AirSim无人机仿真入门（一）：实现无人机的起飞与降落

优质文章学习记录

— 8 min read
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

(二)Stable Diffusion 3.5硬件准备与环境配置 —— 低配显卡也能跑大模型

(二)Stable Diffusion 3.5硬件准备与环境配置 —— 低配显卡也能跑大模型

随着 Stable Diffusion 3.5 (SD 3.5) 的发布，生成式 AI 的门槛再次降低。虽然其 Large 版本拥有高达 81 亿的参数量，但通过合理的量化选择、显存管理技巧以及操作系统级的优化，即便是在 8GB 或 12GB 显存的消费级显卡上，也能获得极佳的生成体验。 2.1 显存容量与量化选择指南 在本地运行 SD 3.5 时，显存 (VRAM) 是最核心的硬件指标。SD 3.5 Large 模型在原生精度 (FP16/BF16) 下，通常需要约 18–19 GB 的显存才能完整加载。这意味着如果你想体验不经过性能削减的原生模型，
一文讲清楚RAG 四大模式：Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG

一文讲清楚RAG 四大模式：Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG

随着技术迭代，RAG 已从最初的简单架构发展出多种进阶形态。本文将系统解析 RAG 的四大主流模式 ——Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG，从工作原理、技术特点到适用场景进行全方位对比，为技术选型提供参考。 一、RAG 基础：检索增强生成的核心逻辑 在深入模式解析前，需先明确 RAG 的核心逻辑。简单来说，RAG 由检索（Retrieval） 与生成（Generation） 两大模块构成： 检索模块：从预设知识库中精准定位与用户问题相关的信息片段（如文档、段落、句子）； 生成模块：基于检索到的信息，结合大语言模型生成符合上下文、逻辑连贯的答案。 这种 “先检索再生成” 的模式，既保留了 LLM 的语言理解与生成能力，又通过外部知识的引入弥补了模型训练数据过时、事实准确性不足的缺陷。
论文阅读：AIED 2025 AIBAT: AI Behavior Analysis Tool for Teacher-Driven Contextual Evaluation of Language

论文阅读：AIED 2025 AIBAT: AI Behavior Analysis Tool for Teacher-Driven Contextual Evaluation of Language

总目录 大模型相关研究：https://blog.ZEEKLOG.net/WhiffeYF/article/details/142132328 https://link.springer.com/chapter/10.1007/978-3-031-98414-3_5 https://www.doubao.com/chat/35327927525245698 论文集下载：https://download.ZEEKLOG.net/download/WhiffeYF/92543315 论文原文：https://download.ZEEKLOG.net/download/WhiffeYF/92544371 AIBAT: AI Behavior Analysis Tool for Teacher-Driven Contextual Evaluation

Vivado完整license文件获取与配置指南

本文还有配套的精品资源，点击获取 简介：Vivado是由Xilinx开发的FPGA和SoC设计综合工具，支持Verilog、VHDL等硬件描述语言，提供高级综合、仿真、IP集成等功能。本资源包“Vivado_的license文件.zip”包含用于解锁Vivado完整功能的许可证文件。介绍了许可证服务器配置、.lic文件管理、浮动与固定许可证区别、激活流程、更新与诊断等核心内容。适用于FPGA开发者、嵌入式系统工程师及学习者，帮助其合法配置Vivado环境，提升开发效率和项目执行能力。 1. Vivado工具与FPGA开发环境概述 Xilinx Vivado设计套件是面向FPGA和SoC开发的集成化软件平台，广泛应用于通信、工业控制、人工智能、嵌入式视觉等多个高科技领域。其核心功能包括项目创建、综合、实现、仿真、调试及系统级集成，支持从设计输入到硬件验证的全流程开发。 Vivado不仅提供了图形化界面（GUI）便于初学者快速上手，还支持Tcl脚本自动化操作，满足高级用户的大规模工程管理需求。其模块化架构设计使得开发者可以灵活选择所需功能组件，如HLS（高层次综合）、IP In