PX4-Autopilot Simulated Flights Dataset

该数据集由瑞士意大利大学和苏黎世应用科技大学的研究团队创建，旨在研究无人机（UAV）在飞行中的不确定性与其安全性之间的关系。数据集包含5000次模拟飞行数据，涵盖了无人机在复杂环境中的飞行轨迹、控制信号和安全状态。数据通过PX4-Autopilot平台生成，模拟了无人机在障碍物避让任务中的行为。数据集的应用领域包括无人机安全监控、实时行为预测和异常检测，旨在通过量化不确定性来预测和防止无人机的不安全状态。This dataset was developed by a research team from the Università della Svizzera italiana (University of Italian Switzerland) and the Zurich University of Applied Sciences, with the core objective of exploring the correlation between in-flight uncertainties and flight safety of unmanned aerial vehicles (UAVs). It includes 5,000 sets of simulated flight data, covering UAV flight trajectories, control signals, and safety states in complex environments. All data was generated via the PX4-Autopilot platform, which simulates UAV behaviors during obstacle avoidance missions. Application fields of this dataset cover UAV safety monitoring, real-time behavior prediction, and anomaly detection, aiming to predict and prevent unsafe UAV states through the quantification of uncertainties.

搜集汇总

数据集介绍

构建方式

PX4-Autopilot Simulated Flights Dataset 的构建基于大规模模拟飞行实验，旨在探索无人机（UAV）在复杂环境中的行为不确定性及其与飞行安全的关系。研究团队使用开源的PX4-Autopilot平台，结合进化算法，生成了超过5,000次模拟飞行数据。这些飞行模拟通过Surrealist工具生成，该工具能够自动创建具有挑战性的障碍物布局，以测试无人机的避障能力。通过多次模拟，数据集涵盖了从安全飞行到不确定决策和危险状态的多种场景，确保了数据的多样性和复杂性。

特点

该数据集的特点在于其广泛覆盖了无人机在复杂环境中的行为不确定性及其与飞行安全的关联。数据集包含大量模拟飞行日志，记录了无人机在避障任务中的控制信号、飞行轨迹以及安全状态。特别地，数据集揭示了高达89%的危险状态与显著的决策不确定性相关，而74%的不确定决策最终导致了危险状态。这些发现为无人机安全监控提供了重要的实证依据。此外，数据集还包含了手动标注的安全性和确定性标签，确保了数据的可靠性和可解释性。

使用方法

PX4-Autopilot Simulated Flights Dataset 的使用方法主要围绕无人机行为不确定性和飞行安全的预测与监控展开。研究人员可以通过分析数据集中的控制信号和飞行轨迹，训练基于自动编码器的异常检测模型（如Superialist），以实时检测无人机的不确定行为。该模型能够以高达96%的精度和93%的召回率识别不确定决策，并在危险状态发生前50秒发出预警。此外，数据集还可用于验证其他无人机安全监控算法，或作为训练数据用于开发更先进的自主飞行系统。

背景与挑战

背景概述

PX4-Autopilot Simulated Flights Dataset 是由 Sajad Khatiri 等研究人员于2025年创建的，旨在研究无人机（UAV）在飞行中的不确定性与其安全性之间的关系。该数据集基于PX4-Autopilot开源无人机软件平台，包含了超过5000次模拟飞行的数据，涵盖了多种飞行环境和任务场景。通过量化无人机决策中的不确定性，研究人员开发了一种基于自编码器的运行时不确定性检测器Superialist，用于预测无人机的不安全状态。该数据集的研究背景源于无人机在自主飞行中面临的安全挑战，尤其是在复杂环境下的障碍物避让问题。尽管近年来无人机技术取得了显著进展，但其在不确定性决策下的安全性问题仍未得到充分研究。该数据集的创建填补了这一研究空白，并为无人机安全监控和预测提供了重要的数据支持。

当前挑战

PX4-Autopilot Simulated Flights Dataset 面临的挑战主要集中在两个方面。首先，无人机在复杂环境中的障碍物避让问题具有高度的不确定性，尤其是在动态和非静态环境中，无人机的决策可能会受到多种不可预见因素的影响，如传感器噪声、天气条件等。这种不确定性导致无人机在飞行中可能偏离预期行为，进而引发安全风险。其次，数据集的构建过程中也面临诸多挑战，包括如何在模拟环境中生成多样化的飞行场景、如何准确量化无人机决策中的不确定性，以及如何确保模拟数据的真实性和代表性。此外，尽管Superialist在不确定性检测方面表现出色，但其在预测不安全状态时的精度和召回率仍有待提高，这表明仅依靠黑箱方法可能无法完全捕捉无人机行为的所有复杂性。未来的研究需要结合白箱方法，进一步提升无人机安全预测的准确性和可靠性。

常用场景

经典使用场景

PX4-Autopilot Simulated Flights Dataset 主要用于模拟无人机（UAV）在复杂环境中的飞行行为，特别是针对障碍物避让系统的测试与评估。该数据集通过生成大量模拟飞行场景，帮助研究人员分析无人机在不确定决策下的安全表现。这些模拟飞行场景涵盖了从安全飞行到潜在碰撞的多种情况，为研究无人机行为的不确定性与安全性之间的关系提供了丰富的数据支持。

衍生相关工作

该数据集衍生了一系列经典研究工作，特别是在无人机安全监控和不确定性量化领域。例如，基于该数据集的研究提出了Superialist系统，利用自编码器技术实现了对无人机不确定行为的实时检测。此外，该数据集还推动了无人机仿真测试方法的发展，支持了自动化测试生成、回归测试和调试等研究活动，为无人机系统的安全性和可靠性评估提供了重要工具。

数据集最近研究

最新研究方向

PX4-Autopilot Simulated Flights Dataset 的最新研究方向聚焦于无人机（UAV）在不确定性决策与飞行安全之间的关联性研究。通过大规模仿真实验，研究者量化了无人机决策中的不确定性，并开发了一种基于自编码器的实时不确定性检测工具 Superialist，用于预测无人机的不安全状态。研究表明，高达 89% 的不安全飞行状态在事件发生前表现出显著的不确定性，而 74% 的不确定性决策最终导致了不安全状态。这一发现为无人机安全监控提供了新的视角，尤其是在复杂环境中，不确定性检测可以作为早期预警机制，帮助预防潜在的飞行事故。未来的研究将进一步探索如何结合黑盒和白盒指标，提升不安全状态预测的准确性和可靠性。

相关研究论文

• When Uncertainty Leads to Unsafety: Empirical Insights into the Role of Uncertainty in Unmanned Aerial Vehicle Safety

  瑞士意大利大学 & 苏黎世应用科技大学 · 2025年