AirSim无人机仿真入门(一):实现无人机的起飞与降落

AirSim无人机仿真入门(一):实现无人机的起飞与降落
概述: 安装好所需要的软件和环境,通过python代码控制无人机进行起飞和降落。

参考资料:
1、知乎宁子安大佬的AirSim教程(文字教程,方便复制)
2、B站瑜瑾玉大佬的30天RL无人机仿真教程(视频教程,方便理解)
3、AirSim官方手册(资料很全,不过是纯英文的)

AirSim无人机仿真入门(一):实现无人机的起飞与降落

1 安装AirSim

1.1 参考教程

宁子安教程:(解密AirSim-初稿)第一章:初识AirSim

1.2 内容梳理

Epic Games是一家游戏公司,就像“腾讯游戏”或者“网易游戏”一样。Unreal Engine(简称UE)是 Epic Games 开发的一款游戏引擎。AirSim 是基于 Unreal Engine开发的一个模拟器,它主要用来模拟无人机(Drone)和自动驾驶汽车的运行环境。

1.3 步骤总结

以下仅是我个人的步骤总结,建议按照以上宁子安的“初识AirSim”教程一步一步安装。

  1. 安装Epic平台: 记得注册账号
  2. 下载UE: 点击Epic平台左边的 “虚幻引擎” 菜单,“库” 里面有不同的虚幻引擎版本,选择4.27.2版本进行安装,这个版本比较适配AirSim。
  3. 安装VS commuty2022: 记得勾选“C++桌面开发” “Windows 10 SDK 10.0.19041”,并在“单个组件”选项卡下选择最新的“.NET Framework SDK”
  4. 安装git bash工具
  5. 克隆AirSim工程: 进自己要安装AirSim的磁盘,git clone。进入目录build.cmd。编译好之后会在 “AirSim\Unreal” 文件夹中生成 “Plugins” 文件夹。这个 “Plugins” 文件夹非常重要。

检验虚拟引擎和AirSim是否安装成功: 使用AirSim自带的Block环境进行测试。

在这里插入图片描述


至此,AirSim 全部安装完成,下面可以直接使用 AirSim 做仿真了。

2 开始使用 AirSim

2.1 参考教程

宁子安教程:(解密AirSim-初稿)第二章:开始使用 AirSim

2.2 内容梳理

从虚幻商城选择一个场景创建工程,把AirSim作为插件导入这个工程中。

2.3 步骤总结

  1. 创建工程: 从虚幻商城中找到场景,创建工程,得到.uproject文件。
  2. 新建C++类: 双击.uproject文件进入关卡编辑器,新建C++类,等待编译完成(这一步耗时较长,而且要关注VS2022的左下角的编译进度),得到.sln文件,至此 “山脉景观” 场景工程创建完成。
  3. 添加AirSim插件: 复制“AirSim\Unreal\Plugins” 文件夹到“LandscapeMountains” 文件夹中。
  4. 修改文件: 修改 “LandscapeMountain.uproject”
    文件,修改“LandscapeMountains\Config\DefaultGame.ini” 文件。
  5. 创建VS工程: 右键点击 “LandscapeMountains.uproject” 文件,选择 “Generate Visual Studio project files” 选项,会生成 “.sln” 工程文件。
  6. 改成多旋翼模式: 把settings.json文件中的仿真模式改为多旋翼。
{"SettingsVersion":1.2, "SimMode":"Multirotor"}
  1. 进入工程: 双击打开 “LandscapeMountains.sln”,设置编译选项为 “DebugGame Editor” 和“Win64”,同时将 “LandscapeMountains” 设为启动项,点击 “调试” -> “开始调试”,或者直接点击 “本地Windows调试器”,这时会自动打开虚幻引擎的关卡编辑器。此时,虚幻引擎编辑器右下角出现了“新插件可用”的提示,说明虚幻引擎已经能够识别到AirSim 插件了。
  2. 设置游戏模式为AirSim: 在关卡编辑器中,将右侧 “世界场景设置” 中的 “游戏模式重载” 设置为“AirSimGameMode”,点击 “保存当前关卡”。
  3. 运行: 点击绿色三角开始仿真
在这里插入图片描述


至此 AirSim 插件已经加载到虚幻引擎场景工程中了。

3 撰写python控制程序

3.1 参考教程

宁子安教程:airsim详细教程(四) - 控制四旋翼起飞和降落(airsim api)

3.2 内容梳理

安装好python的运行环境,主要使用conda虚拟环境的python解释器,pycharm充当编辑器的作用。使用AirSim官方提供的python API,与无人机建立联系,控制无人机的起飞和降落。

3.3 步骤总结

  1. 安装Anaconda并创建环境: 创建虚拟环境,并在该环境中安装必需的包
 pip install msgpack-rpc-python pip install airsim 
  1. 安装pycharm: 安装了社区版,是免费的,目前功能够用。
  2. 创建工程: pycharm中创建一个新的python工程,解释器选择上面新建的conda环境中的python解释器:conda的安装路径\envs\airsim\python.exe
  3. 创建python文件: 在新建的python工程中新建一个python File,将下面的代码复制进去:
import airsim ​ # 与 AirSim 仿真器建立连接,并且返回句柄 client = airsim.MultirotorClient() client.confirmConnection() ​ # 获得控制权 client.enableApiControl(True) ​ # 解锁无人机 client.armDisarm(True) ​ # Async函数在执行的时候会立即返回.此时有可能任务还没执行完。在后面加上.join(),就可以让当前函数执行完才执行下一行 client.takeoffAsync().join() client.landAsync().join() ​ # 上锁 client.armDisarm(False)# 释放控制权 client.enableApiControl(False)

python与AirSim的通信机制: AirSim API 使用的是 TCP/IP 中的 msgpack-rpc 协议,可以用两台不同的电脑来做仿真,一台跑 AirSim 和 Unreal(仿真),另一台跑 python程序(算法)。当 AirSim 开始仿真的时候,会打开 41451 端口,并监听这个端口的需求。python 程序使用 msgpack serialization 格式向这个端口发送 RPC 包,就可以与AirSim进行通信了。如果41451 端口已经被其他程序使用了,那么可以通过 settings 文件改变AirSim使用的端口号。使用这种网络通信协议的方式,可以将 AirSim 和 python程序隔离,互不干扰。所以不需要修改 AirSim 的任何源代码,就可以满足非常多的仿真需求;而且即使python程序中断了,AirSim 的仿真也可以继续进行。示例:一台跑仿真,一台跑python程序

server_ip ="192.168.0.10"# 示例 IP 地址 port =41451 client = airsim.MultirotorClient(ip=server_ip, port=port)

运行代码: 在右上角点击绿色三角形运行python程序,仿真中的四旋翼会先起飞到一定高度,然后降落。

在这里插入图片描述

4 注意事项

问题: 我发现进行仿真的时候,我的UE界面没有显示三个摄像头的画面,跟原教程截图的不一样。

在这里插入图片描述

解决方法: 修改settings.json 文件打开无人机的三个摄像头窗口

"SubWindows":[{"WindowID":0, "ImageType":0, "CameraName":"front_center", "Visible": true}, {"WindowID":1, "ImageType":3, "CameraName":"front_center", "Visible": true}, {"WindowID":2, "ImageType":5, "CameraName":"front_center", "Visible": true}]

其中,ImageType 的值表示图像类型:

在这里插入图片描述


CameraName的值表示是哪一个相机:

在这里插入图片描述


在这里插入图片描述

至此,AirSim 环境已成功安装,并实现了使用 Python 程序控制无人机的功能。这可以视作 AirSim 入门的“Hello World”示例,后续的算法迁移正在进行中…

Read more

当测试工程师拿起AI写作笔:人机协作的精准实践

当测试工程师拿起AI写作笔:人机协作的精准实践

——论软件测试方法论在AI文本生产中的迁移应用 第一章 AI草稿:代码级别的需求评审 (测试视角:需求分析/静态测试) 当GPT类工具生成初稿时,测试工程师的本能反应是启动静态分析: 1. [边界值检查]   - 技术术语密度是否超出受众阈值?(如测试术语占比>15%需降维) - 案例复杂度是否跨越认知边界?(参照用户故事映射法) 2. [等价类划分] - 论点是否覆盖核心场景?(功能/性能/安全/兼容性维度) - 论据是否代表典型用户痛点?(缺陷聚类分析模型) 案例示范:某自动化测试方案文档初稿中,AI将「持续集成」误用为「连续集成」,类似变量命名规范的逻辑错误需在评审阶段拦截。 第二章 灵魂打磨:动态执行的深度测试 (测试视角:动态测试/探索性测试) 人工精修本质是动态测试过程,需建立系统化验证策略: | 测试类型 | 写作对应项 | 检测工具 | |----------------|---------------------|

llama.cpp量化模型部署实战:从模型转换到API服务

1. 为什么你需要关注llama.cpp:让大模型在普通电脑上跑起来 如果你对AI大模型感兴趣,肯定听说过动辄需要几十GB显存的“庞然大物”。想在自己的电脑上跑一个7B参数的模型,以前可能得配一张昂贵的专业显卡。但现在,情况不一样了。我今天要跟你聊的 llama.cpp,就是那个能让大模型“瘦身”并飞入寻常百姓家的神奇工具。 简单来说,llama.cpp是一个用C/C++编写的开源项目,它的核心目标只有一个:用最高效的方式,在消费级硬件(比如你的笔记本电脑CPU)上运行大型语言模型。它不像PyTorch那样是个庞大的深度学习框架,它更像一个“推理引擎”,专注于把训练好的模型,以最小的资源消耗跑起来。 我刚开始接触大模型部署时,也被各种复杂的依赖和巨大的资源需求劝退过。直到用了llama.cpp,我才发现,原来在我的MacBook Pro上,也能流畅地和Llama 2这样的模型对话。这背后的功臣,主要就是两点:纯C/C++实现带来的极致性能,以及模型量化技术带来的体积与速度革命。量化这个词听起来有点技术,你可以把它想象成给模型“压缩图片”

2026年高校论文AI率新规解读:哪些学校已明确AIGC检测要求

2026年高校论文AI率新规解读:哪些学校已明确AIGC检测要求

2026年高校论文AI率新规解读:哪些学校已明确AIGC检测要求 引言:AI率检测成为毕业"新门槛" 2026年毕业季,一个让无数毕业生焦虑的新词频繁出现在各大高校的通知文件中——AIGC检测。和传统的查重率不同,AIGC检测针对的是论文中由人工智能生成内容的占比,也就是我们常说的"AI率"。 从2024年下半年开始,教育部就多次发文要求高校加强对学术不端行为的管理,其中明确将"使用AI工具代写论文"纳入学术不端范畴。进入2026年,越来越多的高校不再只是口头警示,而是将AIGC检测正式写入毕业论文管理办法,成为论文答辩前必须通过的一道硬性关卡。 那么,目前到底有哪些学校已经明确了AIGC检测要求?各校的AI率标准又是多少?这篇文章将为你全面梳理和解读2026年的高校论文AI率新规。 一、政策背景:为什么高校越来越重视AI率检测 1.1 AI写作工具的普及倒逼政策升级 ChatGPT在2022年底横空出世后,以其为代表的大语言模型迅速普及。国内如文心一言、通义千问、讯飞星火等AI工具相继上线,AI写作的门槛被大幅降低。据不完全统计,2025年有超过60%的在校大学生使

基于YOLOv10n-SOEP-PST的跟随式助老机器人目标检测与识别系统详解

1. 基于YOLOv10n-SOEP-PST的跟随式助老机器人目标检测与识别系统详解 【CC 4.0 BY-SA版权 版权声明:本文为博主原创文章,遵循版权协议,转载请附上原文出处链接和本声明。 文章标签: 深度学习 同时被 2 个专栏收录 这个损失函数由五个部分组成:边界框坐标损失(前两行)、置信度损失(第三、四行)和分类损失(最后一行)。 λ c o o r d \lambda_{coord} λcoord 和 λ n o o b j \lambda_{noobj} λnoobj 是权重参数,用于平衡不同损失的重要性。 I i j o b j