微空 AI 智能无人机教程 序章：无人机简史与MVD35飞行平台概览

无人机发展简史

自 2010 年起，得益于微型机电系统（MEMS）传感器的普及，微型无人驾驶航空器（以下简称无人机）迎来了爆发式增长。在不到十年的时间里，大疆创新等企业迅速确立了消费级多旋翼无人机的市场领先地位，让航拍和空中娱乐真正触手可及。与此同时，固定翼无人机也完成了从传统航模到长航时自动飞行器的蜕变。它们开始搭载高清相机与图传设备，广泛执行超视距的测绘与巡检等行业任务。结合了两者优势的 VTOL（垂直起降固定翼）机型应运而生，凭借其灵活起降与长续航特性，成为了长距离物流运输等场景的理想选择。

在商业与行业应用高歌猛进的另一面，5.8G 模拟图传技术的成熟催生了一个硬核的极客分支——FPV（第一人称视角）无人机。玩家们通过飞行器实时回传的画面，操控微型多旋翼在狭窄空间中极速穿梭。借助短视频的快速传播，这种带来极致视觉冲击力和刺激感的飞行方式，在短短几年内便席卷全球，发展成为一项极具活力的现代竞速与影像运动。

时间来到 2026 年，距离小型无人机的起步已近二十载，各型无人机已在众多领域实现了深度赋能。在影像领域，航拍技术的普及多次颠覆了影视制作流程，也让普通大众能够轻松记录天空视角下的壮丽景观与日常生活。在行业应用端，无人机正在重塑生产力：大疆与极飞的农业无人机早已成为全球现代农场的标准配置，累计作业里程突破千万公里；测绘与巡检无人机也已深度融入各类机构的日常运作。近年来，大载重吊运无人机异军突起，在复杂山区地形中承担起短途物资搬运的重任，大幅降低了人力成本。此外，快递与外卖无人机已常态化运营多年，极大地提升了末端物流效率。而在 FPV 领域，持续的技术迭代与极其活跃的开源社区不仅推动了硬件的飞速发展，也让其应用场景进一步拓展，甚至在复杂的现代战术环境中崭露头角。

十年前，人们对无人机的广泛应用充满遐想，而今天，这些期许已悉数化为现实。展望未来，随着材料科学的突破与半导体工艺的持续迭代，无人机的性能与功能边界将不断被打破。依然有无数未知的领域，正等待着无人机技术的深度参与与重构，未来依旧充满无限可能。

图 0-1 小型无人机从 MEMS 传感器普及到 AI 自主化的发展路线。

开源飞控项目 ArduPilot 和 PX4

在无人机行业快速发展的同时，开源软件系统也扮演了非常重要的角色。就像电脑需要操作系统一样，无人机也需要一个“大脑”来控制机身并执行路线，我们通常称之为飞行控制器（飞控）。在过去的十多年里，开源飞控社区对整个无人机行业的进步做出了巨大的贡献。其中历史最悠久、开发者数量最多、影响最大的两个开源飞控项目就是 ArduPilot 和 PX4。

ArduPilot

ArduPilot是当前发展时间最长的开源飞控项目（没有之一），项目正式起源于2009年，也是功能最全面、最稳定成熟的开源飞控软件。社区活跃度和开发者人数都是当前的第一，每周都会有线上开发者例会，还有一年一度在全球某个城市举办的线下开发者大会。ArduPilot 不仅支持多旋翼和固定翼无人机，还支持垂直起降（VTOL）无人机以及无人车、无人船和潜水艇等等。经过了多年的积累，它的代码在应对复杂环境时相对稳定。全球范围内有无数的开发者、资深玩家以及企业在测试和使用。当前如果想让无人机执行各类自动化任务，ArduPilot 是一个极其可靠的选择。

PX4

PX4 开源飞控项目的诞生带有浓厚的顶尖学术背景。它起源于 2011 年，由瑞士苏黎世联邦理工学院（ETH Zürich）的计算机视觉与几何组研究员洛伦兹·梅尔（Lorenz Meier）发起。它的初衷，只是为了给大学里的计算机视觉和自动驾驶研究提供一个更加现代、易用的飞行控制平台。顺带一提，在目前无人机行业比较有名气的 Pixhawk 飞控硬件标准，也是伴随着 PX4 项目一起诞生的。

正因为学术研究的背景，PX4 的架构设计非常现代化，代码结构清晰，采用了模块化设计。因此，许多高校、研究机构和商业公司都非常喜欢使用 PX4 来做二次开发，或者与其他板载计算机（Onboard Computer）进行数据交互。如果要研究新的视觉技术，或者给无人机加上复杂的外部传感器，PX4 可以提供一个干净且友好的开发环境。这也是为什么很多探索前沿技术（例如无人机蜂群）的团队会优先选择它的原因。

ArduPilot和PX4的对比和选择

ArduPilot 就像一把瑞士军刀，万能且稳定，对初学者友好，几乎可以用来控制各种无人载具，不需要太多的技术背景。而 PX4 飞控项目更倾向用于二次开发，对于用户来说最有价值的是它的代码和功能框架。如果你是一个初学者，不希望花太多功夫在飞控代码的研究和二次开发上，通常建议选择ArduPilot，而如果你是一个有代码和技术基础的研发人员，希望在当前飞控代码上增加或者修改一些功能，那么 PX4 或许是一个非常不错的选择。

图 0-2 ArduPilot 与 PX4 的典型应用侧重点。

AI 智能体与无人机的结合

ArduPilot 和 PX4 等开源飞控系统已经较好地解决了多旋翼姿态控制、任务航线和底层执行等问题。它们就像是无人机的“小脑”，可靠地负责保持机身平衡、控制电机运转、以及沿着预设的 GPS 航点飞行。这种能力我们通常称之为“自动化（Automation）”。

然而，随着应用场景的不断扩展，仅仅依靠“自动化”已经无法满足未来的需求。传统的飞控系统是缺乏“视觉”和“理解力”的，它们只按照人类预先写好的规则和航线飞行，并不理解周围的环境是什么。如果遇到预设程序之外的突发情况，传统无人机就无能为力了。这就是为什么我们需要将人工智能（AI）引入无人机领域，让无人机从简单的“自动化”跨越到真正的“智能化（Autonomy）”。

在当下这种全新的智能架构中，无人机除了搭载飞控之外，还会搭载一台微型电脑（我们通常称之为板载计算机，Onboard Computer，例如树莓派 5）。这台微型电脑充当了无人机的前端“大脑”。板载计算机主要专注于处理运算量和实时性要求都比较高的任务，例如运行 VIO（视觉惯性里程计）来实现无 GPS 环境下的精准定位，以及执行实时的避障和局部路径规划算法。

最核心的是，这台板载计算机上还能运行我们的 AI 智能体（AI Agent）。这个智能体就像一个聪明的调度员，它作为连接物理世界和云端算力的桥梁。当机载摄像头拍下画面，或者接收到人类自然语言下达的模糊指令时，智能体会通过网络调用云端的在线大模型（如ChatGPT、Deepseek等）进行高维度的“思考”和“理解”。云端大模型凭借强大的算力，将模糊的任务拆解为具体的执行逻辑，并将决策结果传回给板载计算机。随后，AI 智能体将这些决策转化为具体的飞行路线，并将最终的控制指令发送给作为“小脑”的飞控去执行。

图 0-3 AI 智能体、云端大模型、机载电脑与飞控系统的协同关系。

举个例子，在过去，你可能需要在地图上繁琐地点击十几个航点来规划飞行路线；而现在，你只需要对 AI 智能体说：“去检查一下前面那座桥梁的底部结构，如果发现裂缝就拍一张特写照片。” 智能体会将这句话和当前画面发给在线大模型，大模型理解任务后下发策略。接着，板载计算机上的智能体就会自主规划路线，一边依靠 VIO 定位，一边避开障碍物飞到桥底。确认裂缝后，拍下照片。

这种 “云端大模型 + 板载 AI 智能体 + 飞控小脑” 的协同分工，巧妙地解决了小型无人机算力与重量之间的矛盾。它不仅极大地降低了操作门槛，更让无人机拥有了独立解决复杂问题的能力。这也是下一代智能无人机发展的必然趋势。

为什么微空设计了 MVD35 智能飞行平台

微空科技（MicoAir）是一个聚焦于智能无人机传感器与设备的创新团队，致力于向无人机社区和开发者提供更优秀、成本更低的自主无人机硬件与解决方案。

在 AI 浪潮席卷全球的今天，无数行业与产品正被 AI 智能体重新定义。无人机作为一种具备高机动性的空间机器人，正迎来前所未有的技术变革。我们希望让更多群体——无论是高校学生、科研人员、工程师，还是极客爱好者甚至中学生——都能轻松参与到这场史无前例的产品重构风暴中。

然而，多年从事无人机研发的我们深知，即使在硬件生态丰富、开源软件成熟的当下，从零开始组装并调试出一架能稳定自主飞行的智能无人机，依然困难重重。无人机是一个极其复杂的系统工程，繁琐的硬件匹配、底层通信调试、环境配置等“工程泥沼”，很容易让初来乍到的新人望而却步。

为此，我们设计了 MVD35 开源智能飞行平台。这不仅仅是一款开箱即用的硬件产品，更是一套完整、可参考的开源落地方案，以及一条为初学者量身定制的平滑学习路径。

图 0-4 MVD35 将智能无人机系统集成为可学习、可复现的开源飞行平台。

MVD35 智能飞行平台简介

MVD35 是一款高度集成的智能化飞行平台，采用安全可靠的包围式纯碳纤机身设计。它将强大的动力系统、微空一体式飞控、高算力机载电脑与多模态视觉传感器完美融合，并在其上深度适配了ArduPilot / PX4 开源飞控固件、视觉里程计算法、避障规划算法以及 AI 智能体软件。

核心硬件：

• 机身与动力： 138mm 圈圈式纯碳纤机架（设计开源），搭配 3.5 寸无刷动力系统

• 飞行控制： 微空 H743v2-AIO 飞控电调一体板

• 机载计算： 支持树莓派 5、香橙派 5 等高算力微型机载电脑（配备专用电源板）

• 感知系统： 双目 USB 相机、微空 MTF-02P 光流测距一体传感器，单目 MIPI 摄像头（可选）

• 通信链路： 微空 2.4G TRS 遥数一体数据链路

软件生态：

• 底层控制： ArduPilot / PX4 开源飞控固件

• 空间定位： OpenVINS 开源双目视觉里程计

• 运动规划： EGO-Planner 开源轨迹规划与避障算法

• 顶层决策： OpenClaw 开源 AI 智能体软件

为什么选择3.5寸机架？

对于初学者和算法研究人员来说，安全、便捷、高效的飞行测试永远是第一位的。

得益于 FPV 穿越机市场的蓬勃发展，3.5 寸动力系统在市面上已经非常成熟且普及。它是目前能够采用“全包围圈圈保护罩”设计的最大常见尺寸，确保了在狭窄空间或室内测试时的极高安全性；同时，它又是能够轻松挂载树莓派、双目相机等外部设备，并依然保持合理续航时间的最小尺寸。因此，将 3.5 寸作为当下 AI 智能体开发入门的专属飞行平台，无疑是兼顾安全、性能与便携性的最佳平衡点。

MVD35 设计图解

图 0-5 MVD35 智能飞行平台的主要硬件组成与结构布局。

AI 智能无人机教程概览

有了高度集成的 MVD35 硬件平台，仅仅是迈向智能化的第一步。在实际的无人机系统开发中，各种底层环境的配置、算法的编译部署以及软硬件的通信联调，往往是耗费初学者最多精力的环节，也是极易让人放弃的“重灾区”。

为了真正帮助开发者跨越这些工程障碍，降低系统性学习的门槛，我们配套编写了本教程。本教程将以 MVD35 飞行平台为基准，提供一套从零散硬件到 AI 智能体落地的完整实践参考路径。无论是缺乏硬件调试经验的软件开发者，还是初探 AI 领域的无人机爱好者，都可以通过这份指南避开繁琐的底层试错，系统性地掌握智能无人机的构建逻辑。

这份手把手的教程内容分为以下四个核心阶段：

第一部分：硬件组装与系统配置

本章节主要涵盖物理层面的搭建。包括 MVD35 碳纤机架的拼装、3.5 寸动力系统的部署，以及微空飞控、高算力机载电脑与各类视觉传感器之间的标准化连线。同时，将完成底层操作系统的安装与基础开发环境的配置，打好坚实的系统地基。

MVD35飞行平台搭建

第二部分：飞控调试与稳定悬停

本章节专注于底层控制系统的验证。将详细说明开源飞控固件的参数设置、传感器校准以及遥控器逻辑映射。结合光流测距传感器，完成无人机的首次室内试飞，确保飞行器具备稳定可靠的定点悬停能力。

Ardupilot及PX4飞行设置和调试

第三部分：视觉感知与局部规划

本章节进入板载计算机的算法部署阶段。通过运行 OpenVINS 开源双目视觉里程计，使无人机在无 GPS 的室内环境中获取精准的三维空间坐标；随后部署 EGO-Planner 算法，让飞行器具备识别周围障碍物并自主规划安全轨迹的能力。

机载电脑环境配置

双目视觉里程计 (VIO) 部署运行

第四部分：AI 智能体与大模型交互

本章节为智能化的最终部署。将在机载电脑上配置 OpenClaw 智能体框架，并通过 API 接入云端大语言模型（如 ChatGPT、DeepSeek 等）。打通从接收人类自然语言指令，到任务逻辑拆解，再到具体飞行动作执行的完整通信与控制链路。

AI agent 智能体接入

AI agent 智能任务 Skill 编写与执行测试案例

通过以上四个阶段的循序渐进，开发者将完整走通从基础组装到 AI 赋能的开发全流程，最终亲手打造出一台具备空间感知、自主决策与交互能力的现代智能无人机。