别再只玩单机了！用AirSim+Python实现你的第一个无人机编队（附完整代码）

从单机到编队用AirSim和Python打造你的第一支无人机小队想象一下当你第一次在AirSim中成功让无人机起飞时的兴奋感——现在是时候将这份快乐乘以N倍了。本文将带你跨越单机操作的舒适区进入无人机编队控制的新世界。不需要复杂的数学公式也不用担心理论门槛过高我们会用最直观的方式从环境配置到代码实现一步步构建一个能够互相跟随的无人机小队。1. 环境准备搭建你的虚拟飞行实验室在开始编写代码之前我们需要确保开发环境已经准备就绪。与单机操作不同多无人机仿真需要一些额外的配置步骤。首先确保你已经安装了最新版本的AirSim。如果尚未安装可以通过以下命令获取pip install airsim接下来我们需要修改AirSim的设置文件以支持多无人机仿真。找到你的AirSim设置文件通常位于Documents/AirSim/settings.json添加以下配置{ SettingsVersion: 1.2, SimMode: Multirotor, Vehicles: { Drone1: { VehicleType: SimpleFlight, X: 0, Y: 0, Z: 0 }, Drone2: { VehicleType: SimpleFlight, X: 3, Y: 0, Z: 0 }, Drone3: { VehicleType: SimpleFlight, X: 0, Y: 3, Z: 0 } } }这个配置创建了三架无人机初始位置分别在(0,0,0)、(3,0,0)和(0,3,0)。你可以根据需要增加或减少无人机数量只需按照相同格式添加新的DroneX条目即可。提示在修改settings.json文件后需要重启AirSim才能生效。如果遇到任何问题可以尝试删除Documents/AirSim文件夹下的所有文件然后重新启动AirSim生成默认配置。2. 多机控制基础同时指挥多架无人机在单机操作中我们通常直接使用client对象来控制无人机。但在多机环境下我们需要为每架无人机创建独立的客户端连接。import airsim import time # 连接到AirSim client airsim.MultirotorClient() client.confirmConnection() # 获取所有无人机名称 drone_names list(client.listVehicles().values()) # 为每架无人机单独初始化 for name in drone_names: client.enableApiControl(True, name) client.armDisarm(True, name)这段代码首先建立与AirSim的连接然后获取场景中所有无人机的名称列表。接着我们遍历这个列表为每架无人机单独启用API控制并解锁电机。让所有无人机同时起飞也很简单# 让所有无人机同时起飞到2米高度 for name in drone_names: client.takeoffAsync(vehicle_namename).join() client.moveToZAsync(-2, 1, vehicle_namename).join()这里我们使用了Async方法配合join()确保每架无人机都完成当前动作后再执行下一个命令。moveToZAsync让无人机上升到2米高度注意AirSim中Z轴向下为正所以高度为负值速度为1米/秒。3. 实现基础跟随行为让无人机保持队形现在让我们实现一个简单的跟随行为——让一架无人机跟随另一架无人机保持一定距离。这是编队控制中最基础的行为模式。我们将使用基于距离的简单算法当跟随者与领航者的距离大于设定值时跟随者向领航者移动当距离过近时跟随者则远离。def simple_follow(leader, follower, follow_distance3, speed1): 实现简单的跟随行为 :param leader: 领航无人机名称 :param follower: 跟随无人机名称 :param follow_distance: 期望保持的距离(米) :param speed: 移动速度(米/秒) # 获取两架无人机的位置 leader_pos client.simGetVehiclePose(leader).position follower_pos client.simGetVehiclePose(follower).position # 计算两者之间的距离向量 delta_x leader_pos.x_val - follower_pos.x_val delta_y leader_pos.y_val - follower_pos.y_val delta_z leader_pos.z_val - follower_pos.z_val distance (delta_x**2 delta_y**2 delta_z**2)**0.5 # 如果距离大于期望值跟随者向领航者移动 if distance follow_distance * 1.2: # 加入20%的缓冲区域 target_x follower_pos.x_val delta_x * 0.1 target_y follower_pos.y_val delta_y * 0.1 client.moveToPositionAsync(target_x, target_y, leader_pos.z_val, speed, vehicle_namefollower) # 如果距离过近跟随者远离领航者 elif distance follow_distance * 0.8: target_x follower_pos.x_val - delta_x * 0.1 target_y follower_pos.y_val - delta_y * 0.1 client.moveToPositionAsync(target_x, target_y, leader_pos.z_val, speed, vehicle_namefollower)这个简单的跟随算法已经能够实现基本的编队保持功能。你可以通过调整follow_distance参数来控制无人机之间的间距通过speed参数调整跟随的速度。4. 进阶实现基于势场的编队控制虽然上面的简单跟随算法能够工作但在实际应用中我们通常需要更复杂的控制策略。让我们实现一个基于虚拟势场的编队控制算法它能够同时处理三种基本行为分离避免无人机之间碰撞聚合保持无人机编队不分散导航引导编队向目标点移动def potential_field_controller(drone_name, neighbors, target_pos, k_sep1.0, k_coh0.3, k_mig0.5, max_speed3, safe_distance2): 基于势场的编队控制器 :param drone_name: 当前控制的无人机名称 :param neighbors: 邻居无人机列表(名称) :param target_pos: 目标位置(Vector3r) :param k_sep: 分离力系数 :param k_coh: 聚合力系数 :param k_mig: 导航力系数 :param max_speed: 最大速度 :param safe_distance: 安全距离(避免碰撞) # 获取当前无人机位置 current_pos client.simGetVehiclePose(drone_name).position # 初始化速度向量 v_sep airsim.Vector3r(0, 0, 0) # 分离速度 v_coh airsim.Vector3r(0, 0, 0) # 聚合速度 v_mig airsim.Vector3r(0, 0, 0) # 导航速度 # 计算分离速度(避免碰撞) for neighbor in neighbors: neighbor_pos client.simGetVehiclePose(neighbor).position delta airsim.Vector3r(current_pos.x_val - neighbor_pos.x_val, current_pos.y_val - neighbor_pos.y_val, current_pos.z_val - neighbor_pos.z_val) distance (delta.x_val**2 delta.y_val**2 delta.z_val**2)**0.5 if distance safe_distance: # 距离越近排斥力越大 strength min(k_sep / (distance**2 0.1), max_speed) v_sep.x_val delta.x_val * strength v_sep.y_val delta.y_val * strength v_sep.z_val delta.z_val * strength # 计算聚合速度(保持编队) if neighbors: center airsim.Vector3r(0, 0, 0) for neighbor in neighbors: neighbor_pos client.simGetVehiclePose(neighbor).position center.x_val neighbor_pos.x_val center.y_val neighbor_pos.y_val center.z_val neighbor_pos.z_val center.x_val / len(neighbors) center.y_val / len(neighbors) center.z_val / len(neighbors) delta airsim.Vector3r(center.x_val - current_pos.x_val, center.y_val - current_pos.y_val, center.z_val - current_pos.z_val) distance (delta.x_val**2 delta.y_val**2 delta.z_val**2)**0.5 if distance 0: strength min(k_coh * distance, max_speed) v_coh.x_val delta.x_val * strength / distance v_coh.y_val delta.y_val * strength / distance v_coh.z_val delta.z_val * strength / distance # 计算导航速度(向目标移动) delta airsim.Vector3r(target_pos.x_val - current_pos.x_val, target_pos.y_val - current_pos.y_val, target_pos.z_val - current_pos.z_val) distance (delta.x_val**2 delta.y_val**2 delta.z_val**2)**0.5 if distance 0: strength min(k_mig * distance, max_speed) v_mig.x_val delta.x_val * strength / distance v_mig.y_val delta.y_val * strength / distance v_mig.z_val delta.z_val * strength / distance # 合并所有速度分量 v_total airsim.Vector3r( v_sep.x_val v_coh.x_val v_mig.x_val, v_sep.y_val v_coh.y_val v_mig.y_val, v_sep.z_val v_coh.z_val v_mig.z_val ) # 限制最大速度 speed (v_total.x_val**2 v_total.y_val**2 v_total.z_val**2)**0.5 if speed max_speed: v_total.x_val v_total.x_val * max_speed / speed v_total.y_val v_total.y_val * max_speed / speed v_total.z_val v_total.z_val * max_speed / speed # 应用速度控制 client.moveByVelocityAsync( v_total.x_val, v_total.y_val, v_total.z_val, 0.1, vehicle_namedrone_name )这个控制器实现了完整的势场算法你可以通过调整三个系数(k_sep、k_coh、k_mig)来改变编队的行为特征参数作用典型值范围效果k_sep分离力系数0.5-2.0值越大无人机之间保持的距离越大k_coh聚合力系数0.1-0.5值越大编队保持得越紧密k_mig导航力系数0.3-1.0值越大向目标移动的速度越快5. 完整示例三无人机三角形编队飞行现在我们将前面所有的代码片段组合起来创建一个完整的示例实现三架无人机以三角形编队飞向目标点的功能。import airsim import time import math # 连接到AirSim client airsim.MultirotorClient() client.confirmConnection() # 获取所有无人机名称 drone_names sorted(list(client.listVehicles().values())) leader drone_names[0] # 选择第一架作为领航无人机 # 初始化所有无人机 for name in drone_names: client.enableApiControl(True, name) client.armDisarm(True, name) # 同时起飞 for name in drone_names: client.takeoffAsync(vehicle_namename).join() # 上升到5米高度 for name in drone_names: client.moveToZAsync(-5, 1, vehicle_namename).join() # 设置目标点(距离起点50米) target_pos airsim.Vector3r(50, 0, -5) # 主控制循环 try: while True: # 对于领航无人机直接向目标点移动 leader_pos client.simGetVehiclePose(leader).position delta airsim.Vector3r(target_pos.x_val - leader_pos.x_val, target_pos.y_val - leader_pos.y_val, target_pos.z_val - leader_pos.z_val) distance (delta.x_val**2 delta.y_val**2 delta.z_val**2)**0.5 if distance 1.0: # 到达目标点 break # 领航无人机以1m/s速度向目标移动 if distance 0: client.moveByVelocityAsync( delta.x_val * 1.0 / distance, delta.y_val * 1.0 / distance, delta.z_val * 1.0 / distance, 0.1, vehicle_nameleader ) # 对于跟随无人机使用势场控制器保持编队 for i in range(1, len(drone_names)): # 计算期望的相对位置(三角形编队) angle 2 * math.pi * (i-1) / (len(drone_names)-1) desired_offset airsim.Vector3r( 3 * math.cos(angle), # 3米半径 3 * math.sin(angle), 0 ) # 计算期望的绝对位置 desired_pos airsim.Vector3r( leader_pos.x_val desired_offset.x_val, leader_pos.y_val desired_offset.y_val, leader_pos.z_val desired_offset.z_val ) # 使用势场控制器 potential_field_controller( drone_names[i], [n for n in drone_names if n ! drone_names[i]], desired_pos, k_sep1.2, k_coh0.4, k_mig0.6 ) time.sleep(0.1) except KeyboardInterrupt: pass # 降落所有无人机 for name in drone_names: client.landAsync(vehicle_namename).join() # 断开连接 for name in drone_names: client.enableApiControl(False, name)这个完整示例展示了如何协调多架无人机的飞行形成稳定的编队。领航无人机负责带领整个编队向目标点移动而跟随无人机则自动调整位置保持与领航无人机的相对位置关系同时避免与其他无人机碰撞。在实际测试中我发现当k_sep和k_coh参数的比例约为3:1时编队能够保持较好的稳定性。如果跟随无人机出现振荡现象可以尝试降低k_mig值或增加控制循环的频率。