引言

Microsoft AirSim 是无人机仿真领域最成熟的开源平台之一。虽然微软已于2023年将其归档，但 AirSim 的架构设计和工程实现仍然是仿真系统开发的重要参考。本文通过逐文件阅读 AirSim 核心源码（AirLib 部分），从物理引擎、传感器噪声建模到飞行控制器，完整剖析其技术架构。

分析方法：本文所有结论均基于对 AirSim 源码（main 分支）的直接阅读，涉及约 20 个头文件和实现文件，涵盖 AirLib 的物理层、传感器层、API 层和固件层。

一、总体架构：五层分层设计

AirSim 采用清晰的分层架构，每层职责单一，通过接口解耦：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
┌─────────────────────────────────────────────────┐
│           Python Client (RPC API)                │
│       moveByVelocity / moveToPosition / ...      │
└────────────────────┬────────────────────────────┘
                     │ RPC (TCP/IP)
┌────────────────────▼────────────────────────────┐
│         MultirotorApiBase (C++ API 层)           │
│     takeoff / land / moveOnPath / 安全管理       │
└────────────────────┬────────────────────────────┘
                     │
┌────────────────────▼────────────────────────────┐
│         SimpleFlightApi (控制器适配层)           │
│     Board + CommLink + Estimator + Firmware      │
│     commandVelocity → setGoalAndMode()           │
└────────────────────┬────────────────────────────┘
                     │
┌────────────────────▼────────────────────────────┐
│            Firmware (固件层)                      │
│     OffboardApi → CascadeController → Mixer      │
└────────────────────┬────────────────────────────┘
                     │ motor PWM [0~1]
┌────────────────────▼────────────────────────────┐
│         FastPhysicsEngine (物理引擎)              │
│     RotorActuator + DragFaces → Verlet 积分      │
│     状态写回 Kinematics::State                   │
└────────────────────┬────────────────────────────┘
                     │ ground truth
┌────────────────────▼────────────────────────────┐
│            SensorCollection (传感器层)            │
│     IMU / GPS / 气压计 / 磁力计                  │
│     读 ground truth → 加噪声/延迟 → 输出          │
└─────────────────────────────────────────────────┘

五层之间的数据流向：

  1. 物理引擎 每帧更新动力学状态，将 Kinematics::State（位置、速度、加速度、姿态）和 Environment::State（气压、密度、重力）写入 ground truth
  2. 传感器层 读取 ground truth，叠加噪声模型后输出带噪声的传感器数据
  3. 固件层 的 StateEstimator 读取传感器数据，CascadeController 根据目标模式计算控制输出
  4. Mixer 将四轴控制量（roll/pitch/yaw/throttle）转换为四个电机的 PWM 值
  5. 物理引擎 的 RotorActuator 将 PWM 转为推力和扭矩，施加到动力学模型

二、物理引擎层：Verlet 积分与 box 阻力模型

2.1 核心架构

物理引擎的核心是 FastPhysicsEngine（AirLib/include/physics/FastPhysicsEngine.hpp），实现了一个基于 Verlet 积分的多体物理仿真器。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
// FastPhysicsEngine 核心接口（简化）
class FastPhysicsEngine : public PhysicsEngineBase {
public:
    virtual void update() override {
        updatePhysics(world_, dt);
    }
    
private:
    void updatePhysics(TTimePoint time, TTimeDelta dt) {
        for (auto& body : bodies_) {
            // 1. 重置力和力矩
            body->resetWrench();
            // 2. 施加外力（旋翼推力 + 重力）
            body->updateKinematics(dt);
            // 3. 碰撞检测与响应
            // 4. Verlet 积分步进
        }
    }
};

2.2 旋翼执行器：常数 C_T 模型

RotorActuator（AirLib/include/vehicles/multirotor/RotorActuator.hpp）是旋翼动力学模型的核心实现：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
// RotorActuator::update() 核心逻辑（简化）
void RotorActuator::update() {
    // 一阶低通滤波平滑控制信号
    control_signal_filtered_ = control_signal_filtered_ 
        + (control_signal_ - control_signal_filtered_) 
        * (dt / (dt + params_.filter_time_constant));
    
    // 计算推力和扭矩（使用常数系数）
    auto thrust = control_signal_filtered_ * params_.max_thrust;
    auto torque = control_signal_filtered_ * params_.max_torque 
                * params_.turning_direction;
    
    // 空气密度校正
    thrust *= air_density_ratio;
    torque *= air_density_ratio;
}

默认使用的螺旋桨参数来自 UIUC 数据库（RotorParams.hpp）：

1
2
3
4
5
6
7
8
9
// GWS 9X5 桨的默认参数
struct RotorParams {
    real_T C_T = 0.109919f;   // 推力系数（@6396.667 RPM）
    real_T C_P = 0.040164f;   // 功率系数
    real_T max_rpm = 6396.667f;
    real_T D = 9.0f * 0.0254f; // 直径 (m)
    // 推力公式: T = C_T * ρ * n² * D⁴
    // 扭矩公式: τ = C_P * ρ * n² * D⁵ / (2π)
};

重要发现：AirSim 的旋翼模型使用常数推力/功率系数，这意味着它不支持进距比（advance ratio）校正。对于高速前飞场景（如前飞速度超过 15 m/s），桨叶效率会显著下降，但 AirSim 的常数系数模型无法捕捉这一效应。这是高速截击机仿真需要考虑补充的关键模型。

2.3 阻力模型：六面 box drag face

AirSim 使用简化的 box 阻力模型——将机身近似为长方体，每个面产生独立的阻力：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
// 阻力计算（FastPhysicsEngine::getDragWrench() 简化）
Wrench getDragWrench(const PhysicsBody* body) {
    Wrench drag_wrench;
    for (auto& vertex : body->getDragVertices()) {
        // 计算该面在体轴系的速度分量
        Vector3r velocity = body->getVelocityAtVertex(vertex.position);
        // 阻力 = 0.5 * ρ * v² * Cd * Area（沿面法向）
        Vector3r drag_force = -0.5f * air_density 
                            * velocity.squaredNorm() 
                            * vertex.drag_coefficient 
                            * vertex.area 
                            * velocity.normalized();
        // 累加力和力矩
        drag_wrench.force += drag_force;
        drag_wrench.torque += vertex.position.cross(drag_force);
    }
    return drag_wrench;
}

局限性：

  • 不区分前飞/悬停气动特性
  • 无升力面建模（固定翼/倾转旋翼无法仿真）
  • 无攻角/侧滑角相关气动系数
  • 高速场景下精度不足

2.4 积分方法：Verlet（半隐式 Euler）

1
2
3
4
5
6
7
// 速度更新（半隐式 Euler）
linear_velocity += (force / mass + gravity) * dt;
angular_velocity += inertia_inv * (torque - angular_velocity.cross(inertia * angular_velocity)) * dt;

// 位置更新（显式 Euler）
position += linear_velocity * dt;
orientation = integrate_quaternion(orientation, angular_velocity, dt);

相比 RK4，Verlet 积分的优势是计算量小，劣势是在高速机动（>100°/s 角速度）时精度下降。

三、传感器层：教科书级噪声建模

AirSim 的传感器实现是其最值得学习的部分。所有传感器遵循统一的 SensorBase 架构。

3.1 传感器基类设计

1
2
3
4
5
6
7
8
9
10
class SensorBase : public UpdatableObject {
protected:
    struct GroundTruth {
        const Kinematics::State* kinematics;  // 真实运动学状态
        const Environment* environment;       // 真实环境状态
    };
public:
    virtual void initialize(const Kinematics::State*, const Environment*);
    // 子类实现 resetImplementation() 和 update()
};

设计要点：

  • Ground truth 在所有传感器之间共享，不拷贝数据
  • 构造函数不做重活（不访问 ground truth），初始化在 reset() 中完成
  • SensorCollection 通过 unordered_map<SensorType, Container> 管理所有传感器

3.2 IMU：ARW + Bias 随机游走

ImuSimple（AirLib/include/sensors/imu/ImuSimple.hpp）实现了标准的惯性传感器噪声模型，参考 Oliver J. Woodman 的经典论文《An introduction to inertial navigation》：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
void ImuSimple::addNoise(Vector3r& linear_accel, Vector3r& angular_vel) {
    real_T sqrt_dt = sqrt(std::max(dt, params_.min_sample_time));
    
    // 陀螺仪噪声模型
    real_T gyro_sigma_arw = params_.gyro.arw / sqrt_dt;     // ARW → 标准差
    angular_vel += gauss_dist.next() * gyro_sigma_arw + state_.gyroscope_bias;
    
    // 陀螺仪 bias 随机游走
    real_T gyro_sigma_bias = gyro_bias_stability_norm * sqrt_dt;
    state_.gyroscope_bias += gauss_dist.next() * gyro_sigma_bias;
    
    // 加速度计噪声模型（同理）
    real_T accel_sigma_vrw = params_.accel.vrw / sqrt_dt;
    linear_accel += gauss_dist.next() * accel_sigma_vrw + state_.accelerometer_bias;
    
    real_T accel_sigma_bias = accel_bias_stability_norm * sqrt_dt;
    state_.accelerometer_bias += gauss_dist.next() * accel_sigma_bias;
}

噪声组分三要素：

组分 物理意义 建模方式
ARW / VRW 角度/速度随机游走（白噪声） σ_arw = arw / √dt，叠加高斯噪声
Bias 稳定性 零偏随时间漂移（随机游走） σ_bias = bias_stability_norm × √dt，积分累计
Turn-on Bias 上电时的初始偏置 固定常值，在 reset() 时设置

输出格式（与 ROS sensor_msgs/Imu 兼容）：

1
2
3
4
5
Output {
    orientation: 四元数（真值，未加噪）
    angular_velocity: 体轴系角速度（已加噪）
    linear_acceleration: 体轴系加速度（已减重力，已加噪）
}

3.3 GPS：频率限制 + 延迟线 + HDOP 收敛

GpsSimple（AirLib/include/sensors/gps/GpsSimple.hpp）模拟了真实 GPS 的关键特性：

1
2
3
4
5
6
7
8
9
10
11
12
13
void GpsSimple::update() {
    freq_limiter_.update();   // 频率限制（典型 5Hz）
    eph_filter.update();      // 水平精度因子逐步收敛
    epv_filter.update();      // 垂直精度因子逐步收敛
    
    if (freq_limiter_.isWaitComplete()) {
        // 将当前测量推入延迟线
        addOutputToDelayLine(eph, epv);
    }
    
    delay_line_.update();     // 延迟输出（模拟信号处理延迟）
    setOutput(delay_line_.getOutput());
}

GPS 仿真特性：

特性 实现方式
更新频率 FrequencyLimiter，可配置（默认 5Hz）
信号延迟 DelayLine<Output>，模拟信号处理和传输延迟
HDOP/VDOP 收敛 一阶低通滤波器，从 100 逐步收敛到 ~0.3
启动延迟 startup_delay，模拟冷启动时间
Fix 类型切换 基于 eph 阈值：GNSS_NO_FIX → 2D_FIX → 3D_FIX

3.4 气压计：Gauss-Markov 漂移模型

BarometerSimple 使用 Gauss-Markov 过程模拟气压漂移：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Output getOutputInternal() {
    auto altitude = environment_->getState().geo_point.altitude;
    auto pressure = EarthUtils::getStandardPressure(altitude);
    
    // Gauss-Markov 压力漂移（约 10m/hr 漂移率，默认设置）
    pressure_factor_.update();
    pressure += pressure * pressure_factor_.getOutput();
    
    // 非相关噪声（约 0.2m σ）
    pressure += uncorrelated_noise_.next();
    
    // 气压高度公式
    output.altitude = (1 - pow(pressure / SeaLevelPressure, 0.190284)) 
                    * 145366.45 * 0.3048; // 英尺 → 米
    output.pressure = pressure - SeaLevelPressure + qnh * 100.0;
}

3.5 磁力计：偶极子模型 + 体轴变换

MagnetometerSimple 支持两种磁场参考源：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
void updateReference(const GroundTruth& ground_truth) {
    switch (params_.ref_source) {
    case ReferenceSource_Constant:
        // 西雅图当地磁场（常值）
        magnetic_field_true_ = Vector3r(0.34252, 0.09805, 0.93438); // Gauss
        break;
    case ReferenceSource_DipoleModel:
        // 地球偶极子磁场模型（随经纬度变化）
        magnetic_field_true_ = EarthUtils::getMagField(
            ground_truth.environment->getState().geo_point
        ) * 1E4; // Tesla → Gauss
        break;
    }
}

Output getOutputInternal() {
    // 体轴系变换 + 比例因子 + 噪声 + 偏置
    output.magnetic_field_body = 
        VectorMath::transformToBodyFrame(
            magnetic_field_true_, 
            kinematics_->pose.orientation, true
        ) * params_.scale_factor 
        + noise_vec_.next() 
        + bias_vec_;
}

3.6 传感器共同模式总结

所有 Simple 传感器有统一的模式：

  1. 继承 SensorBase，通过 GroundTruth 获取真值
  2. update() 中：读真值 → 加噪声 → （可选：频率限制+延迟线） → 写输出
  3. 噪声生成：使用 RandomVectorGaussianR（高斯向量随机数生成器）
  4. 与 ROS 兼容：所有 Output 结构与 ROS 标准消息对齐

四、固件层：Cascade 级联 PID 控制器

4.1 Firmware 主循环

Firmware::update()（firmware/Firmware.hpp）实现了完整的飞行控制主循环：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
void Firmware::update() {
    board_->update();            // 读取 RC 输入
    offboard_api_.update();      // 状态机 + RC/API 模式切换
    controller_->update();       // 级联 PID 计算
    
    const Axis4r& output_controls = controller_->getOutput();
    
    if (controller_->isLastGoalModeAllPassthrough()) {
        // Passthrough 模式：直接输出到电机（如 moveByMotorPWMs）
        for (int i = 0; i < motor_count; ++i)
            motor_outputs_[i] = output_controls[i];
    } else {
        // 正常模式：经混控器转换为电机输出
        mixer_.getMotorOutput(output_controls, motor_outputs_);
    }
    
    // 写入电机输出
    for (int i = 0; i < motor_count; ++i)
        board_->writeOutput(i, motor_outputs_[i]);
    
    comm_link_->update();
}

4.2 CascadeController：四层级联架构

这是 AirSim 控制系统的核心。CascadeController（firmware/CascadeController.hpp）为每条控制轴独立选择控制模式：

1
2
PositionWorld → VelocityWorld → AngleLevel → AngleRate → Motor
     (PID)          (PID)        (PID)        (PID)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
void CascadeController::update() {
    const auto& goal_mode = goal_->getGoalMode();
    
    for (unsigned int axis = 0; axis < 4; ++axis) {
        // 如果 GoalMode 改变，重新创建该轴的控制器
        if (goal_mode[axis] != last_goal_mode_[axis]) {
            switch (goal_mode[axis]) {
            case GoalModeType::AngleRate:
                axis_controllers_[axis].reset(new AngleRateController(params_, clock_));
                break;
            case GoalModeType::AngleLevel:
                axis_controllers_[axis].reset(new AngleLevelController(params_, clock_));
                break;
            case GoalModeType::VelocityWorld:
                axis_controllers_[axis].reset(new VelocityController(params_, clock_));
                break;
            case GoalModeType::PositionWorld:
                axis_controllers_[axis].reset(new PositionController(params_, clock_));
                break;
            case GoalModeType::Passthrough:
                axis_controllers_[axis].reset(new PassthroughController());
                break;
            }
        }
        axis_controllers_[axis]->update();
        output_[axis] = axis_controllers_[axis]->getOutput();
    }
}

六种控制模式：

模式 输入 输出 子控制器
Passthrough 直接值 直通 无
AngleRate 目标角速率 (rad/s) 电机指令 PID
AngleLevel 目标角度 (rad) 角速率指令 PID + AngleRate
VelocityWorld 目标世界速度 (m/s) 角度指令 PID + AngleLevel
PositionWorld 目标世界位置 (m) 速度指令 PID + VelocityWorld
ConstantOutput 常值 恒定输出 无

位置控制器的级联实现（PositionController）：

1
2
3
4
5
6
7
8
9
10
11
12
void PositionController::update() {
    // 外环：位置 → 速度
    pid_->setGoal(goal_position_world[axis_]);
    pid_->setMeasured(measured_position_world[axis_]);
    pid_->update();
    
    // 内环：速度 → 角度（子控制器）
    velocity_goal_[axis_] = pid_->getOutput() * max_limit;
    velocity_controller_->update();  // 内部再级联 AngleLevel → AngleRate
    
    output_ = velocity_controller_->getOutput();
}

4.3 Mixer：QuadX 混控器

1
2
3
4
5
6
7
8
9
10
11
12
13
// QuadX 布局的混控矩阵
const motorMixer_t mixerQuadX[4] = {
    {  1.0f, -1.0f,  1.0f,  1.0f },  // FRONT_R
    {  1.0f,  1.0f, -1.0f,  1.0f },  // REAR_L
    {  1.0f,  1.0f,  1.0f, -1.0f },  // FRONT_L
    {  1.0f, -1.0f, -1.0f, -1.0f },  // REAR_R
};

// 混控公式
motor[i] = throttle * mixer[i].throttle 
         + pitch    * mixer[i].pitch 
         + roll     * mixer[i].roll 
         + yaw      * mixer[i].yaw;

混控后执行安全限幅：

1
2
3
4
5
6
7
// 下限保护（防止电机停转导致失控）
if (min_motor < min_motor_output)
    所有电机 += (min_motor_output - min_motor);

// 上限保护（防止饱和）
if (max_motor > max_motor_output)
    所有电机 /= (max_motor / max_motor_output);

4.4 增益热更新

AirSim 支持运行时通过 API 修改 PID 增益：

1
2
3
4
5
6
7
8
9
10
11
12
13
void SimpleFlightApi::setControllerGains(uint8_t type, 
    const vector<float>& kp, const vector<float>& ki, const vector<float>& kd) 
{
    switch (type) {
    case GoalModeType::AngleRate:
        params_.angle_rate_pid.p.setValues(kp_axis4);
        params_.angle_rate_pid.i.setValues(ki_axis4);
        params_.angle_rate_pid.d.setValues(kd_axis4);
        params_.gains_changed = true;  // 触发 CascadeController 重建
        break;
    // ... 其他模式同理
    }
}

当 gains_changed = true 时，CascadeController 在下一次 update() 中自动重建所有轴控制器，使新增益生效。这极大便利了参数调优和在线自适应控制。

五、API 层与状态机

5.1 OffboardApi 状态管理

OffboardApi（firmware/OffboardApi.hpp）是飞行状态的核心管理器：

状态机转换：

1
2
Disarmed → [arm()] → Armed → [takeoff detected] → Active
Active   → [land detected] → Disarmed

API 超时保护：起飞后如果超过 api_goal_timeout 未收到新指令，自动进入 hover 模式：

1
2
3
4
5
6
7
8
if (takenoff_ && (now - goal_timestamp_ > params_->api_goal_timeout)) {
    if (!is_api_timedout_) {
        comm_link_->log("API timeout, entering hover mode");
        goal_mode_ = GoalMode::getPositionMode();  // 位置悬停
        goal_ = Axis4r::xyzToAxis4(current_position, true);
        is_api_timedout_ = true;
    }
}

着陆检测：

1
2
3
4
5
6
7
8
9
10
11
12
void detectLanding() {
    if (takenoff_) {
        float throttle = rc_.getMotorOutput();
        if (!isGreaterThanArmedThrottle(throttle)) {
            auto angular = state_estimator_->getAngularVelocity();
            auto velocity = state_estimator_->getLinearVelocity();
            // 油门低 + 角速度≈0 + 线速度≈0 → 判定着陆
            if (isAlmostZero(angular) && isAlmostZero(velocity))
                landed_ = true;
        }
    }
}

5.2 MultirotorApiBase：高级路径规划

MultirotorApiBase（api/MultirotorApiBase.cpp）实现了高层次飞行功能：

路径跟随（moveOnPath）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
bool moveOnPath(const vector<Vector3r>& path, float velocity, ...) {
    // 将路径分解为路径段
    for (auto& point : path) {
        path_segs.push_back(PathSegment(prev_point, point, velocity, length));
    }
    
    // 自适应 lookahead 控制
    while (!waiter.isTimeout()) {
        // 计算下一个 lookahead 目标点
        setNextPathPosition(path, segs, cur_loc, lookahead + error, next_loc);
        // 发送位置指令
        moveToPathPosition(next_loc.position, seg_velocity, ...);
        // 更新当前位置并调整 lookahead 误差
        lookahead_error = computeLookaheadError(cur_loc, next_loc, actual_pos);
    }
}

关键特性：

  • 自适应 lookahead：无人机偏离路径时自动增大 lookahead 距离
  • 末端减速：接近路径终点时自动切换为 breaking_vel
  • 安全检查：lookahead < 精度距离时抛出异常，防止失控

六、技术评估与适用边界

6.1 设计优势

特性 评价
分层架构 ⭐⭐⭐⭐⭐ 五层解耦清晰，接口设计合理
传感器噪声模型 ⭐⭐⭐⭐⭐ 教科书级实现，ARW/Bias/延迟一应俱全
级联控制器 ⭐⭐⭐⭐⭐ 四层级联 + 独立轴模式 + 热更新增益
GoalMode 架构 ⭐⭐⭐⭐ 灵活的多模式控制（Position/Velocity/Angle/Rate/Passthrough）
路径规划 ⭐⭐⭐⭐ 自适应 lookahead + 末端减速

6.2 局限性

局限 影响场景
常数 C_T/C_P（无进距比校正） 高速前飞（>15 m/s）时旋翼效率建模不准
Box drag 模型（无升力面） 固定翼、倾转旋翼、高速机动仿真不适用
Verlet 积分（非高阶） >100°/s 角速度机动精度不足
无气动系数表 无法模拟失速、大攻角等非线性气动效应
SimpleFlight 控制器 仅适用于四旋翼，延伸性有限

6.3 适用边界

AirSim 适合：

  • 四旋翼通用仿真（侦察、航拍、物流等 ≤15 m/s 场景）
  • 传感器算法开发（视觉 SLAM、避障、目标跟踪）
  • 控制参数调优（PID 增益搜索）
  • 多机编队仿真
  • 强化学习训练环境

AirSim 不适合：

  • 高速飞行器（>20 m/s 前飞速度）
  • 固定翼/垂直起降/倾转旋翼
  • 需要精确气动模型（如失速恢复、螺旋机动）
  • 导弹/截击机等大机动飞行器

七、传感器噪声模型参数参考

下表汇总了 AirSim 中四类传感器的默认噪声参数，可供自主开发仿真器时参考：

传感器 噪声参数 默认值 含义
IMU 陀螺 arw 2.0E-4 rad/s/√Hz 角度随机游走
bias_stability 2.5E-4 rad/s Bias 稳定性
tau 100.0 s Bias 相关时间常数
IMU 加计 vrw 1.4E-3 m/s/√Hz 速度随机游走
bias_stability 3.0E-3 m/s² Bias 稳定性
GPS update_frequency 5 Hz 更新频率
eph_final 0.3 最终水平精度因子
epv_final 0.6 最终垂直精度因子
气压计 pressure_factor_sigma 1.0E-5 压力漂移率 (Pa/s)
uncorrelated_noise_sigma 2.0 非相关噪声 (Pa)
磁力计 noise_sigma 5.0E-4 Gauss 测量噪声
scale_factor 1.0 比例因子

八、总结

通过对 AirSim 源码的逐文件分析，可以得出以下核心结论：

  1. 分层架构是仿真系统的基石。AirSim 的 Physics → Sensors → Firmware → API → Client 五层设计使得各模块独立演化、可替换。

  2. 传感器噪声建模是 AirSim 最值得学习的部分。IMU 的 ARW+Bias 随机游走、GPS 的 HDOP 收敛、气压计的 Gauss-Markov 漂移，都是经过学术验证的经典模型。

  3. 级联 PID 的 GoalMode 设计极具灵活性。四轴独立模式 + 运行时切换 + 增益热更新，为控制算法开发提供了良好基础。

  4. 旋翼模型的常数 C_T/C_P 是最大的精度瓶颈。对于高速前飞场景，需要补充进距比（advance ratio）校正模型，建议参考 C_T(J) 查表法或 blade element theory。

  5. AirSim 的适用边界清晰——它是四旋翼通用仿真的优秀参考，但不是高速飞行器仿真的完整解决方案。

参考