺应性且更加轻便，研究人员研发出一系列绳驱动样机辅助踝关节运动，但其中大多数只能辅助单向运动。本文提出一种可穿戴绳驱动踝关节外骨骼机器人，该外骨骼机器人使用一对单电机分别实现两侧踝关节跖屈—背屈双向运动辅助。该外骨骼主要重量（即电机、供能单元和控制单元）置于人体近端（即腰部）附近，以减少作用在穿戴者下肢的附加转动惯量。设计了基于齿轮—滑轮组件的绳索力传输系统，有效地将动力从电机端传递至末端执行器；设计了动力输出单元中的自张紧装置，用于实现穿戴者行走过程中绳索的张紧；设计了基于足底压力传感器和惯性测量单元（IMU）的步态检测系统，可有效识别步态周期和步行状态。为验证外骨骼动力输出性能，进行力矩跟踪实验。在受试者佩戴该外骨骼并提供主动辅助力情况下，比目鱼肌活动与未佩戴外骨骼状态相比降低5.2％，从而验证该外骨骼的力辅助作用。本文研究表明，该轻型绳驱动外骨骼机器人在人体运动增强或康复训练中具有潜在应用前景。

提出多目标社会学习鸽群优化（MSLPIO）方法，将其应用于无人机编队避障控制。该算法特点在于，每只鸽子在更新过程中并非向全局最优的鸽子学习，而是学习比自己占优的任何鸽子。在地图指南针算子和地标算子中引入社会学习因子。此外，为避免参数设置的盲目性，采用维数相关的参数设置方法。本文模拟了5架飞机在复杂障碍环境下的飞行过程，实验结果验证了该方法的有效性。与改进的多目标鸽群优化算法和改进的非占优排序遗传算法相比，MSLPIO具有更好的收敛性。

截至目前，地球海洋最大深度记录约为11 000米，位于西太平洋马里亚纳海沟。海斗号自主遥控水下机器人主要用于地球海洋最深处科学考察。对全海深潜水器而言，声学定位技术最有效且被广为利用。11 000米级声学定位系统相对庞大且复杂，同时需要装备兼容声学设备的专用科考船。作为一个紧凑的测试平台，海斗号无法装备大体积大重量的LBL/USBL。潜水器在下潜至11 000米海试过程中，由于受流体动力学及洋流不确定性影响，其水平漂移难以避免。海斗号记录的最大深度为10 905米，而确定该最深点位置具有一定挑战。基于多波束声呐形成的测深图，可采用地形轮廓匹配（TERCOM）方法进行地形匹配定位。TERCOM方法可稳定推测准确位置，因其对初始位置误差不敏感。最终匹配结果揭示了在参考地形图中的最佳估计位置。

点集配准问题是移动智能无人系统领域一项重要研究课题。本文提出一种全新“帧到地图”式三维点集配准方法。首先提出区域化高斯过程（Gaussian process，简称GP）地图重构算法，由此得到一种全新地图表现形式。将由GP得到的预测值和预测位置组合在一起作为预测点，以此自然地建立起预测点对的对应关系，并使用迭代方式计算位姿变换。利用3组标准点集数据集对该方法进行验证和测试。实验结果表明，相较于迭代最近点算法和正态分布变换两种经典点集配准方法，该方法在精度和效率两方面都有更佳表现。此外，所提的地图重构算法能够在降低内存消耗的同时，提供稠密的类点云地图。

使用先进的近端策略优化强化学习算法优化随机控制策略，实现对无模型四旋翼飞行器速度的稳定控制。飞行器模型由4个可以学习训练的子神经网络控制，神经网络以一种端到端的方式将模型状态映射为控制命令输送给飞行器执行。将积分补偿器引入行为评估算法框架，可大大提高模型速度跟踪的准确性和鲁棒性。此外，开发了包括离线学习和在线学习的两阶段学习方案，以供实际飞行之需。在在线学习阶段，不断优化模型的飞行策略。最后，对比提出的算法与传统PID算法的实验效果。

在复杂且动态性强的环境中，指导多无人机系统协调运作是一项具有挑战性的技术。基于数字信息素和当前主流无人系统控制算法，提出一种有限先验知识下多无人机系统目标探测分布式算法。通过改进不同语义数字信息素的融合算法和个体行为决策方案，提出一种更合理、有效的信息素更新机制。同时，考虑到一些个体在感知和交流方面的局限性，以及受自然界蜂拥算法启发，在Olfati–Saber无人机群控制算法基础上，设计了新的领航算法模型。此外，使用矢量信息代替传统标量信息素，使无人机群具有更高探测效率。仿真结果表明，该算法在指定区域的探测覆盖率、目标获取及回访效率、避障能力等方面都有较好表现。