FoDeGlider

FoDeGlider数据集是由北京大学研究团队创建的一个开源基准数据集，旨在为水下滑翔机的模型辨识与验证提供支持。该数据集包含了在多种机翼折叠与偏转形态下进行广泛实验所获取的动力学数据，具体涵盖了水下滑翔机在不同构型下的运动轨迹、传感器测量及流体动力学参数。数据集的构建过程基于一个顺序参数辨识框架，通过对机身和机翼流体动力学系数的估计，系统性地采集了配置依赖的多体动力学实验数据。该数据集主要应用于水下机器人领域，特别是用于解决具有大范围可变形机翼的微型混合水下滑翔机在受限水下环境中动态建模、参数辨识和运动控制的关键问题。The FoDeGlider dataset is an open-source benchmark dataset developed by a research team at Peking University, aimed at supporting model identification and validation of underwater gliders. This dataset contains dynamic data acquired from extensive experiments conducted under various wing folding and deflection configurations, specifically including motion trajectories, sensor measurements and hydrodynamic parameters of the underwater glider under different configurations. The construction of this dataset is based on a sequential parameter identification framework, which systematically collects configuration-dependent multi-body dynamic experimental data by estimating the hydrodynamic coefficients of the fuselage and wings. This dataset is primarily applied in the field of underwater robotics, particularly to address key challenges in dynamic modeling, parameter identification and motion control for miniature hybrid underwater gliders equipped with large-range deformable wings in confined underwater environments.

原始信息汇总

数据集概述：FoDeGlider

FoDeGlider 是一个微型混合式水下滑翔机平台，配备两个独立驱动的机翼，支持大范围折叠和偏转。该仓库汇集了运动捕捉数据集、模型辨识代码、机械设计文件、电子设计、嵌入式固件以及操作界面文档，用于研究和复现该平台。

核心组件

• 硬件设计：包含机械图纸和可打印的 STL 模型，以及电气架构和 PCB 设计文件。原型机的三视图展示了左翼完全展开和右翼完全折叠的状态。
• 电子系统：包括电气架构图、实物电路板（PCB）照片，以及基于 STM32 的嵌入式固件。
• 软件与控制：
  • 上位机：Ubuntu 20.04 系统，通过 433 MHz 全双工收发器与滑翔机通信。
  • 手动操作：通过 Xbox 控制器进行遥控，使用 ROS 2 的 joy 节点和控制节点 software/serial_node.py。
  • 控制映射：提供了 Xbox 控制器的详细操作映射图。

数据集内容

• 原始数据：data/raw_mocap_csv/ 目录下包含原始的运动捕捉 CSV 文件。
• 处理数据：data/processed_mocap/stage_a_to_e/ 目录下包含经过处理的数据集，用于模型辨识流程。

模型辨识与评估

• 辨识流程：分为五个顺序阶段（A 到 E），由 code/run_scripts/ 中的脚本驱动，结果 JSON 文件通过环境变量在阶段间传递。
• 评估方法：支持全多体模型与多种简化变体的比较，包括单刚体、无作用力缩放、无扭矩缩放、无附加质量缩放和无附加惯性缩放等。评估脚本报告窗口级和轨迹级上的归一化均方误差的平均值和中间值。

固件

• 位置：software/firmware/FoDeGlider/
• 项目文件：包含 STM32CubeMX 配置文件和 Keil MDK-ARM 项目。

搜集汇总

数据集介绍

构建方式

FoDeGlider数据集的构建基于一款微型混合式水下滑翔机原型，该滑翔机配备了独立驱动的大范围折叠与偏转机翼。研究者通过多体动力学模型，将机翼构型作为结构变量融入动力学方程，并采用基于组合刚体算法的投影方法统一描述复合惯性、速度输运、力输运及恢复力等效应。随后，针对机身与机翼的水动力系数，提出了一种顺序参数辨识框架，通过最小二乘初始化与梯度下降细化相结合的方式，从多构型实验轨迹中提取参数，最终形成了用于模型辨识与验证的开放基准数据集。

特点

该数据集的核心特点在于其系统性覆盖了多种机翼折叠与偏转构型，包括完全展开、完全折叠及中间扫掠角度，从而捕获了水动力特性随几何形态的剧烈变化。数据集中每条轨迹均记录了高精度六自由度位姿、机翼关节角度及内部压载状态，并通过零相位低通滤波进行平滑处理。此外，数据集还提供了基于最小二乘与梯度下降法辨识的参数结果，以及用于模型评估的预测误差度量，支撑从单刚体模型到构型相关多体模型的全面对比分析。

使用方法

研究者可依据任务需求灵活使用FoDeGlider数据集：对于需要基线模型的场景，可采用折叠构型下的数据辨识机身水动力参数；对于评估机翼贡献，可利用对称展开构型的数据进行机翼系数辨识。数据集的轨迹被划分为训练集与测试集，用户可通过加窗预测误差指标评估模型泛化能力。此外，数据集附带的开源代码框架支持用户自定义参数辨识流程，便于扩展至非对称构型或新形态滑翔机的动力学建模与验证。

背景与挑战

背景概述

微型混合式水下滑翔机凭借其长续航能力与螺旋桨辅助机动性的独特结合，在海洋观测与受限空间探测中展现出广阔应用前景。然而，传统设计受限于固定构型，难以在复杂水环境中兼顾机动性与几何适应性。针对这一瓶颈，北京大学朱永健、陶宇森与张飞天等人于2026年提出了FoDeGlider——一款配备大范围折叠偏转机翼的微型混合水下滑翔机。该研究通过独创的独立双翼机构实现0°至90°的扫掠与偏转，首次将多体动力学建模与变构型流体力学参数化框架相结合，构建了可公开验证的标准数据集，为水下变形翼飞行器的动力学建模与辨识奠定了重要基准，显著推动了该领域的发展。

当前挑战

FoDeGlider面临的核心挑战在于解决大范围机翼变形引入的多体动力学耦合难题。传统单刚体模型无法表征变构型带来的质量分布、几何中心迁移及水动载荷的剧烈变化，亟需建立构型依赖的多体动力学框架。在数据构建层面，需克服多参数耦合导致的病态辨识问题——实验数据中惯性、科氏力、恢复力与水动力贡献相互交织，且轨迹数值微分引入显著噪声。为此，研究团队设计了五阶段序贯辨识策略：先利用折叠翼数据辨识机身系数，再固定机身参数解耦机翼水动力系数，最终优化构型缩放参数，从而有效应对参数间的强相关性并提升模型泛化能力。

常用场景

经典使用场景

在水下航行器与机器人动力学研究领域，FoDeGlider数据集被广泛用于验证变构型水下滑翔机的多体动力学模型。通过对多种机翼折叠与偏转构型下的运动学与动力学数据进行系统性采集，该数据集为研究大范围机翼形态变化对滑翔机惯性分布、几何中心迁移及水动力载荷的耦合影响提供了关键支撑。研究人员可依托该数据集开展面向构型依赖的动态建模与辨识方法验证，尤其是在复杂水下环境中评估变形态飞行器的机动性与环境适应能力。

解决学术问题

该数据集有效解决了变构型水下滑翔机动力学建模中多体效应难以独立解耦的学术难题。传统单刚体模型无法捕捉大范围机翼变形引发的质量再分布与惯性耦合，而FoDeGlider数据集通过引入复合刚体算法与空间算子方法，首次提供了涵盖机翼扫掠与偏转全范围的实验基准。它使学术研究能够定量评估构型参数对复合惯量、复原力矩及部件水动力的影响，推动了从经验参数化到构型依赖的动力学建模范式的转变。该数据集为验证五阶段序贯辨识框架的可行性与鲁棒性提供了标准化测试平台，显著提升了水下航行器系统辨识的理论深度与实际可操作性。

衍生相关工作

FoDeGlider数据集催生了多项衍生性经典工作，包括基于空间算子与复合刚体算法的多体动力学求解器开发、适用于全角度范围的水动力系数三角参数化模型，以及融合最小二乘初始化与梯度下降细化的序贯辨识框架。后续研究还在此基础上拓展了非对称扫掠构型下的动力学分析，并首次将Bernstein缩放函数引入变构型水动力系数建模中，有效捕捉了有效面积与展长随扫掠角的非线性变化。此外，该数据集被用于对比多体模型与单刚体模型的预测精度，验证了构型依赖建模在窄间隙穿越机动中的显著优势，为水下滑翔机的闭环控制设计奠定了实验基础。