该论文旨在解决无人机(UAV)感知系统面临的视场(Field of View, FoV)狭窄问题。研究背景是，无人机依赖机载摄像头和激光雷达(LiDAR)等传感器进行环境感知，但这些传感器的视场通常有限，制约了感知效率和自主飞行能力。
论文提出了一种名为SPINNER的自旋转三旋翼无人机平台。其核心方法包括：
- 通过三个无刷电机实现全三维位置和横滚-俯仰姿态控制。
- 设计抗扭矩板来调节旋转速度，使无人机机体能够持续自旋。
- 针对自旋飞行带来的强耦合、严重非线性和复杂扰动，开发了一个结合非线性模型预测控制(Nonlinear Model Predictive Control, MPC)和增量非线性动态反演(Incremental Nonlinear Dynamic Inversion)的扰动补偿控制框架。
论文的核心创新点在于：
- **无需额外传感器或能耗的视场扩展机制**：通过无人机机体的持续自旋运动，显著扩展了机载摄像头和激光雷达的视场，这是一种新颖且高效的物理感知增强方式。
- **创新的三旋翼自旋平台设计**：仅用三个执行器（电机）就实现了全姿态控制，并通过抗扭矩板设计主动调节自旋速度，这在旋翼无人机设计中具有独特性。
- **针对强非线性自旋飞行的专用控制框架**：为解决自旋引入的复杂动力学问题，创新性地将非线性模型预测控制(MPC)与增量非线性动态反演相结合，实现了在扰动下的鲁棒控制。
论文对该领域的总体贡献包括：
- 提出并验证了一种通过机体自旋来低成本、高效率扩展无人机传感器视场的新范式。
- 设计并实现了SPINNER这一功能完整的自旋转三旋翼无人机原型系统，证明了其概念可行性。
- 通过实验（包括在停车场和森林中的测试）证明，该系统能在高达4.8 m/s的风扰下保持鲁棒飞行，并以最高2.0 m/s的速度实现高精度轨迹跟踪，同时其旋转感知机制显著提升了视场覆盖和整体感知能力。