Aerial grasping has many applications in the fields of search-and-rescue, maintenance, inspection, and the delivery industry. However, there are still many limitations to be overcome, including better and more lightweight gripper solutions, and more efficient payload transportation methods. Soft grippers offer the advantage of being lightweight, compliant, suitable for delicate objects, and requiring simple control. While soft robotic grippers have been explored for aerial grasping, the combination of fast grasping and soft grippers has not been demonstrated. Moreover, multi-modality for aerial grasping is under-explored in the literature. This paper presents a novel approach to aerial grasping using a kirigami-based ultra-lightweight soft gripper with a fast actuation system and a hybrid, multi-modal OmniRotor vehicle. A platform belonging to the OmniRotor class, is a hybrid, multimodal vehicle that combines the advantages of Unmanned Aerial Vehicles (UAV) and Unmanned Ground Vehicles (UGV), being capable of continuous omnidirectional thrust vectoring and with both aerial and ground manipulation capabilities. This work demonstrates how kirigami grippers can be used for aerial grasping, proposes the design of a spring-loaded, fast-release, lightweight actuation mechanism for the kirigami gripper, and demonstrates how an OmniRotor platform can be used for efficient, single-platform aerial and ground manipulation in a construction environment. The contributions of this work can help overcome the limitations of aerial grasping and enable efficient multi-modal manipulation with unmanned vehicles.

Over the last decades a lot of research effort has been put into the development of new Unmanned Aerial Vehicles (UAV s) and mobile robots for the inspection of critical infrastructure, such as bridges, roads, and dams, in remote locations or dangerous conditions. But despite the increased interest, the application of such autonomous platforms is hindered by the lack of sufficiently accurate localisation methods, especially in GPS-denied environments. Employing fiducial markers to aid such a localisation is an efficient solution that necessitates the use of subsidiary control laws that will allow the autonomous platform to attain a predefined, desired pose with respect to the marker of interest for localisation purposes. In this paper, we utilize Nonlinear Model Predictive Control (NMPC) in a vision-based framework to accurately control a drone in proximity to its target. This approach takes into account the Field of View (FoV) constraints, control input saturation, uncertainties, and external disturbances during the control design phase. Furthermore, the stability and convergence of the closed-loop cascade system have been examined. The efficacy and robustness of the proposed vision-based control strategy are validated through real-time experiments on a compact, custom-build UAV platform.