装不下相机激光雷达？！浙大 & 微分智飞提出 TIO‑Former：微型无人机实现 6D 自主位姿估计

• 作者：Yang Liu

  , Yifan He

  , Wenhao Zhao

  , Xiangyu Mo

  , Yang Xu

  , Hao Wei

  , Mingze Ma

  , Huan Li

  , Yifan Wu

  , Fei Gao

  , Zipeng Dai

  , Xin Zhou*

• 单位：

  浙江大学，

  微分智飞

• 论文标题：TIO‑Former: Ultra‑Lightweight 6‑Directional ToF‑Inertial Odometry for Nano‑UAVs via a Streaming Causal Transformer
• 论文链接：https://arxiv.org/abs/2609.17198v1
• 代码链接：https://github.com/Ly041021/TIO-Former

🔍研究背景

狭小室内、GPS拒止环境下，纳米无人机想要实现自主飞行，要面对严苛的尺寸、重量、功耗、计算（SWaP‑C）多重限制，现有方案各有短板：

• ✅ VIO视觉惯性、激光雷达SLAM：感知能力强，但传感器重量、算力开销太大，微型无人机根本带不动；
• ⚠️ 下视光流：重量轻，但是遇到弱纹理地面、暗光环境，估计效果直接崩盘；
• ⚠️ 纯惯性解算：不依赖外部环境，但是随飞行时间推移，漂移会不断累积；

多区域ToF阵列是很有潜力的轻量化测距方案。六组正交排布的8×8 ToF传感器，每帧仅输出384个测距点，整体重量极低。

但直接拿来做里程计，会遇到3个棘手问题：

1. 测距会出现无效返回值，带来帧间虚假距离跳变；
2. 无人机姿态、场景不断变化，不同方向传感器观测能力动态起伏；
3. 普通Transformer的历史缓存会随飞行时间持续膨胀，长时间飞行直接耗尽机载内存，推理延迟飙升。

过去稀疏ToF大多只用在避障、基于预建地图的定位，或是搭配光流做平面SLAM。

这篇工作目标：不使用相机、不依赖光流、不需要提前建图，仅凭IMU+六向ToF，实现完整6自由度里程计。

💡主要贡献

1. 📷无相机、无光流、无地图的距离‑惯性里程计整套框架。硬件只需要IMU + 6个正交布置8×8 ToF阵列，ToF传感总载荷仅15g，输出真实度量尺度的位姿。
2. 🧠设计可靠性门控距离前端、IMU引导的方向交叉注意力；创新双层流式因果Transformer，单步算力、内存占用和飞行总时长无关。
3. ✈️完成真实纳米无人机完整机载部署。真实飞行数据集总里程超4.5km；在RISC‑V低功耗芯片实现实时运行。对比商用光流、学习型惯性基线，位置误差实现大幅下降。

🛠️研究方法

系统输入：15Hz六方向ToF测距网格；200Hz同步IMU角速度、线加速度。 网络输出机体坐标系下SE(3)相对位姿增量，通过积分迭代输出全局飞行轨迹。

1️⃣ 输入定义与位姿积分

，代表

时刻机体坐标系到世界坐标系变换。 相对运动

。网络预测得到相对平移

与轴角形式旋转

，轨迹迭代计算公式：

2️⃣ 双边门控距离前端

专门解决ToF测量失效、异常跳变问题。结合前后两帧测量可靠性做差分运算，过滤无效测量造成的伪运动：

是第

帧的测量可靠性掩码。将上一帧测距、当前帧测距、帧间差分拼接，得到特征

送入后续网络。

3️⃣ IMU引导的方向交叉注意力

从IMU短时间窗口提取运动特征作为查询

，对6个空间方向ToF特征Token执行交叉注意力。 算法会根据无人机瞬时运动状态，自动放大信息丰富方向的权重，降低观测退化传感器的影响。注意力权重计算公式：

4️⃣ 双层流式因果Transformer

普通因果Transformer，KV缓存会越飞越大，微型机载硬件扛不住。本文设计两级记忆存储：

• 📂Local KV Cache本地未压缩缓存：保存近期完整精细时序信息；
• 🗜️Chunk‑FIFO分块压缩记忆池：对更早历史分块聚合压缩，保存时序摘要。

合并得到总上下文：

搭配下三角因果掩码，模型只能读取历史数据，杜绝偷看未来信息。

最后通过轻量MLP位姿头输出6自由度增量运动

。

5️⃣ 多视界轨迹联合损失

仅监督单帧相对位姿，微小误差会快速累积漂移。论文采用多视界轨迹监督，同时约束单步、多步累积位姿，额外增加尺度、平滑损失抑制高频抖动。

总损失函数：

• ：单步相对位姿回归损失

• 、

  ：多视界位置、旋转损失，监督4/8/16/32步累积运动

• ：约束轨迹总长度尺度，防止尺度漂移

• ：残差平滑损失，降低预测高频抖动

🧪实验结果

🛒实验平台

基于Crazyflie纳米无人机改造：机载LicheeRV Nano（SG2002 RISC‑V）计算板；6片TOFSense‑M传感器正交摆放，单片2.5g，总传感载荷仅15g。IMU采样200Hz，ToF输出15Hz，运动捕捉系统采集真值位姿。

数据集规模：总飞行时长9492s，轨迹总长2195.22m；同时采集办公室、储藏室、长走廊、会议室4类真实环境，合计2362m飞行数据。数据集70:15:15划分训练、验证、测试；圆形、八字形等标准运动轨迹全部留作测试集，不参与训练。

📊对比基线

1. Crazyflie原厂商用下视光流
2. AirIO、TLIO等学习型纯惯性里程计
3. 朴素ToF+IMU融合基线

✨核心指标表现

1. 定位精度：对比纳米无人机商用光流，开环位置误差降低54.4%； 对比学习型纯惯性基线，误差下降66.4%‑89.1%，位置ATE可达0.118m。

2. 跨场景泛化：办公室、储藏室、长走廊、会议室四类真实场景，位置ATE分别为0.158m、0.091m、0.142m、0.114m，四类场景全部低于所有基线。

3. 传感降级鲁棒性：方向路由的收益只在降级时才放大——标称条件下交叉注意力的位置ATE仅比通道拼接低7.8%（0.118m对0.128m），遮蔽到只剩一个视角时差距拉开到0.307m对0.569m、失败率22.12%对53.31%。

4. 消融实验：对比无记忆、GRU、普通固定KV缓存方案，本文双层记忆结构取得最低ATE，同时控制时延、内存开销。

5. 机载实时性能：RISC‑V板卡部署，P95时延10.466ms，峰值内存占用6.324MiB，小于系统总内存5%，稳定实现15Hz流式推理。

📝总结

TIO‑Former专门面向载荷极其紧张的纳米微型无人机。仅仅依靠六向稀疏ToF阵列加上IMU，不依赖相机、光流、预建地图，就可以完成完整6自由度里程计。

核心亮点流式因果Transformer，通过「本地精细缓存+分块压缩FIFO」，实现不受飞行时长影响的恒定算力内存开销，真正落地到微型无人机RISC‑V边缘硬件。

大量真实飞行实验证明：相比传统光流、纯学习惯性方案，漂移得到显著抑制。也验证了稀疏测距感知，可以给微型空中机器人提供可靠的几何定位约束。

文章来源：VLNer 视觉语言导航

 

为您发布产品，请点击“阅读原文”