learnsyslab/gym-pybullet-drones

gym-pybullet-drones – 与 Gym 兼容的四轴无人机模拟器

是什么

• 一个轻量级的 Python 包，封装了 PyBullet 物理引擎，为单无人机和多无人机控制提供 Gymnasium（OpenAI Gym 的继任者）环境。
• 面向四轴无人机的强化学习、经典控制和系统辨识研究。
• 包含可直接运行的 PID 控制、下洗流建模以及使用 Stable-Baselines3 2.0（PPO）进行 RL 训练的示例。
• 提供可选的 Betaflight SITL 集成，使同一环境可由真实飞行栈在仿真中驱动。

核心组件

• gym_pybullet_drones 包含定义无人机动力学、观测空间和奖励函数的核心 Aviary 类。
• 示例脚本（pid.py, pid_velocity.py, mrac.py, downwash.py, learn.py, play.py, beta.py）演示了：
  • 经典控制器（PID、MRAC）
  • 无人机之间的气动下洗效应
  • 单智能体和多智能体强化学习训练/评估
  • 与 Betaflight SITL 的接口
• 测试套件（pytest tests/）用于验证环境正确性。
• 与 Gymnasium 和 Stable-Baselines3 2.0 的兼容层，便于集成到现代强化学习流水线中。

安装（基于 conda，支持 Ubuntu 24.04 和 macOS 26）

git clone https://github.com/learnsyslab/gym-pybullet-drones.git
cd gym-pybullet-drones

conda create -n drones python=3.12
conda activate drones

# 从源码构建 pybullet（Python >3.10 必需）
sudo apt install build-essential          # 仅 Ubuntu
# macOS: CFLAGS="-Dfdopen=fdopen" pip install pybullet --no-cache-dir
pip install -e .

README 指出，macOS 上可能需要 CFLAGS 技巧；Ubuntu 上必须安装 C 编译器以构建 pybullet。

运行示例

# 经典控制演示
cd gym_pybullet_drones/examples
python pid.py
python pid_velocity.py
python mrac.py

# 下洗流（气流相互作用）演示
python downwash.py

# 强化学习（单无人机悬停）
python learn.py               # 训练 PPO
python play.py --model_path results/<latest>/best_model.zip

# 多无人机 RL（两架无人机在不同高度悬停）
python learn.py --multiagent true
python play.py --multiagent true --model_path results/<latest>/best_model.zip

对于 Betaflight 软件在环演示（仅限 Ubuntu）：

./gym_pybullet_drones/assets/clone_bfs.sh 2   # 构建两个 Betaflight SITL 二进制文件
cd gym_pybullet_drones/examples
python beta.py --num_drones 2

可应用于

• 在物理精确的四轴无人机模型上对新强化学习算法进行基准测试。
• 研究多智能体协作、下洗流和编队飞行。
• 在同一仿真环境中比较经典控制器与学习策略。
• 在转向硬件前进行快速原型设计（Betaflight SITL 桥接模拟真实飞行栈）。

引用 如果代码对出版物有贡献，请引用原始 IROS 2021 论文：

@INPROCEEDINGS{panerati2021learning,
  title={Learning to Fly---a Gym Environment with PyBullet Physics for Reinforcement Learning of Multi-agent Quadcopter Control},
  author={Jacopo Panerati and Hehui Zheng and SiQi Zhou and James Xu and Amanda Prorok and Angela P. Schoellig},
  booktitle={2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
  year={2021},
  pages={7512-7519},
  doi={10.1109/IROS51168.2021.9635857}
}

相关项目（README 中提及）

• safe-control-gym – 用于符号动力学和安全约束控制。
• crazyflow – 基于 JAX 的可微分仿真。
• aerial-autonomy-stack – 完整的 PX4/ArduPilot + ROS2 + JetPack 部署。

总结 gym-pybullet-drones 是一个功能完整、研究级的仿真环境，连接了四轴无人机的古典控制、强化学习和真实飞行栈测试。它积极维护（入选 GitHub Maintainer Spotlight 2026），并提供清晰的安装和示例脚本，是探索 AI 驱动航空机器人学的绝佳起点。