Автономные дроны с использованием ROS2, Gazebo и ArduPilot: создание БПЛА [Udemy] [Frank Robotics Lab]

[Джокер]

Складчина: Автономные дроны с использованием ROS2, Gazebo и ArduPilot: создание БПЛА [Udemy] [Frank Robotics Lab]
Autonomous Drones with ROS2, Gazebo & ArduPilot: Build a UAV by Frank Robotics Lab
Язык английский + бонусом субтитры на русском языке, + озвучка на русском языке (ИИ)




Освойте автономность дронов с помощью ROS2, Gazebo и ArduPilot: теория управления, аэродинамика, восприятие с помощью ИИ, координация роя.

Чему вы научитесь:

Создайте полноценную модель многороторного летательного аппарата в форматах URDF и Xacro с корректными тензорами инерции, плагинами для датчиков и проверенным расчетом массы и соотношения тяги к весу.
Запустите реальную прошивку ArduPilot в режиме моделирования с программным обеспечением в контуре управления и точно объясните, какие части представляют собой реальный код, а какие — смоделированную физику.
Напишите на Python узлы ROS2, которые управляют дроном через MAVROS и pymavlink, используя сервисы, действия, параметры и правильное качество обслуживания для каждой темы.
Запустите симуляционный стек Docker из трёх контейнеров и отладьте его: отсутствие сигнала пульса, отсутствие телеметрии, сбои при постановке на боевое дежурство и сокеты FDM, направленные на неправильный хост.
Вы когда-нибудь задумывались, как дрон удерживает точную высоту, несмотря на боковой ветер, планирует обследование всего периметра, не расходуя ни секунды заряда батареи, и как он может отличить нарушителя от злоумышленника?
Что можно сделать из столба забора? На этом курсе вы создадите и запустите полностью смоделированный автономный дрон с нуля, используя точный промышленный набор инструментов, который используют настоящие команды разработчиков аэроробототехники: ROS2 Jazzy, Gazebo Harmonic, ArduPilot SITL и QGroundControl.

Это не курс по программированию, основанный на восприятии реальности. Каждая сложная тема преподается в три этапа: интуиция (картинка или демонстрация в реальном времени), цифры (фактические вычисления, представленные в понятной форме, проработанные на экране пошагово), а также код/конфигурация (как она взаимодействует с ROS2, Gazebo и ArduPilot, и что ломается при её изменении).

Вы начнёте с нуля, установив ROS2, Gazebo и Docker, и постепенно будете продвигаться дальше:

Основные концепции ROS2: узлы, темы, сервисы, параметры, файлы запуска, рамы подвеса TF2 и DDS/QoS.
Чтение и модификация описания реального мультиротора в формате URDF/Xacro, включая физику массы, инерции и столкновений.
Развертывание той же контейнеризированной системы ArduPilot + Gazebo + QGroundControl, которая используется в реальной аэророботике.
Теория управления преподается должным образом: моделирование в пространстве состояний, ПИД-регулятор, разработанный с нуля, каскадные контуры и интуиция Боде.
Реальные принципы аэродинамики: теория импульса, теория элементов лопастей, кривые мощности и отношение тяги к весу.
Возможность комбинирования двигателей по 6 степеням свободы, режимы полета и подавление ветровых помех.
Оценка состояния с помощью трилатерации GPS и расширенного фильтра Калмана, а также полет без GPS-сигнала с использованием оптического потока.
Геометрия покрытия: алгоритм развертки Бустрофедона, определяемый по площади охвата камеры и высоте, а также обеспечение соблюдения геозон в коде.
Обучение и оценка детектора объектов на основе YOLO для обнаружения вторжений с воздуха.
Координация роя как реальная проблема распределенных систем: консенсус, распределение задач, предотвращение столкновений и ограничения связи.
Завершающая миссия, в которой вы объединяете пилотирование, покрытие, обнаружение и передачу управления нескольким дронам в один автономный запуск, полностью контролирующий весь процесс.

Попутно я делюсь реальными историями из практики создания настоящих беспилотных автомобилей: детектор, который принял столб забора за человека, сбои рендеринга на графическом процессоре, геозоны, которые молча отказываются выполнять команды, и целый флот беспилотников.
Передача полномочий, которая оставила пробел в покрытии.

В итоге вы получите практический опыт, основанный на физике, с использованием тех же инструментов и методов, что и в реальной аэроробототехнике и физическом искусственном интеллекте, что станет прочной основой для дальнейшего обучения или позволит создать портфолио.

Для кого этот курс:

Разработчики на Python, желающие перейти в сферу робототехники и нуждающиеся в реальном проекте ROS2, а не в очередном учебном пособии, которое ограничивается публикацией строки.
Для студентов инженерных специальностей и недавних выпускников, желающих добавить в свое резюме опыт работы с дронами и автономными системами, предусмотрена встроенная симуляция, не требующая значительных затрат на оборудование.
Инженеры, переходящие на работу в области беспилотных летательных аппаратов, аэрокосмической техники или полевой робототехники, которым необходимы практические знания ArduPilot, MAVLink и моделирования SITL.
Всем, кто пытался настроить симулятор дрона, сталкивался с непонятными ошибками и хочет получить работающую систему, а также навыки отладки для устранения неполадок.
Требования:

Базовые знания Python. Вам необходимо уверенно работать с функциями, классами и импортом. Опыт работы с ROS2, дронами или робототехникой не требуется, мы разрабатываем с нуля.
Для работы потребуется машина под управлением Linux с Ubuntu 22.04 или 24.04, либо виртуальная машина. Все остальное устанавливается через Docker, поэтому никаких сложных настроек не требуется.
Никакого оборудования для дронов не требуется. Весь курс проходит в режиме симуляции на вашем ноутбуке, и вам никогда не придется рисковать реальным летательным аппаратом во время обучения.
Уверенное владение терминалом приветствуется, но не является обязательным. Каждая команда отображается на экране и объясняется перед её выполнением.
Материалы:
13 разделов • 117 лекций • Общая продолжительность 11 ч 33 мин

Добро пожаловать, миссия и как этому научиться;
Окружение и настройка;
Основы ROS2 и MAVLink
Создайте модель дрона, URDF/SDF-файла и модели фюзеляжа;
Комплекс для промышленного симулятора: ArduCopter + Gazebo + QGC;
Теория управления: от модели системы до контроллера полета;
Аэродинамика, физика полета на роторных двигателях;
Пилотирование: двигатели, динамика полета и режимы полета на практике;
Аэрофотосъемка: датчики, GPS и геопривязка;
Геозонирование, зона покрытия и планирование миссий;
Восприятие с помощью ИИ: обнаружение вторжений;
Роевой интеллект: многоагентная координация;
Автономное патрулирование территории для обеспечения безопасности.
Промо на русском языке:




Спойлер: Оригинальное описание:
Ever wondered how a drone holds a precise altitude while wind pushes it sideways, plans a survey that covers an entire perimeter without wasting a single second of battery, and tells an intruder apart from a fence post? In this course, you'll build and fly a fully simulated autonomous drone from the ground up, using the exact industrial stack real aerial robotics teams run: ROS2 Jazzy, Gazebo Harmonic, ArduPilot SITL, and QGroundControl.
This isn't a vibe-coding course. Every hard topic is taught in three layers: the intuition (a picture or a live sim demo), the numbers (the actual math, derived plainly, worked on screen term by term), and the code/config (how it maps to ROS2, Gazebo, and ArduPilot, and what breaks when you change it).
You'll start from zero installing ROS2, Gazebo, and Docker and work up through:
- Core ROS2 concepts: nodes, topics, services, parameters, launch files, TF2 gimbal frames, and DDS/QoS
- Reading and modifying a real multirotor's URDF/Xacro description, including mass, inertia, and collision physics
- Standing up the same Dockerized ArduPilot + Gazebo + QGroundControl stack used in real aerial robotics
- Control theory taught properly: state-space modeling, PID derived from scratch, cascaded loops, and Bode intuition
- The real aerodynamics at play: momentum theory, blade element theory, power curves, and thrust-to-weight
- Motor mixing across 6 degrees of freedom, flight modes, and wind disturbance rejection
- State estimation with GPS trilateration and an Extended Kalman Filter, plus GPS-denied flight using optical flow
- Coverage geometry: the boustrophedon sweep derived from camera footprint and altitude, and geofence enforcement in code
- Training and evaluating a YOLO-based object detector for aerial intrusion detection
- Swarm coordination as a real distributed-systems problem: consensus, task allocation, collision avoidance, and communication constraints
- A capstone mission where you fuse piloting, coverage, detection, and multi-drone handover into one autonomous run you own end-to-end
Along the way I share real war stories from building actual autonomous vehicles: a detector that flagged a fence post as a person, GPU render crashes, geofences that silently refuse commands, and a fleet handover that left a coverage gap.
By the end, you'll have hands-on, physics-grounded experience with the same tools and techniques used in real aerial robotics and physical AI, a strong foundation for further study or a portfolio-ready capstone project.






СКАЧАТЬ СЛИВЫ КУРСОВ

Для возможности скачивать складчины и сливы курсов нужно зарегистрироваться