Unity 无人机物理模拟开发日志：从零打造穿越机手感

优质文章学习记录

— 8 min read
Unity 无人机物理模拟开发日志：从零打造穿越机手感

Unity 无人机物理模拟开发日志：从零打造穿越机手感

摘要：本文记录了在 Unity 中构建一个高拟真 FPV 穿越机（Drone）物理模拟系统的过程。从基础的 PID 控制到引入空气动力学阻力、地面效应和电机惯性，一步步逼近真实的飞行手感。

环境：Unity 2022.3.57c1f1Window10

在这里插入图片描述

开源仓库地址

Unity引擎开发的无人机模拟系统

演示视频：

Unity无人机仿真-bilbil

一、功能介绍

输入系统

最初的实现使用键盘鼠标控制，但这对于模拟穿越机来说完全不够。真实的穿越机需要细腻的模拟量输入。

在这里插入图片描述

核心物理引擎

Unity 的 Rigidbody 提供了基础物理，但要飞得像穿越机，必须手动计算力和力矩。

PID 控制器 (Rate Loop)

这是飞控的灵魂。我们实现了三个独立的 PID 控制器分别控制 Pitch、Roll 和 Yaw 的角速度。
PID的介绍请看我的另外一篇文档： PID算法

  • 目标：摇杆输入 = 目标角速度（例如满杆 200度/秒）。
  • 反馈：rb.angularVelocity。
  • 输出：PID 计算出的修正力矩。

混控器 (Mixer)

将 PID 输出分配到四个电机。采用标准的 Quad X 布局：

在这里插入图片描述
// FL (左前): +Pitch +Roll -Yaw// FR (右前): +Pitch -Roll +Yaw// BL (左后): -Pitch +Roll +Yaw// BR (右后): -Pitch -Roll -Yaw

物理细节的打磨

基础 PID 能飞，但手感像“在真空中飞行”或者“完美的刚体”。为了真实感，我引入了三个关键特性：

电机惯性 (Motor Inertia)

真实的电机从 0 加速到 100% 需要时间。

  • 实现：使用 Mathf.Lerp 对油门输入进行低通滤波。
  • 效果：消除了“瞬移般”的响应，给油门带来了一丝“肉”感和延迟，极大提升了重量感。
// 更新动力 (在 FlightController 的 FixedUpdate 中调用)publicvoidUpdatePhysics(float targetThrottle){// 模拟电机惯性 (一阶低通滤波)// 从当前油门平滑过渡到目标油门float dt = Time.fixedDeltaTime; currentThrottle = Mathf.Lerp(currentThrottle, targetThrottle, dt * motorResponseSpeed);// 1. 施加升力 (垂直于机臂向上)Vector3 force = transform.up *(currentThrottle * maxThrust); rb.AddForceAtPosition(force, transform.position);// 2. 施加反扭矩 (Yaw控制)// 顺时针旋转的电机，会给机身施加逆时针的扭矩，反之亦然float torqueDir = isClockwise ?-1f:1f;float torqueMagnitude = currentThrottle * maxThrust * torqueFactor * torqueDir; rb.AddTorque(transform.up * torqueMagnitude, ForceMode.Force);}

地面效应 (Ground Effect)

当无人机贴近地面时，下洗气流受阻，升力会增加。

  • 实现：向下发射射线检测高度。高度 < 0.5m 时，根据距离非线性增加升力系数。
  • 效果：降落时会有明显的“气垫感”，不会直接“砸”向地面，起飞也更轻盈。
// --- 地面效应 (Ground Effect) ---RaycastHit hit;if(Physics.Raycast(transform.position, Vector3.down,out hit, groundEffectMaxHeight)){float ratio =1.0f-(hit.distance / groundEffectMaxHeight);float groundEffectMultiplier =1.0f+(ratio * groundEffectLiftFactor); m1 *= groundEffectMultiplier; m2 *= groundEffectMultiplier; m3 *= groundEffectMultiplier; m4 *= groundEffectMultiplier;}

非线性空气阻力 (Quadratic Drag)

Unity 默认的 Drag 是线性的 ( F ∝ v F \propto v F∝v)，这让无人机感觉像在水里游。

  • 实现：手动计算平方阻力 F = − v ⋅ ∣ v ∣ ⋅ k F = -v \cdot |v| \cdot k F=−v⋅∣v∣⋅k。
  • 差异化阻力：
    • 垂直方向：机身扁平，阻力系数大 (1.0)。下落会有明显的终端速度。
    • 水平方向：机身流线，阻力系数小 (0.2)。允许长距离惯性滑行。
  • 效果：这是手感提升最明显的一步。前飞松杆后的滑行感，以及高空下落时的速度平衡，都非常接近真机。
// 计算平方阻力: F = -v * |v| * dragFactorVector3 dragForceLocal = Vector3.zero; dragForceLocal.x =-localVel.x * Mathf.Abs(localVel.x)* dragFactors.x; dragForceLocal.y =-localVel.y * Mathf.Abs(localVel.y)* dragFactors.y;// 垂直阻力通常较大 dragForceLocal.z =-localVel.z * Mathf.Abs(localVel.z)* dragFactors.z;

飞行模式

无人机操作一共配置了两种模式

Acro Mode (手动模式)

  • 逻辑：摇杆控制角速度。松杆后无人机保持当前姿态。

Angle Mode (自稳模式)

  • 逻辑：双环 PID 控制。
    • 外环：摇杆控制角度 (例如满杆 45 度)。计算出目标角速度。
    • 内环：执行目标角速度。
  • 特性：松杆自动回平。
if(mode == FlightMode.Angle){// --- Angle Mode (自稳模式) ---// 摇杆输入映射为目标角度 (-45 ~ 45 度)float targetPitchAngle = input.Pitch * maxTiltAngle;float targetRollAngle =-input.Roll * maxTiltAngle;// Unity Z轴旋转方向可能需要反转// 获取当前角度 (将 0-360 转换为 +/- 180)Vector3 currentEuler = transform.localEulerAngles;float currentPitch = Mathf.DeltaAngle(0, currentEuler.x);float currentRoll = Mathf.DeltaAngle(0, currentEuler.z);// 外环 P 控制: 角度误差 -> 目标角速度// Pitch: 目标 - 当前 (因为后面混控器 Pitch 反转了，所以这里保持 目标-当前) targetPitchRate =(targetPitchAngle - currentPitch)* angleKP;// Roll: 当前 - 目标 (反转逻辑，防止正反馈翻滚)// 右滚是负角度，如果不反转，误差为正，导致继续右滚 targetRollRate =(currentRoll - targetRollAngle)* angleKP;// Yaw 轴通常保持 Rate 模式 targetYawRate = input.Yaw *150f;}else{// --- Acro Mode (特技/手动模式) ---// 摇杆输入直接映射为目标角速度 (-200 ~ 200 度/秒) targetPitchRate = input.Pitch *200f; targetRollRate = input.Roll *200f; targetYawRate = input.Yaw *150f;}

稳定性与体验优化

除了核心物理，还有很多细节决定了模拟器的可用性：

  • 怠速保护 (Idle Protection)：
    • 问题：地面待机时，PID 积分项累积导致无人机“抽搐”或乱跳。
    • 解决：油门 < 5% 时，强制关闭电机并 Reset PID。
// --- 怠速保护逻辑 ---if(throttleBase <0.05f){ m1 = m2 = m3 = m4 =0f; pitchPID.Reset(); rollPID.Reset(); yawPID.Reset();}
  • PID 限幅 (Authority Limit)：
    • 限制 PID 对电机的最大控制权 (例如 30%)，防止极端情况下 PID 输出过大导致电机饱和甚至侧翻。
// --- PID 限幅保护 ---float pOut = Mathf.Clamp(pitchCorrection * correctionScale,-maxPIDAuthority, maxPIDAuthority);float rOut = Mathf.Clamp(rollCorrection * correctionScale,-maxPIDAuthority, maxPIDAuthority);float yOut = Mathf.Clamp(yawCorrection * correctionScale,-maxPIDAuthority, maxPIDAuthority);
  • 一键重置：
    • 添加手柄 Y 键 复位功能，炸机后瞬间回到原点并清空物理速度，方便反复练习。

二、源码

代码结构

代码结构比较简单，一共就4个代码就实现了整个无人机模拟，以下是流程图：

在这里插入图片描述
架构分层核心脚本角色定位主要功能与逻辑数据流向 / 物理作用
输入层DroneInput.cs信号预处理1. 读取硬件：接收物理手柄输入。
2. 数据清洗：处理摇杆死区、应用映射曲线。		输出：标准化控制信号
• 油门 (Throttle): 0 ~ 1
•俯仰/横滚/偏航: -1 ~ 1
控制层FlightController.cs大脑 (Brain)1. 模式处理：根据 Angle/Acro 模式将输入转为目标角速度。
2. PID 调度：调用 PID.cs 计算误差。
3. 混控 (Mixer)：混合主油门与 PID 修正值。
4. 环境模拟：计算非线性阻力与地面效应。		输入：标准化信号 + 刚体物理状态
输出：4 个电机的最终目标油门
算法层PID.cs纯数学计算1. 误差计算：对比目标值与当前值。
2. 修正输出：计算比例§+积分(I)+微分(D)的总和。		输入：目标值、当前值、时间差 (dt)
输出：PID 修正值
执行层MotorEngine.cs四肢 (Limbs)1. 惯性模拟：通过低通滤波模拟电机响应延迟。
2. 物理交互：将油门值转换为具体的物理力。		输入：目标油门值
作用：向 Rigidbody 施加
• 推力 (Force)
• 反扭矩 (Torque)

总结

通过以上步骤，我们从一个简单的刚体运动，进化到了一个具备空气动力学特性的飞行模拟器。目前的物理手感已经能传达出穿越机的“惯性”和“风阻”。

如果能帮助到你！可以给我来个点赞吗？ 谢谢！u😘

Read more

解放双手!用Windows搭建闲鱼0成本“赚米神器”!AI客服秒回复!

解放双手!用Windows搭建闲鱼0成本“赚米神器”!AI客服秒回复!

前言 在闲鱼上，卖家每天都要面对大量的私信和订单，如果手动回复，既费时间又容易出错。想象一下，如果有一套 AI 自动回复系统，能够帮你 自动处理买家消息、快速响应订单，你只需要动动手指，就能轻松管理闲鱼店铺，该有多爽！更棒的是，这套系统 完全零成本、无需服务器，只要一台 Windows 电脑，就能快速部署运行。本文将 手把手教你在 Windows 上搭建闲鱼 AI 自动回复系统，让你 轻松解放双手、提高效率，即刻开始自动化管理闲鱼店铺吧！ 1 闲鱼自动回复系统介绍 闲鱼自动回复管理系统 是一个基于 Docker 部署的自动化工具，能够帮助闲鱼卖家实现消息的智能化回复和订单管理，大幅度减少手动操作的工作量。 核心功能说明自动化消息回复对闲鱼买家的消息进行自动回复，支持关键词触发和 AI 智能对话。可集成大语言模型（如通义千问）实现自然语言交流。多账号管理支持添加和管理多个闲鱼账号。账号间数据相互隔离，
一文读懂爆火的 OpenClaw：从架构原理到实战生态，AI Agent 终于能“真干活”了

一文读懂爆火的 OpenClaw：从架构原理到实战生态，AI Agent 终于能“真干活”了

目录 * * 🔥 前言：AI Agent 的“iPhone 时刻”来了？ * 一、OpenClaw 到底是什么？ * 1.1 官方定义 * 1.2 名字的前世今生 * 1.3 降维打击：与传统 Agent 的核心区别 * 二、爆火底层逻辑：为什么开发者集体“真香”？ * ✅ 1. 终结“失控”噩梦 * ✅ 2. 本地优先的极致隐私 * ✅ 3. 聊天即控制的极简体验 * ✅ 4. 标准化生态降低门槛 * 三、核心架构深度解析：四层模型揭秘 * 3.1 Gateway 网关层：总调度 + 安全屏障 * 3.2 Agent 智能体：
从微博热搜到深度报告：实测 ToClaw 的信息检索与分析能力，AI 终于开始“先找再写”

从微博热搜到深度报告：实测 ToClaw 的信息检索与分析能力，AI 终于开始“先找再写”

现在做内容、做运营、做市场，最怕的不是没有灵感，而是信息流转得太快。一个热点从冒头到发酵，可能只需要几个小时；而从“看到热搜”到“形成一版可用分析”，往往要经历找榜单、翻链接、看评论、筛信息、做结构、再写结论一整套流程。很多人以为这件事的核心是写，其实真正耗时的，往往是前面的“找”和“判”。 这也是我为什么会特别想测 ToDesk 远程控制新上线的 ToClaw：如果它只是会写几段话，那其实不算新鲜；但如果它能围绕“热点分析”这个真实任务，把检索、筛选、归纳、生成这几个动作串起来，那它就不只是一个聊天入口，而更像是一个真正能进入工作流的 AI 助手。 而从这次实测来看，ToClaw 在这个场景里，确实给了我一点不一样的感觉。 一、开放式测试 为了看清 ToClaw 到底是在“生成”

MiniMax Agent：国产AI桌面助手的“破局者”与实战全指南

📖 摘要 本文深度评测了2026年初上线的国产AI桌面助手MiniMax Agent，全面解析其作为Claude Cowork、OpenClaw等海外“Computer Use”类工具国内优秀替代品的核心价值。文章从技术架构、功能特性、实战应用三个维度展开，通过财务报销自动化、金融数据分析、智能社交助手等真实场景案例，详细展示了MiniMax Agent如何实现从“听懂指令”到“自主执行”的跨越。同时，文章对比分析了国内外同类产品的优劣，提供了从入门到精通的完整使用指南，并探讨了AI Agent技术的未来发展趋势。无论你是效率追求者、技术开发者还是AI爱好者，都能从中获得实用价值。 🔑 关键词 MiniMax Agent、AI桌面助手、Computer Use、国产AI工具、自动化工作流、AI Agent 一、引言：当AI开始“动手”，桌面效率迎来新纪元 1.1 从“对话”到“操控”