什么是 PX4?无人机开发的第一步

什么是 PX4?无人机开发的第一步

本文是《从零开始学 PX4:无人机开发全流程实战》系列第一篇,带你迈出无人机飞控开发的第一步。适合零基础、有嵌入式/C++背景的开发者。

✈️ 一、PX4 是什么?

PX4 是一套开源的飞控系统(Flight Control System),适用于多种类型的无人机与机器人。它不仅仅是一个固件,而是一个完整的无人系统开发生态,包括飞控软件、仿真平台、通信协议、地面站和开发工具链。

📌 PX4 的组成:

  • PX4-Autopilot:飞控固件主仓库(C++ 开发)
  • QGroundControl:图形化地面站,便于调参与监控
  • MAVLink:轻量级通信协议
  • Gazebo / jMAVSim:仿真模拟器
  • MAVSDK / MAVROS:无人机接口(支持 Python / C++ / ROS)

顶层软件架构

下面的架构图对 PX4 的各个积木模块以及各模块之间的联系进行了一个详细的概述。 图的上半部分包括了中间件模块,而下半部分展示的则是飞行控制栈的组件。

🧠 二、PX4 能做什么?

PX4 不只是“让无人机飞起来”,它支持多种控制任务,包括自动起降、路径规划、避障、返航、GPS 跟踪等。

能力说明
自动飞行自动起飞、巡航、返航、降落
多平台支持多旋翼、固定翼、VTOL、水下无人机等
传感器驱动支持 GPS、IMU、激光雷达、光流等
自主任务路径规划、任务队列、自主决策
数据通信与 QGC/MAVSDK/MAVROS 实时通信
模块拓展支持自定义飞行逻辑、传感器、算法模块开发

🆚 三、PX4 vs ArduPilot 区别

两者都是开源飞控,但 PX4 更偏向现代架构与科研开发,而 ArduPilot 更成熟,广泛用于商用系统。

对比项PX4ArduPilot
核心语言C++C
通信协议MAVLinkMAVLink
地面站QGroundControlMission Planner
编程架构模块化,uORB 发布订阅调度式循环框架
学术友好度一般
仿真支持Gazebo、jMAVSim、AirSimSITL、自研仿真器

🧩 四、PX4 架构全景图

PX4 拥有模块化、层次化的系统架构。核心通信机制是 uORB(一种发布/订阅系统),实现了模块间解耦。

[QGroundControl] ⇄ MAVLink ⇄ [PX4-Autopilot] ↑ ↓ MAVSDK / MAVROS 飞控模块(Commander / Navigator) ↓ 传感器驱动 / 电机控制 

📌 核心模块包括:

  • Commander:飞行模式状态机
  • Navigator:航线导航逻辑
  • Firmware:飞控主循环逻辑
  • WorkQueue:任务调度线程池

🎯 五、谁应该学习 PX4?

PX4 是开源、免费、现代化的飞控平台,非常适合以下人群:

类型场景
学生毕业设计、无人机竞赛、课程项目
嵌入式开发者希望参与飞控系统、自动驾驶控制等
ROS/AI 工程师用于整合路径规划、视觉算法等
飞控厂商需要二次开发、加装传感器、定制任务
爱好者DIY 飞行器、地面站、自动控制系统

🧰 六、入门准备清单

项目推荐
操作系统Ubuntu 22.04 LTS
开发语言C++(核心),Python(脚本),Bash
工具链Git、VSCode、QGroundControl、Gazebo
开发板Pixhawk 4 / 6C / Holybro / CUAV 等
网络资源国内网络建议配置镜像或 GitHub 加速

🔜 下一篇预告

下一篇我们将带你进入实战部分:

🛠️如何从零开始搭建 PX4 开发与仿真环境(Ubuntu 22.04)

👉 包括工具安装、PX4 编译、Gazebo 仿真运行、常见报错解决。

Read more

基于4G Cat.1模组的AI陪伴教育机器人:政策驱动下的算力与物联网融合新机遇

基于4G Cat.1模组的AI陪伴教育机器人:政策驱动下的算力与物联网融合新机遇

在万物互联与人工智能深度融合的“十五五”规划背景下,基于4G Cat.1模组的AI陪伴教育机器人正迎来历史性发展机遇。2025 年政府工作报告提出持续推进 “人工智能 +” 行动,支持大模型广泛应用;教育数字化已纳入国家战略部署,教育部等九部门《关于加快推进教育数字化的意见》明确将人工智能融入教育教学全要素全过程,推动智能教育装备普及与教育智能化升级。与此同时,工信部等六部门 2023 年联合印发的《算力基础设施高质量发展行动计划》提出,到 2025 年智能算力占比达到 35%,为教育 AI 终端与边缘计算提供坚实算力支撑。在政策与技术双重驱动下,4G Cat.1模组凭借低功耗、广覆盖、高性价比的核心优势,正成为AI教育机器人领域的“黄金连接载体”,为教育数字化转型提供稳定可靠的技术底座。 政策红利:算力与教育融合的“双轮驱动” “十五五”规划与最新政府工作报告为教育数字化转型提供了强有力的政策支撑,尤其对AI教育终端与算力基础设施的融合应用提出了明确方向与要求。 1. 国家战略层面:AI教育终端是重要应用方向 2025 年《政府工作报告》

【论文笔记】Scalable Defense against In-the-wild Jailbreaking Attacks with Safety Context Retrieval

论文信息 论文标题: Scalable Defense against In-the-wild Jailbreaking Attacks with Safety Context Retrieval - ICML 2025 论文作者: Taiye Chen , Zeming Wei , Ang Li , Yisen Wang - PKU 论文链接:http://arxiv.org/abs/2505.15753 关键词: LLM Safety, Jailbreaking, RAG 研究背景 尽管大语言模型(LLMs)经过了人类反馈强化学习(RLHF)等安全对齐技术处理,但仍易受到“越狱攻击”(Jailbreaking Attacks)的威胁,即通过精心设计的提示词诱导模型产生有害输出。

睿抗机器人大赛魔力元宝

1、搭建基础环境 1、以Ros-noetic为例创建工作区间: # 1. 创建工作空间目录 mkdir -p ~/catkin_ws/src cd ~/robot_ws/src # 2. 这里的关键步骤:请将你上传的源码包中的以下 4 个文件夹复制到 ~/robot_ws/src 下: # - ar_pose # - oryxbot_description # - relative_move # - pid_lib 这里以moliyuanbao/relative_move/src at main · Xk-fly/moliyuanbao我所上传的源码为例 # 注意:不要直接把整个 xk-fly 文件夹放进去,要剥离出这 5