无人机高速穿林不再靠采样估梯度：APG-Planner单卡训练约30分钟，实测峰值11米每秒
核心概要
视觉高速飞行的轨迹规划器通常用无模型强化学习训练，策略梯度靠采样估计，噪声大、训练慢。APG-Planner改用解析策略梯度：借助微分平坦性，从规划出的轨迹直接解析重建飞行器状态，把连续重规划串成可微回合，再从回合损失反向传播求梯度。单张GPU训练约30分钟后，它在仿真中成功率与轨迹平滑度不逊于EGO、AGILE、YOPO等基线，真实四旋翼飞行峰值速度约11米每秒。
深度剖析
视觉高速飞行的规划器现在可以在单张GPU上约30分钟训练完成，并在真实四旋翼上飞出约11米每秒的峰值速度。 此前的学习型规划器走模仿学习或引导学习路线：前者受专家轨迹质量与覆盖限制，后者只对单次规划决策提供局部梯度；而无模型策略梯度方法靠采样估计梯度，方差高、训练样本密集。 在Flightmare仿真中，与优化法EGO、模仿学习AGILE、引导学习YOPO在相同初始条件和碰撞判据下对比，APG-Planner在稀疏与稠密森林地图上的成功率相当或更高，高速段轨迹snap更低。
训练时不再需要低层动力学模型，规划器输出的轨迹段本身就把相邻两次重规划的状态接了起来。 此前的解析策略梯度工作要把系统状态通过可微动力学仿真器逐步展开，这类仿真器需用真实飞行数据标定气动阻力等参数，换平台就要重新标定。 做法是把位置、航向及其有限阶导数作为平坦输出，用五次多项式从当前状态和策略给出的终端条件解出轨迹，再按平坦映射在重规划时刻解析重建状态；消融中完整APG在稀疏与稠密地图上的平均飞行速度约为8.16与7.47米每秒，成功率94%与92%，而屏蔽跨步梯度的版本速度只有约2.46与2.05米每秒。
同一套训练框架换掉平坦模型和网络输出边界后，可以迁移到另一类微分平坦机器人。 四旋翼之外，这套框架的迁移做法是把目标平台建模为微分平坦系统，并以该平台的平坦输出重新定义状态转移。 把Clearpath Jackal滑移转向地面机器人建模为独轮车、以平面位置为平坦输出，在真实森林环境中绕开自然障碍并跟踪无碰撞轨迹。
启示与展望
演示范围是Flightmare仿真中的稀疏与稠密森林地图对比，以及搭载Jetson Orin NX与OAK-D Pro Wide相机的四旋翼真实飞行和一台Jackal地面机器人的森林实验；规划在机上以固定频率运行，轨迹由独立的几何控制器或PD控制器跟踪。
训练所用的平坦状态转移假设轨迹跟踪准确，真实飞行中跟踪误差的影响被认为可能由轨迹平滑性和基于更新状态估计的重规划所缓解，但这一解释以推测语气给出；消融中屏蔽跨步梯度的版本仍保持较高成功率，只是平均速度明显偏低。