完成训练后，团队可继续基于FlyCore开发仓储巡检、应急搜救、复杂空间探索、目标追踪等应用Demo，并进入挑战赛持续测试、迭代和完善。从机架、电机、电调、分电板和供电系统，到FlyCore、LQ3图数传、遥控通信、RTK/RID天线，再到电池、电源、网线和数据线，整套设备基本覆盖一台飞行机器人从动力、供电、通信到机载系统的主要硬件环节。现场还将配备焊台、焊锡、镊子、螺丝刀、桨叶套筒等装配工具，学

FlyCore融合飞控、建图定位、识别规划、传感器接入等核心能力，构建感知、定位、规划、控制的完整闭环，支持开发者快速搭建飞行机器人平台，开展算法验证和应用探索。参赛团队可基于FlyCore飞行机器人融控系统 开展项目开发，从方案设计、系统搭建，到场景验证和项目竞演，完成属于自己的飞行机器人创新作品。基于 FlyCore，参赛团队可以快速完成方案设计、功能开发和场景验证，将自己的创新想法转化为真正

SpireCV-Pro 是一个专为智能无人系统、移动机器人和边缘 AI 设备打造的实时感知开发平台。它不是单纯把算法模型封装成 SDK，而是把相机、视频流、激光雷达、目标检测、分割、跟踪、吊舱控制、结果可视化、视频保存、推流、ROS2 转发、评估与数据迭代等能力，拆解成可以多平台（工作站、NX、瑞芯微、昇腾）自由组合的节点，让开发者像搭积木一样构建自己的感知工作流。。

课程结合 Trae、Cursor、Claude Code、Codex 等工具，围绕项目拆解、方案规划、PX4 日志分析、ProSim 仿真调试及自主探索算法开发展开，让学员在真实开发流程中体验 AI 工具对研发效率的提升。未来，无人机产业的重要增量机会，将更多来自真实场景中的。第一天以系统搭建为主线，学员将完成 FlyCore 上电、连接、安装与调试，了解飞行机器人软硬件架构、OODA 控制逻辑、

课程结合 Trae、Cursor、Claude Code、Codex 等工具，围绕项目拆解、方案规划、PX4 日志分析、ProSim 仿真调试及自主探索算法开发展开，让学员在真实开发流程中体验 AI 工具对研发效率的提升。未来，无人机产业的重要增量机会，将更多来自真实场景中的。第一天以系统搭建为主线，学员将完成 FlyCore 上电、连接、安装与调试，了解飞行机器人软硬件架构、OODA 控制逻辑、

该代码实现了一个ROS2节点，用于控制PX4飞控进入Offboard 模式，并使无人机悬停在指定位置（如 0, 0, -5 米，偏航角 180°）。控制流程通过发布 PX4专用消息来完成。专用消息：OffboardControlMode,TrajectorySetpoint,VehicleCommand.

课程将从主流 AI 工具使用方法入手，重点讲解如何通过“理解项目、规划方案、执行开发、测试验证”的流程，让 AI 参与项目拆解、开发实现、日志分析和功能验证，并结合 ProSim 仿真系统进入空间自主探索开发场景。在低空经济、工业巡检、城市治理、物流配送、应急救援和复杂空间作业等场景中，飞行机器人需要具备更完整的系统能力：能够感知环境、理解空间，完成自主定位与路径规划，并在真实场景中稳定执行任务。

Nav2 MPPI 还提供 Path Align、Goal Angle、Velocity Deadband、Prefer Forward、Twirling、Constraint、Cost 等辅助 Critic，用来约束朝向、速度、旋转行为和代价地图风险。平台出厂具备建图、定位、室内外导航等能力，代码开源并支持二次开发，可以减少底盘适配、传感器接入和导航调参上的重复工作，让用户把更多时间放到算法验证

这次 LQ10 支持 AT 指令集，不只是一次配置方式更新，也体现了硬件产品拥抱 AI 的新思路：通过结构化指令体系，让 AI Agent 能够理解设备能力，并把复杂需求转化为可执行、可验证、可维护的操作流程。从Web页面配置，到 AT 指令集，再到 Agents.md 配置文件和 AI Agent 自动生成方案，LQ10 正在把无线图数传模块的配置流程变得更标准、更高效，也更适合无人机、无人车、

在不同的吊舱之间，姿态的表示方式有所差异，因此我们对其进行了统一。采用欧拉角的方式表示吊舱的姿态信息，当视线与镜头方向相同时，定义如下：roll：横滚。逆时针为正。pitch：俯仰。向下为正。yaw：偏航。向左为正。