makeecat/Peng

A minimal quadrotor autonomy framework in Rust (Mac, Linux, Windows)

解决的问题

Peng 提供一个最小化、高性能的多旋翼自主框架，使开发者无需立即使用物理硬件，即可在虚拟环境中对无人机进行仿真、规划和控制。

工作原理

使用 Rust 编写，确保内存安全和高效性。该框架结合了高保真动力学模拟器（支持 RK4 积分），以及一系列轨迹规划器和基于 PID 的控制系统。它模拟了 IMU 和深度传感器等关键硬件组件，并使用 rerun.io 实现实时 3D 可视化和遥测日志记录。

适用人群

专为需要轻量、高效工具来测试多旋翼飞行算法、轨迹规划和自主导航的机器人研究人员和开发者设计。

主要亮点

  • 多样化的轨迹规划：包含最小加加速度、利萨茹曲线、圆形、避障以及最小快照航点导航规划器。
  • 高保真仿真：支持可配置的多旋翼动力学和多线程深度渲染。
  • 实时可视化：与 rerun.io 集成，实现 3D 状态遥测和深度图渲染。
  • 稳健的控制：实现位置和姿态的 PID 控制，并具备积分饱和防止功能。

相关

  • 项目
    learnsyslab/gym-pybullet-drones

    支持单机与多机控制的 Gymnasium 兼容 PyBullet 模拟器，包含 PID、下洗流与 PPO 强化学习示例，支持可选 Betaflight SITL 集成。

  • 项目
    copper-project/copper-rs

    Copper 是一个用于构建静态、零分配机器人任务图的 Rust 运行时，可运行于从 Linux 到裸金属 MCU 的各种平台。它将执行过程记录为可回放的日志，支持 ROS 2 互操作，并提供项目模板、可视化和回放工具，实现确定性、实时的机器人软件开发。

  • 项目
    microsoft/AirSim

    一个基于 Unreal Engine 的开源模拟器，支持无人机和汽车，作为深度学习、计算机视觉和强化学习 AI 研究的平台。

  • 项目
    tracel-ai/burn

    Burn 是一个原生 Rust 的深度学习框架，通过单一 API 统一训练与推理。它提供类似 PyTorch 的易用性、自动微分、JIT 编译的内核融合，以及灵活的后端系统（CUDA、ROCm、Metal、Vulkan、WebGPU、CPU 和 no-std）。借助 ONNX 导入、权重加载、终端训练仪表板，以及对嵌入式和浏览器环境的支持，Burn 让您编写一次模型，即可在任何地方运行。

  • 项目
    ctu-mrs/mrs_uav_system

    A ROS2-based control, estimation, and simulation system for multirotor helicopters designed for reproducible robotics research and real-world deployment.