JacopoPan/aerial-autonomy-stack

Aerial-Autonomy-Stack (AAS)

这是什么 – AAS是一个开源软件栈，可让您在真实硬件上开发、模拟和运行多无人机任务。它将流行的自动驾驶仪（PX4、ArduPilot）、ROS 2机器人框架和NVIDIA加速感知（YOLO、LiDAR测距）联系在一起。目标是提供一个“开箱即用”的流水线，从笔记本电脑上的模拟一直延伸到基于Jetson的无人机。

主要功能

• 多飞行器模拟 – 四旋翼、垂直起降机和尾座式飞行器可以在Gazebo中同时运行，并带有风和波浪插件。模拟可以比实时更快地运行，并支持许多并行实例。
• 以ROS 2为中心的控制 – 自动驾驶仪接口以ROS 2动作/服务（通过MAVROS或XRCE-DDS）的形式公开。您可以命令起飞、降落、环绕、离板控制器，或运行自定义行为树任务。
• 感知栈 – YOLO物体检测（ONNX GPU运行时）和LiDAR测距（KISS-ICP）。可选的VIO/LIVO包（openvins、fastlio、superodom、mimosa）可用于无GNSS飞行。
• Docker化环境 – 为模拟、地面站和飞行器提供独立的容器。提供amd64（桌面）和arm64（Jetson）的镜像，可在本地构建或从GitHub容器注册表拉取。
• 硬件部署 – 已在Holybro Jetson基板与Pixhawk 6X、IMX219相机和Livox Mid-360S LiDAR上测试。脚本处理构建、启动和HITL（硬件在环）测试。
• Gymnasium RL接口 – 一个Python包（aas-gym）将栈包装为Gymnasium环境，支持以不同速度（步进、加速、向量化）进行强化学习实验。

典型工作流程

1. 安装 在Ubuntu 24.04（或WSL）上安装并拉取Docker镜像。
2. 运行模拟 使用sim_run.sh，选择自动驾驶仪、飞行器数量、世界和实时因子。
3. 控制无人机 通过ROS 2动作/服务、地面站节点（dtc_controller）或QGroundControl。
4. 分析日志 使用PX4 flight_review、MAVExplorer或PlotJuggler。
5. 部署到Jetson板 使用deploy_build.sh/deploy_run.sh，可选地将Jetson连接到真实网络（AIR_SUBNET）并执行HITL测试。

适用对象 – 为空中机器人构建感知驱动自主性的研究人员和工程师，尤其是需要快速模拟、ROS 2集成和NVIDIA GPU加速的人。该栈抽象了低级自动驾驶仪细节，同时仍允许自定义控制器和行为树。

从哪里开始 – 阅读BOM.md了解硬件，RATIONALE.md了解设计目标，并按照README中的快速入门命令操作。仓库还包含学术使用的引用。