makeecat/Peng

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

解決的問題

Peng 提供一個最小化、高效率的多旋翼自主框架，讓開發者無需立即使用實體硬體，即可在虛擬環境中模擬、規劃與控制無人機。

工作原理

以 Rust 寫成，確保記憶體安全與效率。該框架結合高保真動力學模擬器（支援 RK4 積分），以及一系列軌跡規劃器與基於 PID 的控制系統。它模擬 IMU 和深度感測器等關鍵硬體元件，並使用 rerun.io 實現即時 3D 可視化與遙測日誌記錄。

適用對象

專為需要輕量、高效工具來測試多旋翼飛行演算法、軌跡規劃與自主導航的機器人研究人員與開發者設計。

主要亮點

  • 多樣化的軌跡規劃：包含最小加加速度、利薩茹曲線、圓形、避障以及最小快照航點導航規劃器。
  • 高保真模擬：支援可設定的多旋翼動力學與多執行緒深度渲染。
  • 即時可視化：與 rerun.io 集成，實現 3D 狀態遙測與深度圖渲染。
  • 穩健的控制：實作位置與姿態的 PID 控制，並具備積分飽和防止功能。

相關

  • 專案
    learnsyslab/gym-pybullet-drones

    支援單機與多機控制的 Gymnasium 兼容 PyBullet 模擬器，包含 PID、下洗流與 PPO 強化學習範例，支援可選 Betaflight SITL 整合。

  • 專案
    copper-project/copper-rs

    Copper 是一個用於建構靜態、零配置機器人任務圖的 Rust 執行環境，可運行於從 Linux 到裸機 MCU 的各種平台。它將執行過程記錄為可回放的日誌，支援 ROS 2 互操作，並提供專案範本、可視化與回放工具，實現決定性、即時的機器人軟體開發。

  • 專案
    microsoft/AirSim

    一個基於 Unreal Engine 的開源模擬器，支援無人機與汽車，作為深度學習、電腦視覺與強化學習 AI 研究的平台。

  • 專案
    tracel-ai/burn

    Burn 是一個原生 Rust 的深度學習框架，透過單一 API 統一訓練與推論。它提供類似 PyTorch 的易用性、自動微分、JIT 編譯的內核融合，以及彈性的後端系統（CUDA、ROCm、Metal、Vulkan、WebGPU、CPU 和 no-std）。藉由 ONNX 導入、權重載入、終端訓練儀表板，以及對嵌入式與瀏覽器環境的支援，Burn 讓您撰寫一次模型，即可在任何地方執行。

  • 專案
    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.