NanoBench

NanoBench是由德克萨斯农工大学团队开发的纳米四旋翼飞行器多任务基准数据集，基于商用Crazyflie 2.1平台（起飞重量27克）在Vicon运动捕捉系统中采集。数据集包含170余条飞行轨迹，涵盖悬停、多频激励、标准跟踪和激进机动等场景，以100Hz频率同步记录Vicon地面真值、原始IMU数据、机载卡尔曼滤波估计、PID控制器内部状态及电机PWM指令，并包含10Hz电池遥测数据。通过交叉相关时间对齐技术确保亚毫秒级同步精度，旨在解决纳米尺度飞行器在低雷诺数空气动力学、无核电机非线性及严苛算力约束下的系统辨识、控制器评估和状态估计三大任务，填补了该领域缺乏标准化多模态基准的空白。

搜集汇总

数据集介绍

构建方式

在微型无人机系统辨识与控制领域，NanoBench数据集的构建体现了严谨的实验设计。该数据集基于商业化Crazyflie 2.1纳米四旋翼平台，在配备Vicon运动捕捉系统的环境中采集了超过170条飞行轨迹。通过定制化的ROS数据采集框架，同步记录了100Hz的Vicon地面真值、原始IMU数据、机载扩展卡尔曼滤波器状态估计、PID控制器内部变量及电机PWM指令，并辅以10Hz的电池遥测数据。采用互相关时间对齐方法，将机载陀螺仪角速率与Vicon导出的角速度进行比对，实现了亚毫秒级的时间同步精度，确保了多模态数据流在统一时间轴上的严格对齐。

特点

NanoBench的显著特点在于其全面覆盖了纳米级四旋翼系统的闭环堆栈信息。作为首个公开提供执行器指令、控制器内部状态和估计器输出的数据集，它突破了以往基准仅关注高层状态数据的局限。数据集涵盖了悬停、多频激励、标准跟踪及多种速度区间的敏捷机动等多种飞行模式，能够充分激发平台的所有动态特性。尤为关键的是，数据集包含了完整的电池放电曲线数据，为研究电压变化对推力特性的非平稳影响提供了可能，这对于受低雷诺数空气动力学和核心直流电机非线性严重影响的纳米平台至关重要。

使用方法

该数据集为系统辨识、控制器性能评估和状态估计算法提供了标准化的多任务评估协议。针对系统辨识任务，研究人员可利用激励轨迹数据训练模型，并在包含完整放电曲线的跟踪轨迹上进行开环预测性能测试。对于控制器基准测试，数据集定义了基于位置跟踪误差和控制能耗的标准化指标，并提供了匹配初始电压条件的轨迹对，以隔离控制器性能与电压引起的推力变化。在状态估计评估方面，数据集允许将机载估计器的输出与毫米级精度的Vicon地面真值进行直接对比，计算绝对轨迹误差和相对轨迹误差等指标。所有任务均提供了明确的训练/测试划分、评估指标及开源基线实现，确保了研究成果的可复现性和公平比较。

背景与挑战

背景概述

在微型空中机器人领域，纳米级四旋翼因其轻量化、低成本和安全性，已成为嵌入式自主系统、群体机器人学和安全强化学习的关键平台。然而，传统数据集主要面向百克至千克级飞行器，其动力学模型与控制策略无法直接迁移至质量低于50克的纳米平台。为填补这一空白，德克萨斯农工大学科珀斯克里斯蒂分校的Syed Izzat Ullah和José Baca于2026年提出了NanoBench数据集。该数据集基于广泛使用的Crazyflie 2.1纳米四旋翼，在Vicon运动捕捉系统中采集了超过170条飞行轨迹，同步记录了执行器指令、控制器内部状态与毫米级精度的外部真值，首次为纳米尺度飞行器的系统辨识、控制器评估和状态估计提供了标准化多任务基准。

当前挑战

NanoBench旨在解决的领域核心挑战在于纳米四旋翼独特的物理与计算约束所引发的建模与控制难题。低雷诺数空气动力学导致推力与扭矩特性显著偏离常规模型，无刷直流电机引入死区与响应滞后，而168MHz Cortex-M4微控制器的有限算力迫使状态估计算法高度简化。这些因素共同使得针对大型飞行器开发的模型与控制器在纳米平台上失效。在数据集构建过程中，主要挑战体现在多模态数据的高精度同步上。研究团队需协调Vicon系统、飞行器固件与主机三套独立时钟，并通过陀螺仪与Vicon角速度的互相关分析，将残差对齐误差控制在0.5毫秒以内，以确保执行器指令、控制器输出与外部真值间的时间一致性，为动力学建模提供可靠基础。

常用场景

经典使用场景

在微型无人机研究领域，NanoBench数据集为系统辨识、控制器评估与状态估计三大核心任务提供了标准化测试平台。该数据集通过Crazyflie 2.1纳米四旋翼平台采集了超过170条飞行轨迹，涵盖悬停、多频激励、标准跟踪及高机动性飞行动作，并以100Hz频率同步记录电机PWM指令、PID控制器内部状态、扩展卡尔曼滤波器输出及毫米级精度的Vicon地面真值。这种多模态同步数据架构使得研究人员能够在统一的基准下，系统性地分析纳米尺度飞行器特有的低雷诺数空气动力学效应、无刷直流电机非线性特性以及计算资源受限条件下的控制与估计性能。

衍生相关工作

NanoBench的发布催生了多个纳米四旋翼研究方向的经典工作。在系统辨识领域，研究者基于其多频激励数据开发了融合物理模型与数据驱动残差的混合建模框架，显著提升了长期预测精度。控制器设计方面，数据集支持的闭环性能评估推动了针对有限推力约束的几何控制器优化，以及基于模型预测控制算法的平台专用调参方法研究。状态估计任务中，轻量级扩展卡尔曼滤波器的噪声模型校准与发散边界分析工作均依托该数据集的高精度同步数据得以实现。这些衍生研究共同构建了纳米尺度飞行器自主技术栈的完整方法论体系。

数据集最近研究

最新研究方向

在微型无人机领域，NanoBench数据集的推出标志着对纳米级四旋翼系统动力学、控制与状态估计的标准化评估迈出了关键一步。该数据集以其同步的电机脉宽调制指令、控制器内部状态与毫米级精度的地面真值，为研究低雷诺数空气动力学、核心直流电机非线性及严格计算约束下的平台行为提供了前所未有的多模态基准。当前前沿研究聚焦于利用该数据集开发混合动力学模型，以融合物理先验与数据驱动的残差学习，从而精准预测电池电压衰减下的推力非线性变化；同时，强化学习与模型预测控制算法正借助其丰富的闭环信号进行平台专用调优，以应对狭窄推力裕度带来的控制挑战。此外，轻量级状态估计器的设计也受益于数据集提供的严格时间对齐多传感器流，推动着在资源受限处理器上实现鲁棒姿态估计的创新。这些研究方向共同回应了嵌入式自主系统与群体机器人领域对高保真、可复现实验平台的迫切需求，为纳米级飞行器的安全学习与敏捷导航奠定了实证基础。

相关研究论文

• NanoBench: A Multi-Task Benchmark Dataset for Nano-Quadrotor System Identification, Control, and State Estimation

  德克萨斯农工大学·科珀斯克里斯蒂分校 · 2026年