Project AirSim 公告

微软与 IAMAI 携手合作，通过 Project AirSim——AirSim 的演进版本——推进高保真度的自主系统仿真。该项目以 MIT 许可证发布，是 DARPA 支持的一项计划的一部分。IAMAI 为能参与这一努力深感自豪，并已在 github.com/iamaisim/ProjectAirSim 上发布了其版本的 Project AirSim 代码库。

AirSim 公告：本仓库将于明年归档

2017 年，微软研究院创建了 AirSim，作为人工智能研究与实验的仿真平台。在过去的五年里，这一研究项目已完成了其使命，并取得了显著进展，成为分享研究代码、测试空中 AI 开发与仿真相关新想法的常用方式。此外，随着时间推移，我们在将技术应用于现实世界方面也取得了长足进步，尤其是在空中出行和自主系统领域。例如，无人机配送已不再是科幻情节，而是切实可行的商业实践，这也意味着出现了新的需求亟待满足。在此过程中，我们学到了许多宝贵的经验，也衷心感谢社区伙伴们一路以来的积极参与。

本着不断向前的精神，我们将在明年推出全新的仿真平台，并随后归档最初的 2017 年版 AirSim。此后，用户仍可访问原始的 AirSim 代码，但自即日起将不再进行任何更新。取而代之的是，我们将把精力集中在新产品 Microsoft Project AirSim 上，以满足航空航天行业日益增长的需求。Project AirSim 将提供一个端到端的平台，用于通过仿真安全地开发和测试空中自主系统。用户将受益于商业产品所独有的安全性、代码审查、测试、高级仿真以及人工智能功能。随着 Project AirSim 的发布日益临近，我们将推出一系列学习工具和功能，帮助您迁移到新平台，并为您提供使用指导。如需了解更多关于如何利用全新 Project AirSim 构建空中自主系统的信息，请访问 https://aka.ms/projectairsim。

欢迎来到 AirSim

AirSim 是一款基于 Unreal Engine 构建的无人机、汽车等模拟器（我们现在也有实验性的 Unity 版本）。它采用开源、跨平台设计，支持与 PX4 和 ArduPilot 等主流飞行控制器结合的软件在环仿真，以及与 PX4 结合的硬件在环仿真，从而实现物理和视觉上高度逼真的模拟效果。AirSim 是一个 Unreal 插件，可轻松集成到任何 Unreal 环境中。同样地，我们也提供了 Unity 插件的实验性版本。

我们的目标是将 AirSim 打造为一个人工智能研究平台，用于试验深度学习、计算机视觉和强化学习算法在自动驾驶车辆中的应用。为此，AirSim 还提供了独立于平台的 API，用于获取数据和控制车辆。

请观看这段 1 分 30 秒的快速演示

AirSim 中的无人机

AirSim 中的汽车

如何获取

Windows

• 下载二进制文件
• 自行编译

Linux

• 下载二进制文件
• 自行编译

macOS

• 自行编译

更多详细信息，请参阅 使用预编译二进制文件 文档。

如何使用

文档

请查阅我们的 详细文档，了解 AirSim 的各个方面。

手动驾驶

如果您拥有如下所示的遥控设备，便可在模拟器中手动控制无人机。对于汽车，则可以使用方向键进行手动驾驶。

更多信息

编程控制

AirSim 提供了 API，使您可以以编程方式与模拟中的车辆交互。您可以使用这些 API 来获取图像、状态信息、控制车辆等。这些 API 通过 RPC 暴露，并支持多种语言，包括 C++、Python、C# 和 Java。

这些 API 也可作为独立的跨平台库使用，因此您可以将其部署在车辆上的配套计算机上。这样，您就可以先在模拟器中编写和测试代码，然后再将其部署到真实车辆上运行。迁移学习及相关研究是我们关注的重点之一。

请注意，您可以使用 SimMode 设置 来指定默认车辆，或启用新的 ComputerVision 模式，以便在每次启动 AirSim 时无需重复选择。

更多信息

收集训练数据

您可以通过两种方式从 AirSim 中生成用于深度学习的训练数据。最简单的方法是直接点击右下角的录制按钮。这将开始记录每一帧的姿态和图像。数据记录代码非常简单，您可以根据需要随意修改。

另一种更精确地按您的需求生成训练数据的方式是直接调用 API。这种方式可以让您完全掌控数据记录的时间、内容、位置和方式。

计算机视觉模式

使用 AirSim 的另一种方式是所谓的“计算机视觉”模式。在这种模式下，没有车辆和物理引擎。您可以使用键盘在场景中自由移动，也可以通过 API 将可用的摄像头放置在任意姿态，从而采集深度图、视差图、表面法线图或物体分割图等图像。

更多信息

天气效果

按 F10 键可查看天气效果的各种选项。您还可以使用 API 来控制天气。按 F1 键可查看其他可用选项。

教程

• 视频 - 使用 Pixhawk 设置 AirSim 教程 由 Chris Lovett 制作
• 视频 - 使用 Pixhawk 的 AirSim 教程 由 Chris Lovett 制作
• 视频 - 在 AirSim 中使用现成环境 由 Jim Piavis 制作
• 网络研讨会 - 利用高保真仿真支持自主系统 由 Sai Vemprala 主讲
• 使用 AirSim 进行强化学习 由 Ashish Kapoor 编写
• 自动驾驶烹饪手册 由微软深度学习与机器人车库分会编写
• 使用 TensorFlow 实现简单的避障功能 由 Simon Levy 和 WLU 团队共同开发

参与

论文

更多技术细节请参阅 AirSim 论文（FSR 2017 大会）。引用格式如下：

@inproceedings{airsim2017fsr,
  author = {Shital Shah and Debadeepta Dey and Chris Lovett and Ashish Kapoor},
  title = {AirSim: 高保真视觉与物理仿真平台，用于自动驾驶车辆},
  year = {2017},
  booktitle = {野外与服务机器人},
  eprint = {arXiv:1705.05065},
  url = {https://arxiv.org/abs/1705.05065}
}

贡献

如果您希望参与贡献，请查看 未解决的问题。

• 关于 AirSim 设计的更多信息
• 关于代码结构的更多信息
• 贡献指南

谁在使用 AirSim？

我们维护着一份列表，其中列出了我们所了解的一些项目、个人和组织。如果您希望被列入该列表，请在此处提交请求。

联系方式

加入我们的 GitHub 讨论组，以获取最新信息或提出任何问题。

我们还在 Facebook 上设有 AirSim 社区群组。

最新动态

• 电影级相机
• ROS2 封装
• 列出所有资产的 API
• movetoGPS API
• 光流相机
• simSetKinematics API
• 从现有 UE 材质或纹理 PNG 动态设置对象纹理
• 生成/销毁光源并控制光源参数的功能
• Unity 中支持多架无人机
• 通过键盘控制手动相机速度

有关完整变更列表，请参阅我们的 更改日志。

常见问题解答

如果您遇到问题，请查阅 常见问题解答，并随时在 AirSim 仓库中提交问题。

行为准则

本项目已采纳 微软开源行为准则。如需更多信息，请参阅 行为准则常见问题解答 或发送邮件至 opencode@microsoft.com 提出任何进一步的问题或意见。

许可证

本项目采用 MIT 许可证发布。请查阅 许可证文件 以获取更多详细信息。

AirSim 快速上手指南

重要提示：微软已宣布原 AirSim 仓库即将归档，未来将转向商业化的 Project AirSim。本指南基于当前可用的开源版本（2017 版），适合学习与研究使用。生产环境建议关注 Project AirSim 的最新动态。

AirSim 是一个基于虚幻引擎（Unreal Engine）的高保真模拟器，支持无人机、汽车等自主车辆的 AI 研究，提供深度学习、计算机视觉和强化学习算法的实验平台。

环境准备

系统要求

• 操作系统：Windows 10/11, Linux (Ubuntu 18.04+), macOS (仅支持编译，无官方二进制包)
• 硬件：
  • CPU: 多核处理器（推荐 i7 或同等性能）
  • GPU: 支持 DirectX 11/12 或 Vulkan 的独立显卡（NVIDIA GTX 1060 或更高推荐）
  • 内存：8GB 以上（推荐 16GB+）
  • 磁盘空间：至少 10GB 可用空间

前置依赖

• Windows:
  • Visual Studio 2019/2022 (含 C++ 桌面开发组件)
  • Unreal Engine 4.27+ (如需自行编译)
• Linux:
  • GCC/G++, CMake, Make
  • Unreal Engine 4.27+ (如需自行编译)
  • sudo apt-get install build-essential cmake git
• Python API 依赖 (用于程序控制):

  pip install airsim-python-api
  

安装步骤

方案一：下载预编译二进制包（推荐新手）

直接运行无需编译，最快上手。

1. 访问 Releases 页面。
2. 下载对应系统的最新压缩包（例如 AirSimNH.zip 包含无人机和汽车场景）。

   注：国内用户若下载缓慢，可尝试使用代理加速或寻找国内镜像源。

3. 解压到任意目录（路径中不要包含中文或空格）。
4. 双击运行 AirSimNH.exe (Windows) 或对应的可执行文件。

方案二：源码编译（高级用户）

如需修改引擎或插件，请选择此方式。

Windows 编译示例:

git clone https://github.com/Microsoft/AirSim.git
cd AirSim
# 确保已安装 Unreal Engine 并配置好环境变量
# 具体详细步骤请参考官方文档：https://microsoft.github.io/AirSim/build_windows

Linux 编译示例:

git clone https://github.com/Microsoft/AirSim.git
cd AirSim
# 参考官方文档配置 UE4 环境：https://microsoft.github.io/AirSim/build_linux

基本使用

1. 手动驾驶体验

启动模拟器后：

• 无人机模式：使用键盘 W, A, S, D 控制前后左右，Q/E 控制升降，Space 起飞/降落。也可连接真实的 RC 遥控器。
• 汽车模式：使用方向键 ↑ ↓ ← → 控制车辆行驶。
• 切换天气/视角：按 F10 打开天气菜单，F1 查看其他选项。

2. 程序化控制 (Python 示例)

AirSim 核心功能是通过 API 进行编程控制。以下是一个最简单的 Python 连接与控制示例：

步骤：

1. 启动 AirSim 模拟器。
2. 创建 test_drive.py 文件，写入以下代码：

import airsim
import time

# 连接到模拟器 (默认端口 41451)
client = airsim.MultirotorClient()
client.confirmConnection()

# 解锁并起飞 (无人机示例)
print("Arming...")
client.enableApiControl(True)
client.armDisarm(True)

print("Taking off...")
client.takeoffAsync().join()

# 悬停 5 秒
time.sleep(5)

# 获取相机图像 (深度图示例)
responses = client.simGetImages([
    airsim.ImageRequest("0", airsim.ImageType.DepthVis, True, False)])
response = responses[0]

# 保存图像
airsim.write_depth_png_to_file(response.image_data_float, response.width, response.height, "depth.png")
print("Depth image saved to depth.png")

# 降落
print("Landing...")
client.landAsync().join()
client.armDisarm(False)
client.enableApiControl(False)

3. 运行脚本：

python test_drive.py

3. 数据采集模式

• 快速录制：在模拟器界面右下角点击 "Record" 按钮，即可自动记录每一帧的位姿和图像数据。
• 计算机视觉模式 (Computer Vision Mode)： 若只需采集图像数据而无需物理仿真，可在 settings.json 中设置 "SimMode": "ComputerVision"。此模式下无飞行器物理限制，可自由通过 API 调整相机位置采集深度、分割、法线等数据。

4. 配置文件 (settings.json)

在项目根目录或 Documents/AirSim 下创建 settings.json 可自定义行为，例如默认开启计算机视觉模式：

{
  "SeeDocsAt": "https://github.com/Microsoft/AirSim/blob/main/docs/settings.md",
  "SettingsVersion": 1.2,
  "SimMode": "ComputerVision"
}