无人机知识科普之无人机发展简史(1)

无人机知识科普之无人机发展简史(1)

最近孩子放假回姥姥家,在辽宁阜新报了为期半个月的无人机课程。笔者这几天每天给他送到地方,然后他在楼上练习操作无人机,我就在楼下等着,上午两个小时、下午两个小时。

注:图片只是随拍,为了记录生活,并无其它引导和倾向。

2016年的时候曾经做过5个月的无人机研发工作,对无人机还是多少有一些了解的,也比较感兴趣,因此。在楼下等待的过程中,就四处看看有没有可以学习的知识。最终发现墙上有一些对无人机发展历史的较为详实生动的介绍,在此记录下来,算是对于无人机知识的一种补强,也算是真正陪孩子一起学习了。

无人机简史(OF DRONES A BRIEF HISTORY)

1. 古代简史

(1)鲁班造木鸟

人类向往天空的想法由来已久,中国古代就有嫦娥奔月、鲁班造木鸟的传说。

鲁班的木人木鹊:古代科技与手工艺巅峰之作
鲁班,中国古代的伟大发明家和工匠,以其巧夺天工的手艺和丰富的创造力,成为木工行业的祖师爷。他的众多发明中,最为人们乐道的莫过于木人木鹊。这项发明,展现了鲁班精湛的手工艺技巧,体现了古代科技的卓越水平。
木人木鹊的创作灵感来源于鲁班对于飞翔的渴望。他观察天空中的鸟儿,梦想着能够发明一种能够在空中翱翔的机器。经过无数次的试验和改进,鲁班终于成功地制造出了木人木鹊。这是一种精巧的木制飞行器,外形酷似鸟儿,借助风力在空中飞翔。
木人木鹊的制造过程充满了科技与手工艺的完美结合。鲁班巧妙地运用了力学原理和空气动力学知识,使得木鹊能够在空中稳定地飞翔。他精细的手工艺技巧使得木鹊的外观栩栩如生,仿佛一只真实的鸟儿在空中翱翔。
这项发明的出现,在当时引起了轰动,对后世的科技发展产生了深远的影响。它证明了古代中国人对于科技和手工艺的卓越贡献,启发了后来的科学家和发明家去探索更加先进的飞行技术。

(2)万户进行飞行探索

明朝官员万户曾利用火箭和风筝进行飞行探索。

传说,我国明代的官员万户,是世界历史上第一个试验利用火箭上天的人。他把四十七支火箭安装在椅子背后,自己坐在椅子上,手拿两个大风筝,让人点火发射。随着一声巨响,他消失在了火焰和烟雾中。尽管火箭飞行尝试没有成功,但万户仍然被国际航天史学家公认为人类飞行探索的先驱。为了纪念他,国际天文学联合会将月球上的一座环形山命名为“万户”。

(3)达芬奇绘制飞行器草图

意大利学者达芬奇于十五世纪的七十年代(1470x)绘制出了想象中的飞行器草图。

《飞行机械设计草图》是意大利艺术家列奥纳多·达·芬奇于1478-1480年间创作的一幅飞行器设计素描,现收藏于佛罗伦萨的乌菲齐美术馆。该草图展现了达·芬奇基于对鸟类飞行的研究而构思的飞行机械设计。达·芬奇通过研究空气力学设计了一系列飞行器,其手稿常以镜像方式书写。

非常遗憾的是,达·芬奇的设计只是停留在图纸上,并没有制作出成品。

更多内容请看下回。

Read more

告别996:GitHub Copilot将我的开发效率提升300%的实战记录

告别996:GitHub Copilot将我的开发效率提升300%的实战记录

👋 大家好,欢迎来到我的技术博客! 📚 在这里,我会分享学习笔记、实战经验与技术思考,力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕AI这个话题展开,希望能为你带来一些启发或实用的参考。 🌱 无论你是刚入门的新手,还是正在进阶的开发者,希望你都能有所收获! 文章目录 * 告别996:GitHub Copilot将我的开发效率提升300%的实战记录 * 引言:从疲惫到高效 * 什么是GitHub Copilot?🤖 * 效率提升300%的核心场景 * 1. 快速生成样板代码 * 2. 自动编写单元测试 * 3. 智能调试与注释 * 集成Copilot到工作流 * 步骤1:设置合理的期望 * 步骤2:结合IDE使用 * 步骤3:代码审查与调整 * 高级用法:超越代码生成 * 数据库查询优化 * API接口设计 * 正则表达式助手 * 数据支撑:效率提升分析 * 避坑指南:常见问题与解决 * 1. 可能生成过时或不安全代码

llama-cpp-python Windows部署实战:从编译失败到一键运行

llama-cpp-python Windows部署实战:从编译失败到一键运行 【免费下载链接】llama-cpp-pythonPython bindings for llama.cpp 项目地址: https://gitcode.com/gh_mirrors/ll/llama-cpp-python 作为一名在Windows平台折腾llama-cpp-python部署的老手,我深知大家在初次接触这个项目时会遇到的各种坑。今天就来分享我的实战经验,帮你避开那些让人头疼的编译错误和环境配置问题。 痛点直击:Windows部署的三大难关 编译环境配置复杂:Visual Studio、MinGW、CMake...光是选择哪个工具链就让人眼花缭乱。更别提各种环境变量设置和路径配置了。 动态链接库缺失:运行时报错找不到libopenblas.dll或llama.dll,这种问题在Windows上特别常见。 CUDA加速配置困难:想用GPU加速却总是遇到nvcc命令找不到或者架构不匹配的问题。 核心解决方案:三种部署路径任你选 新手首选:预编译wheel一键安装 这是最简单快捷

【保姆级教程】llama.cpp大模型部署全攻略:CPU/GPU全兼容,小白也能轻松上手!

【保姆级教程】llama.cpp大模型部署全攻略:CPU/GPU全兼容,小白也能轻松上手!

一、简介 * • llama.cpp 是一个在 C/C++ 中实现大型语言模型(LLM)推理的工具 * • 支持跨平台部署,也支持使用 Docker 快速启动 * • 可以运行多种量化模型,对电脑要求不高,CPU/GPU设备均可流畅运行 * • 开源地址参考:https://github.com/ggml-org/llama.cpp • 核心工作流程参考: 二、安装与下载模型(Docker方式) 1. 搜索可用模型 • 这里以 qwen3-vl 模型为例,提供了多种量化版本,每种版本的大小不一样,根据自己的电脑性能做选择,如选择(模型+量化标签):Qwen/Qwen3-VL-8B-Instruct-GGUF:Q8_0 • 可以在huggingface官网中搜索可用的量化模型:https://huggingface.co/models?search=

知网AIGC检测又双叒更新了!论文AI率太高怎么降?3招教你快速降低aigc率(附工具测评)

知网AIGC检测又双叒更新了!论文AI率太高怎么降?3招教你快速降低aigc率(附工具测评)

知网AIGC检测在2025年12月28日又双叒更新了! 今天就把我的压箱底经验都拿出来,讲讲怎么降低AI率?怎么通过知网aigc检测?顺便实测几款我用过的降ai率工具,帮你省点冤枉钱。 一、为什么你会被判为AI? 先搞清楚一个事:AIGC检测查的不是你抄没抄,而是查的逻辑惯性。 AI生成的文章有个特征:它太完美了,逻辑永远是“背景-分析-结论”,没有任何废话。而我们人类写东西,通常充满了纠结、跳跃和不完美的断句。 想要降低ai率,简单说就是:把你的文章从“完美的机器语言”改成“有瑕疵的人类语言”。 二、手动降AI的三招方法(亲测有效) 如果你离交稿还有半个月,建议先手动改。根据我改了十几篇高AI率文章的经验看,这三招最稳: 1、强行打乱三段式逻辑 AI写东西特喜欢用“首先...其次...最后...”或者“因为A,所以B”,这种顺滑的逻辑在降ai检测里一抓一个准。所以你别顺着说,学会插着说,把因果关系倒过来,或者中间插一句废话。 AI写法:“由于技术限制,本实验未能覆盖所有样本。” 人话写法: