最近刚来hz一家小公司，主要是在做无人机以及新能源相关的，但是实习期间基本不给核心工作，基本就是简单打打杂，也是双休不让主动加班，250/天在杭州基本上存不了什么钱，一个人大老远来到陌生城市，还要冒着被抓的风险，还很闲，每次晚上想起来就很伤心，很孤独。分公司也没多少人，后端同事们以及我的领导都在其他分部，哎，真的不知道实习的意义是什么，这已经是我第三段实习了，马上就大四秋招了，回到出租屋一个人孤零零的也不知道干什么，钱也没多少不干大手大脚的花，不知道各位小厂实习的佬们有没有类似的烦恼 16 个帖子 - 12 位参与者 阅读完整话题
当调用 grok-4.3-beta 时， /v1/chat/completions 会返回上游 403 ，但同一部署下其它聊天模型可以正常使用，例如： grok-4.20-auto grok-4.20-expert grok-4.20-0309-non-reasoning 测试后发现 grok-420-computer-use-sa：/rest/rate-limits 仍返回 200，但 /rest/app-chat/conversations/new 返回 403 grok-420：/rest/rate-limits 返回 200，/rest/app-chat/conversations/new 也可以正常返回 200 本地将相关映射从 grok-420-computer-use-sa 改为 grok-420 后，再调用 model=grok-4.3-beta 可以正常返回： status=200 content=ok grok-4.3-beta应该已经被下架，取代的是modeId为grok-420的grok-4.3 8 个帖子 - 3 位参与者 阅读完整话题
美国海军近期完成了一次具有里程碑意义的海上救援行动：一架美军 AH-64“阿帕奇”武装直升机在阿曼沿海上空遇险迫降后，两名陆军机组成员在不到两小时内，首次由一艘无人驾驶的“科西尔”（Corsair）无人舰艇安全转移至后送区域。 据公开信息，这起事件发生在 2026 年 6 月 8 日 11 时 33 分（格林尼治时间）。一架执行霍尔木兹海峡附近例行巡逻任务的阿帕奇攻击直升机在飞行途中突然出现状况，目前外界尚不清楚具体原因是机械故障还是遭遇敌对行为。 事发后，美军联合启动搜救行动，由美国海军部队司令部与第 82 空降师牵头，美国空军与海军多支力量提供支援。 与传统救援行动不同，本次行动中特别纳入了美国第五舰队旗下无人与人工智能作战整合单位——第 59 特遣队。该特遣队运营一支无人水面舰艇编队，其中包括由 Saronic 公司研制的“科西尔”无人舰艇。 这艘约 24 英尺（约 7.3 米）长的无人艇配备 360 度被动感知载荷，能够在复杂海况下搜索人员和目标。 通过相关传感器，“科西尔”成功定位到落水的两名阿帕奇机组成员，并驶抵他们所在海域。 随后，两名机组人员登上无人艇舱段上方结构并抓牢舰体，由无人艇将他们运送到相对安全海域，供有人直升机实施后续吊运和转移。 根据美军方面消息，两人获救后状况稳定。 这一“首例”无人舰艇实战搜救行动，不仅被视为技术与战术上的突破，也被看作无人系统在军事救援领域可行性的实证。 在现代战争中，战场减员与伤员后送始终是各国军队面临的关键难题。尤其是奉行“绝不遗弃任何一名战友”原则的西方军队，为了救助伤员往往需要投入大量人力。 传统做法中，至少需要两名健康士兵才能搬运一名伤员，这在兵力配置和战术推进上造成明显牵制。 历史战例也凸显了这一问题：在越南战争中，对手往往通过迅速打伤一名美军士兵迫使部队停顿，以利用伤员处理时间打乱美军攻势节奏。 到福克兰战争时，英军在战术上有所调整，更倾向于在前线快速完成对伤员的基础救治后继续推进，将系统性后送安排在条件允许的时间窗口，以免作战节奏因单点伤情被拖慢。 无人化和自主化救援平台被视为打破这一困局的潜在关键。报道指出，包括陆地、海上以及空中在内的多类型无人平台，未来都有可能被部署为救援与后送单元。 这类系统可以在一定程度上取代战斗人员执行高风险搜救任务，释放更多兵力投入核心作战和其他行动，同时也可能减少昂贵、复杂的人力营救行动。 从医疗救治角度看，无人平台有望帮助更好地抢抓“黄金一小时”。 在这一关键时间窗口内将伤员快速转移至后方或具备医疗能力的平台，往往直接关系到生死存亡。 与有人分队相比，无人平台可以在极高风险区域或恶劣环境中执行任务，将救援力量推进到此前难以触及的地带，从而提高整体救援成功率。 无人救援技术的潜在应用远不止战场。报道指出，在地震、飓风、山火、海啸等大型自然灾害中，无人救援平台同样可以发挥重要作用。 这些无人系统可以在道路中断、环境污染严重或后续次生灾害风险较高的区域快速机动，将食品、药品等应急物资送入灾区，并将伤员从高危区域转移至安全地带。 此外，此类平台还可在高风险地区预先部署，一旦灾害发生即可快速启用。 值得注意的是，执行救援任务的无人平台并不一定是为医疗或搜救专门设计的专用装备。本次阿帕奇事件就表明，只要平台具备承载人员或人形载荷的能力，便可以在紧急情况下被“临时转用”为救援工具。 这一思路在未来或将被推广到更多无人载具上，无论是水面无人艇，还是其他类型的无人系统，都可能在战时和灾害救援场景中“一机多用”。 报道还提到，未来承担救援与后送任务的无人平台形态可能更加多元化。例如，正在开发的四足机器人原本被设想为随队“驮运骡”，用于为步兵分担物资负重，但在技术成熟后也可以被改装为运载伤员或携带紧急物资的小型救援机器人。 同时，外界对人形军用机器人也有诸多讨论，此类平台在机动性、环境适应性和对人类空间的适配性方面具有潜在优势，理论上可在软件重构后承担战场“机械医护兵”角色。 文章最后以一种略带科幻色彩的方式指出，未来当战场上有人呼喊“军医”的时候，回应者或许会是一台披着伪装迷彩、胸前标有红十字标志、外形接近 C-3PO 的类人机器人。 而这次由“科西尔”无人艇完成的海上救援行动，则被视为通往这一未来图景的早期实战样本之一。 查看评论
Ubuntu搭建PX4无人机仿真环境 前言 本教程基于 ROS2 ，在搭建之前，需要把 ROS2、QGC 等基础环境安装配置完成。 小白必看 ： 本次安装是以 px4 v1.14.0 为例，不适用之前的 px4 版本。（支持 Ubuntu 22.04 ROS2 Humble PX4v1.14.0+，Ubuntu 24.04 ROS2 Jazzy PX4v1.16.0+） 我的配置如下： 虚拟机 Ubuntu 22.04 (运行内存 4G、硬盘内存 80G) 、ROS2 Humble 、QGC v4.4.4 禁止无脑复制：首先大部分命令都有先后顺序，就是要上一个命令执行成下一个才能执行成功，对于不熟悉的命令可以直接复制问 AI 这样还能顺带学习学习；其次在有些情况下多个命令一起执行会出现奇怪的错误，而且有些命令旁边有注释，有时候复制上去可能也会出现错误。 建议使用虚拟机：虽然虚拟机得性能有限，但是对于新手入门阶段是完全够用了，后续大型仿真再用双系统也比较熟悉了。而且虚拟机有一个快照功能，可以保存当前虚拟机的状态 (相当于存档)，这样如果后面出了问题要重新搭建环境，可以用快照回到上一个状态，这样就不用重头开始（我一般是安装好 ROS 拍一个、安装好 mavros 拍一个…）。 关于网络：由于一些懂得都得的原因，再加上每个人的网络环境不同，我们下载 GitHub上的资源、安装 Python 包、apt 安装包等会时快时慢，所以大家会换源，比如一开始的换 apt 软件安装源等。但是下载资源一定要耐心，如果是网络问题，可以尝试多执行几次命令，而且有些我也给了相应的解决方案。 1. 准备 1.1 下载源码 方式一： 从 Github 上下载，但是比较考验个人网速 sudo apt install git git clone https://github.com/PX4/PX4-Autopilot.git # 下载源码 mv PX4-Autopilot PX4_Firmware # 更改目录名 cd PX4_Firmware git checkout v1.14.0 # 切换版本 git submodule update --init --recursive # 更新下载子模块 方式二： 从提供的网盘里下，或者从QQ群(961297255)里下载 链接: 百度网盘 请输入提取码 提取码: rbrk 下载后解压，然后执行下面命令： cd PX4_Firmware wget https://gitee.com/tyx6/mytools/raw/main/px4/set_executable.sh chmod +x set_executable.sh ./set_executable.sh 1.2 安装依赖 sudo apt install ros-dev-tools cd ~/PX4_Firmware/Tools/setup 修改文件并备份 （就把 pip 安装源换成了清华源），这一步是可做可不做，如果觉得python 包下载太慢了，可以试试 sed -i.bak 's|\/requirements.txt|\/requirements.txt -i https:\/\/pypi.tuna.tsinghua.edu.cn\/simple|' ./ubuntu.sh chmod +x ubuntu.sh ./ubuntu.sh --no-nuttx --no-sim-tools # 这是官方提供的脚本 有两个可选参数 # --no-sim-tools 不安装仿真环境 # --no-nuttx 不安装交叉编译环境 #（如果需要自己编译飞控固件，烧录到飞控中，那就需要交叉编译环境） # 脚本执行时间，跟个人网络有关，可能需要一段时间 重启电脑 1.3 安装 Gazebo Gazebo是一款强大的3D仿真软件，主要用于机器人学的研究和开发。它提供了高度逼真的物理模拟环境，包括动力学、碰撞检测、传感器模型以及与真实世界相似的物理属性如重力、摩擦力等。Gazebo可以模拟各种类型的机器人，从移动机器人、无人机到机械臂，甚至可以模拟整个城市环境。 根据上图说明，Gazebo 官方做了更新将之前的 Gazebo Ignition 命名为 Gazebo，以前的 Gazebo 现在叫 Gazebo Classic ，而 Ubuntu 22.04 及以后的版本就支持 Gazebo (Gazebo Ignition) 。 因为几年前官方对 Gazebo 进行了重大架构变更，然后将变更后的版本叫 Gazebo Ignition，旧的仍叫 Gazebo。后面Gazebo Ignition 逐渐成熟并经过使用验证，所以他结束了旧的 Gazebo ( Gazebo 11 是 Gazebo Classic 的最后一个版本，支持到 2025 年 )，并重新对它们命了名。 cd ~/PX4_Firmware/Tools/setup ./ubuntu.sh --no-nuttx # 这一步会安装仿真环境，包括 gazebo # 脚本执行时间，跟个人网络有关，可能需要一段时间 再运行一下 gazebo ： gz sim 2. 安装 Micro XRCE-DDS Agent 在 ROS2 中 PX4 使用 uXRCE-DDS 中间件来允许在配套计算机上发布和订阅 uORB 消息，就像它们是 ROS2 话题一样。这提供了 PX4 和 ROS2 之间快速可靠的集成，并使 ROS2 应用程序更容易获取车辆信息和发送命令，如上图所示。 这应该跟 ROS2 将中间件改为 DDS 有关，但是官方又说明了在 ROS2 中仍可以使用 MAVROS，可能官方觉得在 ROS2 中 Micro XRCE-DDS Agent 更好用 ，也可能是因为 MAVLink 是外部通信协议，uORB 是内部通信协议。 注：如果想用 Mavros 请参考这篇文章 ubuntu搭建PX4无人机仿真环境(2) —— MAVROS安装(适用于ROS1、ROS2)-CSDN博客 使用方法跟 ROS1 类似，这里不做描述。 Micro XRCE-DDS Agent 与 MAVROS 的对比（来自豆包AI，仅供参考） MAVROS 是 ROS（机器人操作系统）生态中连接 MAVLink 协议设备（如 PX4、ArduPilot 飞控）的主流工具，本质是 ROS 与 MAVLink 的桥梁。二者的核心差异体现在如下方面： 维度 Micro XRCE-DDS Agent MAVROS 核心定位 资源受限设备与 DDS 分布式网络的通信代理，支持多设备协同 ROS 与 MAVLink 设备（如飞控）的通信桥梁，专注无人机控制 生态兼容性 兼容 DDS 生态（如 Fast DDS、Cyclone DDS），可与非 ROS 系统集成 强依赖 ROS 生态，仅支持 ROS 节点与 MAVLink 设备交互 资源占用 客户端（Client）极轻量（适合 MCU 等嵌入式设备），Agent 本身资源消耗中等 依赖 ROS 节点和进程，资源占用较高（不适合极简嵌入式环境） 灵活性 支持自定义数据类型，可灵活扩展消息结构，适应复杂分布式场景 消息类型固定为 MAVLink 标准消息，扩展需修改协议或自定义消息 实时性 原生支持实时性配置（通过 DDS QoS），适合低延迟场景 实时性依赖 ROS 调度，默认配置下实时性中等 适用场景 无人机集群协同、多传感器分布式融合、跨平台设备互联 单无人机与 ROS 系统的通信（如地面站控制、数据日志、任务规划） 优点 1. 分布式架构，支持多设备协同； 2. 轻量级客户端适合嵌入式； 3. 可自定义消息，灵活性高； 4. 强实时性与 QoS 保障 1. 无缝集成 ROS 生态，开发便捷； 2. 成熟稳定，支持 MAVLink 全功能（控制、参数、日志等）； 3. 社区活跃，问题易解决 缺点 1. 学习成本高（需理解 DDS 概念），目前资料相比于mavros少很多 ； 2. 与 ROS 集成需额外适配； 3. 对单设备简单通信场景略显复杂 1. 依赖 ROS，非 ROS 环境下使用不便，但非ROS环境也有其他基于mavlink的库可以使用 ； 2. 分布式多设备协同能力弱； 3. 资源占用较高，不适合极简嵌入式 下载源码： git clone -b v2.4.3 https://github.com/eProsima/Micro-XRCE-DDS-Agent.git 编译： cd Micro-XRCE-DDS-Agent mkdir build cd build cmake .. make # make 的时候还会下载代码，跟个人网速有有关，大概要10-20分钟 安装： sudo make install sudo ldconfig /usr/local/lib/ # 更新动态链接器的缓存 3. 编译 cd ~/PX4_Firmware make px4_sitl gz_x500 # 这步可能有点慢 出现这个表示编译成功 错误 ：如果在虚拟机中可能遇到下面错误，这是由于在虚拟机设置中开启了 3D 图形加速，导致系统的 OpenGL 版本降低。 参考这个 Issue 中的解决方法，降低仿真使用的渲染引擎的版本 修改处大概在 73 行（PX4_Firmware/ROMFS/px4fmu_common/init.d-posix/px4-rc.simulator）： sed -i 's/${gz_command} ${gz_sub_command} -g &/${gz_command} ${gz_sub_command} -g --render-engine ogre \&/' ~/PX4_Firmware/ROMFS/px4fmu_common/init.d-posix/px4-rc.simulator 错误 ：如果编译过程中出现类似下面错误，应该是 gz_bridge 启动超时 INFO [gz_bridge] world: default, model name: x500_0, simulation model: x500 ERROR [gz_bridge] Service call timed out ERROR [gz_bridge] Task start failed (-1) ERROR [init] gz_bridge failed to start ERROR [px4] Startup script returned with return value: 256 参考下面链接中给出的解决方法 make px4_sitl gz_x500出错 - 哔哩哔哩 然后，再重新编译 4. 通信 打开一个终端，启动 MicroXRCEAgent： MicroXRCEAgent udp4 -p 8888 打开另一个终端，启动仿真： cd ~/PX4_Firmware make px4_sitl gz_x500 都启动后，可以看到通信成功 5. offboard 测试 创建工作空间： mkdir -p ~/ros2_ws/src 下载源码： cd ~/ros2_ws/src git clone https://github.com/PX4/px4_msgs.git git clone https://github.com/PX4/px4_ros_com.git 编译： cd ~/ros2_ws colcon build 更新环境： echo "source ~/ros2_ws/install/setup.bash" >> ~/.bashrc source ~/.bashrc #使环境生效 测试： 先启动 QGC 地面站，然后执行下面命令，不然有可能无法起飞 终端一，启动 MicroXRCEAgent： MicroXRCEAgent udp4 -p 8888 终端二，启动仿真： cd ~/PX4_Firmware make px4_sitl gz_x500 终端三，启动官方 offboard 案例（上升5米）： ros2 run px4_ros_com offboard_control 注：如果过了一段时间，无人机无法 offboard 起飞，程序都正常启动，这时可以尝试下面命令 cd ~/ros2_ws/src rm -f ./px4_msgs/msg/*.msg cp ~/PX4_Firmware/msg/*.msg ./px4_msgs/msg/ # rm -f ./px4_msgs/srv/*.srv # v1.15.0 之后 # cp ~/PX4_Firmware/srv/*.srv ./px4_msgs/srv/ # v1.15.0 之后 # cp ~/PX4_Firmware/msg/versioned/*.msg ./px4_msgs/msg/ # v1.16.0 之后 然后重新编译 source /opt/ros/humble/setup.bash cd ~/ros2_ws colcon build 编译成功后，记得 source 一下，再重新offboard测试 到这 PX4 无人机基本仿真环境就搭建完成了，大家可以基于此来拓展自己的仿真。 参考 PX4 ROS 2 User Guide PX4 documentation uXRCE-DDS PX4 Ubuntu Development Environment a-new-era-for-gazebo Unable to ros2 topic echo specific topics - PX4 Autopilot - Discussion Forum 如有其他问题，或者发现文章有错误，请在评论区留言 Keep learning！ 1 个帖子 - 1 位参与者 阅读完整话题
6月1日，有网友发布视频反映， 一辆印有"小马智行"标识的无人驾驶车辆变道后突然刹车，导致其避让不及发生碰撞，事故发生后该无人车径直驶离。 视频画面显示，6月1日18时许，在北京亦庄某路段，一辆小马智行无人驾驶汽车原本在右侧车道行驶，在向左变道时已部分进入左侧车道，但并未保持原速，而是突然刹车，导致后方车辆躲闪不及追尾。碰撞发生后，无人车没有停车等待处理，而是直接驶离了现场。 据了解，事故后，后车车主报警，当地交管部门出具的责任认定书显示，小马智行自动驾驶车辆因变更车道时， 影响相关车道内行驶的机动车正常行驶的过错行为，被判定承担事故的全部责任。 该视频在网上引发热议，有网友调侃“没有人开，不算肇事逃逸”，也有网友质疑无人车事故后驶离是否合规、责任如何认定。 针对此事，6月5日，小马智行官方回应表示，事故未造成任何人员受伤，公司已在第一时间主动上报交管部门并联络涉事车主，目前正在妥善跟进定责、理赔与善后工作。 并且，小马智行还指出，虽然该车辆处于无人驾驶状态，但有远程安全员在后台实时监测。 发生碰撞后，远程安全员对此就已知情，车辆开出后停在安全区域，地勤人员前去登记拍照并报警，当天警方联系上了后车车主。 事实上，从法律角度看，传统意义上的“肇事逃逸”要求行为人主观上有逃避法律责任的故意，而无人驾驶车辆车内没有驾驶员，驶离行为由系统自动执行，是否构成逃逸在现行法律框架下尚存争议。 但无人车发生事故后的处置流程，是停车等待还是继续行驶、如何与对方车主和交管部门对接，目前仍缺乏明确规范。 查看评论
IT之家 6 月 7 日消息，6 月 5 日，“驼峰”1500H 重载无人机首飞仪式在重庆市江津区团结湖数字经济产业园举行。 在江津区团结湖试飞场，“驼峰”1500H 顺利完成智能飞控、导航系统、航向性能、自主飞行等关键科目验证，最后精准平稳着陆，圆满完成首飞任务。此次飞行全程采用 多余度飞控系统 主导，飞行姿态稳定， 标志着我国 1.5 吨级重载无人机实现重要突破 。 IT之家从官方介绍获悉，“驼峰”1500H 是驼航科技面向国家应急体系建设、低空经济发展、高原与远海物资投送等重大需求推出的核心装备， 最大起飞重量 1.5 吨，最大载重 700 公斤，最大速度 160km/h ，具备全自主起降、自主巡航、空中悬停、一键返航等核心能力。搭载 500 公斤载荷续航时间 6 小时以上，可广泛应用于 应急救援、高原物流、海岛补给、消防灭火、工程运输、电力建设、特种投送 等领域。 “驼峰”1500H 专为复杂环境设计，可抵御零下 25℃ 严寒与 55℃ 高温，起降抗风 6 级、空中抗风 8 级，6000 米高升限满足高原作业。 在极端环境下，“驼峰”1500H 续航能力几乎不受影响 ，适合高原、高寒、长航时等严苛任务场景。
IT之家 6 月 7 日消息，近日，三峡集团首个无人机智能巡检管理体系在内蒙古投入运行，首批覆盖 12 座新能源场站，总装机 640 万千瓦， 实现无人机统一管控、统筹调度、智能诊断、闭环消缺 。该套体系的落地，标志着三峡集团在新能源场站规模化智能运维方面迈出关键一步，为国内新能源场站集约化巡检提供了实践样板。 IT之家从官方介绍获悉，该套无人机智能巡检管理体系由三峡陆上新能源总部电力生产部牵头实施，通过制定并实施“1+1+1+5”（规划方案、接入方案、管理细则及五类专业手册）标准化管理制度，解决了新能源场站无人机巡检缺少统一管控标准的问题。 当前该无人机智能巡检管理体系已配套 21 座无人机机巢、28 架巡检无人机， 实现光伏、风机、集电线路、升压站巡检全覆盖 。相较于传统人工巡检， 每年可节省人工工时超 11 万小时 ，巡检效率提升 13.2 倍，设备隐患提前检出率达 63%。 整套体系以自主设计开发的无人机智能巡检平台为依托，构建起全链条闭环巡检模式：巡检计划统一编制报批，审核通过后经由平台下发作业指令，无人机从配套机巢自主升空巡检；巡检数据实时回传入库， 依托 AI 甄别缺陷 ，按流程完成隐患整改、复检、归档。 三峡集团透露，根据国家出台的关于无人机飞行管理相关法规，无人机智能巡检管理体系建立了专项管控机制，落实双审批、全报备、实时监控管理举措，各项管控标准对标国家无人机飞行法规落地执行，确保每一次飞行任务全程可追溯、可管控、可闭环，切实保障巡检作业合法、安全开展。
已经400多票了，@管理也一直没有审核。 请问有什么其他方式申请审核么？ 3 个帖子 - 3 位参与者 阅读完整话题
IT之家 6 月 6 日消息，东风汽车无人物流车品牌“东风 OpenVAN”6 日（今天）正式发布，四款东风 OpenVAN 全场景无人物流车产品亮相。发布会现场，东风汽车综合物流、新能源运营、装备制造、城市服务及零售配送等多元领域的行业龙头企业签约，签约订单超过 4000 台，预计将于 8 月进行交付。 根据介绍，东风 OpenVAN 具备“智慧大脑”“安全骨骼”和“数字神经”。东风汽车联手九识智能自研大模型智驾“九识智驾 Zelos Inside”，号称拥有 1.3 亿公里真实路况验证 ，拒绝“鬼探头”、绕过“遗撒物”，降低事故故障率； 刹车、转向、供电全部配备双套系统 ，全车加上双重安全保险；5G 超低时延技术可实现 线上看管上百台车辆 ，系统自动测算最优路线，全天候在线运维。 此次发布了 4 款车型。IT之家汇总主要信息如下： DF-2：容量 2 方、载重 1 吨、续航 120 公里，专攻末端配送、道路巡检及小型环卫。 DF-8：容量 8 方、载重 2.8 吨、续航 150 至 195 公里，适用于商超、冷链场景。 DF-25：容量 25 方、载重 4 吨、续航 300 公里，适配园区运输场景。 DF-60：容量 60 方、载重 13.6 吨、续航 200 公里，适配大件运输。
IT之家 6 月 5 日消息，东风汽车今日宣布，旗下全新无人运力品牌 OpenVAN 将于明日在湖北襄阳发布，四款 L4 级无人物流新车即将集体登场。 IT之家获悉， Open 代表开放生态、开放技术平台、开放制造能力； VAN 寓意移动运力、智慧物流载体。 官方表示，东风 OpenVAN 的整车平台由东风汽车自主主导打造，L4 高阶智驾系统则与九识智能联合定制研发。 据介绍，四款车型精准划分运力梯队，每一台都有专属定位，轻松适配各行各业五花八门的送货需求： “城配多面手”DF-8： 8 方容积、3.5 吨级载重。行业少见后双胎配置，最高续航 260 公里，4.4 米小转弯半径，能换装十余种定制车厢； “货运小精灵”DF-2： 2 方容积、1 吨级载重。个头小巧灵活，专门攻克社区小件快递、商超零食短途配送； “园区未来星”DF-25： 25 方容积、6 吨级载重。四开门结构装卸效率提升 40%，主打厂区、工业园大批量货物转运； “干线新势力”DF-60： 60 方容积、18 吨级载重。双侧飞翼全开，装卸直接提速 50%。
注册的页面是 cursor.com/profile 注册之后可以选择公开自己的这个页面分享给别人，别人就能看到你的 Cursor 的部分使用情况 佬友们可以去注册一个属于自己的 handle（虽然没什么实际的作用 消息来源： 1 个帖子 - 1 位参与者 阅读完整话题
美国国防部近日委托美国莱茵金属公司（American Rheinmetall）与新能源卡车企业 Harbinger 联合开发新一代隐身、低成本、可消耗型无人卡车，用于在战场环境中自主运送物资，从而减轻前线士兵背负重物的压力。 尽管当代军队在后勤体系上堪称“物流奇迹”，拥有庞大而高效的海运、空运与陆上运输网络，但在战斗前沿，总有一个“最后一公里”需要士兵依靠体力，穿越泥泞破碎的地形，将弹药、燃料和给养一箱箱扛上前线。 为缩小这一“运输鸿沟”、让士兵在战斗前获得更多休整时间，军事决策者正日益把目光投向机器人与无人系统。 自动驾驶军用卡车概念并非新鲜事物，相关技术已有二十余年发展历史，但过去主要局限于小规模有人编队伴随的无人车队试验。 此次合作要打造的是一整套可在现代高威胁战场环境中独立运行、承担物资运输任务的新一代无人货运平台。 根据介绍，这一车族将通过一项现代化合同推进研发：美国莱茵金属负责战斗车辆一体化设计、模块化架构、可适配任务套件接口以及任务系统工程；Harbinger 则提供源自商用平台的线控混合动力底盘及相关电气化技术。 项目目标是在较短时间内形成可规模化量产、价格可接受、在战时可视为“可消耗资产”的无人化平台，用于作战、后勤与持续保障任务。 项目早期重点将集中在能够进入战区、执行任务的自主战术轮式车辆，后续则逐步演进到面向“有人—无人协同”（MUM-T）的下一代无人作战平台。 从最终形态看，这些车辆将与传统意义上的卡车截然不同，它们不再设驾驶室，也无机械转向机构，而是完全依赖线控系统和自主驾驶控制。 在动力形式上，无人卡车将采用混合动力系统，并可在必要时切换为纯电驱动。 这不仅是出于节能或环保考虑，更关键的是电驱模式可以显著降低噪音和热特征，使车辆在战场上更难被敌方侦测，提高隐身性能与生存能力。 项目设想，这类无人车辆可在多种高风险场景中充当“力量倍增器”：以较低成本和可承受的损失风险执行弹药、燃料和口粮等物资的前送任务，即便在遭受敌火打击的情况下损失车辆，也无需冒险投入人员。 由于采用线控底盘并具备高度自主性，系统在执行任务时不需要任何人类驾驶员接近前线，可大幅降低人员伤亡风险。 美国莱茵金属公司首席执行官马修·沃尼克（Matthew Warnick）在谈到这一合作时表示，士兵需要的是“值得信赖的机器人平台”，同时其成本必须低到足以以大量规模部署，才能在战场上真正发挥作用。 他称，Harbinger 的线控混合动力平台是美国迄今最具“自动驾驶准备度”的商用底盘之一，与美国莱茵金属在军用任务系统集成方面的深厚经验相结合，将为国防部提供一种“可消耗、主权可控、可快速扩展”的无人平台方案，“在美国研发、在美国制造，并且随时可投入战斗”。 查看评论
如题，模型评价好像在外网还不错，但是国内风评一般，ollama可以免费调用 3 个帖子 - 3 位参与者 阅读完整话题
无人机对我来说是一个全新的领域，没飞过没碰过更别说做相关的项目了。 在AI的帮助下，了解无人机相关知识，了解模拟飞行相关技术路径，最终使用了 UE + AirSim + python 控制服务这么一条技术路线。 下载虚幻引擎环境、C++环境捣鼓了大半天，然后尝试从网上下载免费的场景地图、无人机模型，替换AirSim内置的飞机模型，替换后重新编译。 。。 总之，这条路居然让我还走通了！ 后续还要接入真实遥控手柄、PX4，理论上没有阻塞点了。 下面基于微软AirSim官方预编译的二进制.exe做了一个演示汇报用的Demo，差不多就这样了~~ 感谢CPC、感谢PRC、感谢奥特曼~~ 6 个帖子 - 4 位参与者 阅读完整话题
IT之家 6 月 2 日消息，影石 Insta360 今日官宣， 吴克群出任影翎 AG 全景无人机首席体验官 。 未来，吴克群将以这一新身份与影翎展开更多合作，走进大众生活与公益现场，探索全景无人机在生活中的更多可能。 影翎官方表示，近年来，吴克群持续走进普通人的生活现场，在公益、助农等行动中记录真实的人与故事。影石表示，这种精神也与影翎希望传递的品牌理念形成了自然契合。 作为全球首个全景无人机品牌，影翎希望让无人机不再只是少数人的专业工具，而是以更简单、更沉浸的全景飞行体验，走进更多普通人的生活。 未来，影翎将携手吴克群， 探索全景飞行在大众生活中的更多可能 。作为影翎全景无人机首席体验官，吴克群也将参与更多真实记录，与影翎一起用更完整、更自由的影像记录具体的人与生活。 据IT之家此前报道，全球首款 8K 全景无人机影翎 Antigravity A1 于 2025 年 12 月 4 日上市 ，定价 7999 元起。 影翎 Antigravity A1 深度搭载影石 Insta360 全景拼接技术，打造完美隐形效果，从实时图传到最终成片，A1 机身始终隐形；机身搭载基于 1/1.28 英寸传感器的双镜头全景成像系统，可输出 8K30fps、5.2K60fps 或 4K100fps 的 360° 全景视频。
Ubuntu搭建PX4无人机仿真环境 前言 本教程基于 ROS1 ，在搭建之前，必须把 ROS、MAVROS、QGC 等基础环境安装配置完成。如果没有配置完成，大家可以参考我之前的教程配置。 小白必看 ： 本次安装是以 PX4 v1.13.2 为例。 我的配置如下： 虚拟机 Ubuntu 18.04 (运行内存 4G、硬盘内存 80G) 、 ROS1 Melodic 、 QGC v4.2.6 ( Ubuntu 20.04 、ROS1 Noetic 、PX4 v1.13.2 同样适用；Ubuntu 20.04 、ROS1 Noetic 、PX4 v1.14.0及以上也同样适用 ) 禁止无脑复制：首先大部分命令都有先后顺序，就是要上一个命令执行成下一个才能执行成功，对于不熟悉的命令可以直接复制问 AI 这样还能顺带学习学习；其次在有些情况下多个命令一起执行会出现奇怪的错误，而且有些命令旁边有注释，有时候复制上去可能也会出现错误。 建议使用虚拟机：虽然虚拟机得性能有限，但是对于新手入门阶段是完全够用了，后续大型仿真再用双系统也比较熟悉了。而且虚拟机有一个快照功能，可以保存当前虚拟机的状态 (相当于存档)，这样如果后面出了问题要重新搭建环境，可以用快照回到上一个状态，这样就不用重头开始（我一般是安装好 ROS 拍一个、安装好 mavros 拍一个…）。 关于网络：由于一些懂得都得的原因，再加上每个人的网络环境不同，我们下载 GitHub上的资源、安装 Python 包、apt 安装包等会时快时慢，所以大家会换源，比如一开始的换 apt 软件安装源等。但是下载资源一定要耐心，如果是网络问题，可以尝试多执行几次命令，而且有些我也给了相应的解决方案。 1. 准备 1.1 下载源码 方式一： 从 Github 上下载，但是比较考验个人网速 sudo apt install git git clone https://github.com/PX4/PX4-Autopilot.git # 下载源码 mv PX4-Autopilot PX4_Firmware # 更改目录名 cd PX4_Firmware git checkout v1.13.2 # 切换版本 git submodule update --init --recursive # 更新下载子模块 方式二： 从提供的网盘里下，或者从QQ群(961297255)里下载 链接: 百度网盘 请输入提取码 提取码: krb5 下载后解压，然后执行下面命令： cd PX4_Firmware wget https://gitee.com/tyx6/mytools/raw/main/px4/set_executable.sh chmod +x set_executable.sh ./set_executable.sh 1.2 安装依赖 cd ~/PX4_Firmware/Tools/setup 修改文件 （就修改了一个 python 包版本和把 pip 安装源换成了清华源），这一步是可做可不做，如果觉得python 包下载太慢了，可以试试 sed -i.bak 's/empy>=3.3/empy==3.3.4/' ./requirements.txt sed -i.bak 's|\/requirements.txt|\/requirements.txt -i https:\/\/pypi.tuna.tsinghua.edu.cn\/simple|' ./ubuntu.sh chmod +x ubuntu.sh ./ubuntu.sh --no-nuttx --no-sim-tools # 这是官方提供的脚本 有两个可选参数 # --no-sim-tools 不安装仿真环境 # --no-nuttx 不安装交叉编译环境 #（如果需要自己编译飞控固件，烧录到飞控中，那就需要交叉编译环境） # 脚本执行时间，跟个人网络有关，可能需要一段时间 重启 Ubuntu 1.3 安装 Gazebo Gazebo是一款强大的3D仿真软件，主要用于机器人学的研究和开发。它提供了高度逼真的物理模拟环境，包括动力学、碰撞检测、传感器模型以及与真实世界相似的物理属性如重力、摩擦力等。Gazebo可以模拟各种类型的机器人，从移动机器人、无人机到机械臂，甚至可以模拟整个城市环境。 （由于Gazebo版本变化，现在也叫 Gazebo Classic） 注： 使用之前要检查是否已经安装了 gazebo ，建议使用 官方推荐的gazebo版本 ： gazebo --version 如果出现 上图内容 ，说明没有安装，如果出现了 gazebo的版本信息 说明已经安装了，要卸载，命令如下： sudo apt-get remove gazebo* sudo apt-get remove libgazebo* sudo apt-get remove ros-$ROS_DISTRO-gazebo* 卸载完后，开始安装**（Ubuntu 18 会安装 gazebo 9.19，Ubuntu 20 会安装 gazebo 11.15.1）**： cd ~/PX4_Firmware/Tools/setup ./ubuntu.sh --no-nuttx # 这一步会安装仿真环境，包括gazebo # 脚本执行时间，跟个人网络有关，可能需要一段时间 sudo apt-get install ros-$ROS_DISTRO-gazebo-ros-pkgs ros-$ROS_DISTRO-gazebo-ros-control sudo apt update && sudo apt upgrade 重启 Ubuntu ，之后测试一下gazebo gazebo --version 再运行一下 gazebo ： gazebo 如果是在虚拟机上，可能出现上图错误，输入以下命令： echo "export SVGA_VGPU10=0" >> ~/.bashrc source ~/.bashrc 重新运行 gazebo 出现类似下图，表示运行成功： 注： 运行Gazebo仿真，可能会缺模型，这时会自动下载，Gazebo模型服务器在国外，自动下载会比较久，所以我们可以先下载到本地。 git clone https://gitee.com/tyx6/gazebo_models.git # 检测文件夹 ~/.gazebo/models 是否存在，如果不存在就创建文件夹 if [ ! -d "~/.gazebo/models" ]; then mkdir -p ~/.gazebo/models ;fi mv ./gazebo_models/* ~/.gazebo/models/ 或者也可以用下面提供的 ZIP 压缩包，将该压缩包里的模型文件放在 ~/.gazebo/models/ 路径下，然后可以看到很多模型文件。 如果下载慢，可以从网盘里下，或者从QQ群(961297255)里下载 链接： 百度网盘 请输入提取码 提取码：ud28 2. 编译 cd ~/PX4_Firmware make px4_sitl_default gazebo # 这步可能有点慢 出现类似下图，表示编译成功 注：如果运行后终端有下图报错，这个不影响仿真，不用管也行。这是因为 gazebo 会检查 models 文件夹下是否有 model.config 文件，但是 .git 文件夹不属于 model 文件，那自然也不会有 model.config 文件。如果觉得难受就从其他model.config文件复制修改一个过来，或者删掉 .git 文件夹。 3. 配置环境 将下面语句添加到 ~/.bashrc(此文件在主目录下，是个隐藏文件) 文件中（前两个source顺序不能颠倒，路径要根据自己的实际路径修改，如果一直按照我的步骤来，应该是不用修改） gedit ~/.bashrc # 打开文件 source ~/catkin_ws/devel/setup.bash # 可选 source ~/PX4_Firmware/Tools/setup_gazebo.bash ~/PX4_Firmware ~/PX4_Firmware/build/px4_sitl_default export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:~/PX4_Firmware export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:~/PX4_Firmware/Tools/sitl_gazebo v1.14 source ~/catkin_ws/devel/setup.bash # 可选 source ~/PX4_Firmware/Tools/simulation/gazebo-classic/setup_gazebo.bash ~/PX4_Firmware ~/PX4_Firmware/build/px4_sitl_default export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:~/PX4_Firmware export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:~/PX4_Firmware/Tools/simulation/gazebo-classic/sitl_gazebo-classic 注： 为了方便大家，我做了一个自动添加环境的脚本，效果与手动添加等同，只要有一个成功就行。 首先下载脚本，然后将脚本放入你的 PX4 源码目录下，再执行（以我的为例） cd ~/PX4_Firmware wget https://gitee.com/tyx6/mytools/raw/main/px4/setenv.sh # 添加可执行权限 chmod +x setenv.sh ./setenv.sh 执行完后如下所示 再运行（最好重启一下 Ubuntu ）： source ~/.bashrc 关掉终端，再次打开，会像下图一样： 4. 测试 在终端输入下面命令： roslaunch px4 mavros_posix_sitl.launch 注： 有时启动Gazebo会出现奇怪的报错，这时可以通过 killall -9 gzclient 和 killall -9 gzserver 彻底关闭Gazebo，再启动roslaunch尝试解决，或通过重启电脑尝试解决。 打开另一个终端，运行下面命令，查看MAVROS与仿真无人机通信状况。 若connected: True，则通信成功，如果是false，一般是因为 .bashrc 里的路径写的不对，请仔细检查。 rostopic echo /mavros/state | grep connected # 只查看 connected 信息 rostopic echo /mavros/state # 只查看全部信息 到这 PX4 无人机基本仿真环境就搭建完成了，大家可以基于此来拓展自己的仿真。 参考 仿真平台基础配置（对应PX4 1.13版） (yuque.com) PX4 documentation 2 个帖子 - 2 位参与者 阅读完整话题
希望这次不要炸了！！ 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 6 月 1 日消息，据新华社今日从中央空管办获悉，中央空管办日前会同国家发展改革委、公安部、中国民航局等多部门，在 上海市、四川省无人机管制空域内划设固定专用空域，采取“政府协同管理、行业指导监管、用户随报随飞”模式 （即“扫码飞”），实现空域资源持续精细化保障。 IT之家获悉，据中央空管办有关负责人介绍，近期，在有关军民航空管部门支持下，上海市在景区开辟专用空域，在确保安全的前提下，让市民在家门口享受低空飞行乐趣；四川省以“低空 + 文旅”融合为抓手，实践探索“扫码飞”服务，打通公众参与低空活动的“最后一公里”。 这名负责人表示，中央空管办、国家发展改革委、公安部、中国民航局等部门 致力于在保证航空安全、公共安全和国家安全的前提下，合力推广“扫码飞” ，引导公众合法飞行、有序飞行、安全飞行。
IT之家 6 月 1 日消息，星际荣耀今日宣布，近日利用“星际归航”号海上回收船，在广东阳江海域圆满完成了 SQX-3 运载火箭海上回收高精度导航系统无人机挂飞试验 ，各项技术指标满足设计要求。 官方表示，此次试验的顺利完成，标志着 SQX-3 可回收运载火箭箭船协同的高可靠高精度导航系统完成了所有的地面验证工作，具备了参加飞行试验的条件。 箭船高精度导航系统是 SQX-3 运载火箭海上回收任务中的核心系统 ，可在火箭在海上回收的最后阶段为其提供与海上回收船间的高可靠及高精度相对导航定位信息，是实现运载火箭在高动态复杂海况下精准、平稳着陆于海上回收船甲板指定位置的重要保障。 相较于陆地回收，海上回收须面临在南海海域复杂海况下的回收船漂移、晃动，海杂波，海面风场多变等诸多不利因素，对火箭箭船导航系统提出了很高的要求。 IT之家获悉，本次挂飞试验创新地采用了“无人机挂飞 + 海上回收平台”半实物飞行动态模拟方案，对火箭回收着船最后阶段可能出现的各种工况进行了真实海况下的全面模拟，并开展了无人机飞行验证。 试验中，无人机搭载的箭载设备与海上回收平台船载设备均工作正常，箭船设备协同有序，箭船链路稳定可靠，相对导航定位解算正常，能够按要求持续输出火箭在回收船上动态着陆所需要的各种信息，各项性能指标均优于设计要求，充分验证了该系统在复杂海洋环境下的工作可靠性和性能指标， 为 SQX-3 运载火箭一子级海上精准回收提供了完备的数据支撑与技术保障 。
在无人在意的角落里，Grok Imagine Video 1.5 Preview 发布了 前沿快讯 刚看到 xAI 上线了 Grok Imagine Video 1.5 Preview（720p） 。 更有意思的是，它已经在 Image-to-Video Arena 上超越了 Seedance 2.0，登顶第一。 [image] [image] 无人在意，我看看新模型是不是真的流口水 佬们需要生视频的话我免费发给你们 3 个帖子 - 2 位参与者 阅读完整话题