BPLA | DRONE

Дрон-перехватчик с упреждением: YOLO + PX4 На GitHub появился интересный проект Autonomous Intercept Drone — экспериментальная система автономного перехвата UAV на базе PX4 + ROS 2 + компьютерного зрения. Работает примерно так: 👁 YOLO + LightTrack обнаруживают и сопровождают другой дрон камерой. 📐 Система определяет направление на цель и использует Proportional Navigation (PNG) — алгоритм пропорционального наведения. Вместо того чтобы просто лететь вслед за целью, перехватчик рассчитывает упреждение и старается выйти в точку пересечения траекторий. 🚁 PX4 в Offboard Mode получает рассчитанные команды скорости и управляет квадрокоптером. Авторы уже моделируют разные варианты поведения цели: полёт по кругу, синусоидальные манёвры и случайные изменения направления. В тестовой симуляции расстояние между аппаратами при успешном перехвате сходится до <20 см. Интересно и то, что рядом с классическим PNG разработчики уже экспериментируют с GRU-моделью, обученной через reinforcement learning, которая может заменить обычный алгоритм наведения. ⚠️ Пока всё это работает в PX4 SITL + Gazebo. То есть это исследовательская платформа, а не готовый реальный дрон-перехватчик. Зато исходники, алгоритмы и симуляция открыты — проект можно скачать и экспериментировать самому. 🔗 GitHub: https://github.com/Eaglewzw/Autonomous-Intercept-Drone #дроны #FPV #UAV #PX4 #ROS2 #YOLO #ComputerVision #AI #OpenSource #автономность

🚁 PhotonFlight: дрон передаёт управление, телеметрию и AI-видео по оптоволокну Оптоволоконные FPV-дроны для нашей аудитории уже давно не новость. В России доступны системы на одномодовом волокне 1310/1550 нм, где по линии передаются управление и видео, а катушки могут иметь длину в десятки километров. Но ребята из проекта PhotonFlight пошли немного другим путём — и вот здесь становится интересно. 🔥 Они собрали открытый экспериментальный 8-дюймовый квадрокоптер, в котором оптика используется фактически как полноценная компьютерная сеть между дроном и землёй. На борту: ⚙️ Matek F405 + ArduPilot 🧠 Raspberry Pi 4 👁 камера с AI-обработкой 🔌 SFP-трансивер + Ethernet-конвертер 🔋 6S LiPo 🧵 одномодовое оптоволокно По одному двунаправленному оптическому каналу передаются сразу: 📡 MAVLink-телеметрия 🎥 видеопоток с камеры 🕹 команды оператора 🤖 данные системы AI-трекинга То есть идея несколько отличается от привычных нам FPV-комплектов 1310/1550 нм. В распространённых оптических FPV-модулях на нашей стороне обычно всё максимально специализировано: есть входы Video + UART, поддержка SBUS/CRSF/TTL и оптическая пара TX/RX. Например, доступные у нас системы работают на 1310/1550 нм, весят от ~13–54 г для бортового модуля и заявляют дальность порядка 20–40 км, в зависимости от комплекта. А в PhotonFlight между землёй и бортовым компьютером фактически построили Ethernet-сеть через SFP. И это открывает гораздо больше возможностей. Можно передавать не только FPV-картинку и команды управления, но и обычный IP-трафик: подключать дополнительные камеры, передавать данные нейросети, MAVLink, управлять Raspberry Pi по сети и строить более сложную автономную систему. 🤖 И они уже показали реальный полёт. В опубликованной демонстрации PhotonFlight: → взлетает в Loiter; → переходит в Guided; → AI-система выполняет обнаружение и сопровождение объекта; → оператор получает видео и телеметрию; → команды с джойстика возвращаются на дрон; → аппарат снова переходит в Loiter и садится. Авторы отдельно подчёркивают: во время демонстрации телеметрия, видео и joystick input передавались по проводному каналу. Из беспроводных систем оставался GPS — только для определения положения аппарата. И вот тут PhotonFlight особенно интересен как open-source конструктор. Это не готовый промышленный FPV-комплект на 20–40 км, который можно поставить на дрон и полететь. Это скорее экспериментальная платформа, показывающая, как построить связку: FC → MAVLink → Raspberry Pi → Ethernet → SFP → оптоволокно → наземная станция А дальше поверх одного физического канала можно гонять практически любые цифровые данные. 💡 Поэтому я бы не называл PhotonFlight конкурентом существующим FPV-модулям 1310/1550 нм. Скорее это следующий интересный вопрос: что будет, если использовать оптоволокно не просто вместо радиоканала FPV, а как полноценную высокоскоростную сеть между дроном и наземным компьютером? Особенно интересно это для компьютерного зрения и AI: тяжёлые вычисления потенциально можно переносить на мощную наземную станцию, оставляя на борту только необходимую обработку и интерфейс связи. И самое приятное — автор выложил архитектуру и исходники в открытый доступ. 👇 🔗 PhotonFlight — GitHub: https://github.com/mervinnguyen/photonflight-fiber-optic-drone #дроны #FPV #БПЛА #UAV #OpenSource #PhotonFlight #ArduPilot #RaspberryPi #MAVLink #оптоволокно #AI #ComputerVision

Все еще биндишь мобулу ? 😅 #fpv #drone #mobula #binding #tesla #cybertruck

🖥 Полезный Open Source для FPV: превращаем обычный ноутбук в цифровую наземную станцию Если экспериментируете с OpenIPC FPV, сохраните себе проект Aviateur. Это бесплатная open-source программа, которая позволяет превратить обычный компьютер в наземную станцию для приёма цифрового FPV-видео. Поддерживаются: 💻 Windows 🐧 Linux 🍏 macOS То есть вместо отдельного специализированного VRX можно использовать ноутбук или mini-PC с совместимым Wi-Fi-адаптером. Что умеет Aviateur: ⚡️ приём FPV-видео с низкой задержкой; 🎥 аппаратное декодирование видео через GPU; 📊 отображение bitrate и качества радиолинка; 🔊 передача звука с борта; ⏺️ запись полёта в MP4; 📸 сохранение отдельных кадров в JPEG; 🎞 создание GIF прямо из полёта. Самое интересное — Aviateur является частью открытой экосистемы OpenIPC. Схема упрощённо выглядит так: камера OpenIPC на дроне → цифровой радиоканал → Wi-Fi-адаптер на земле → Aviateur → экран ноутбука По данным OpenIPC, пользователи их современного видеостека сообщают примерно о 60–100 мс задержки glass-to-glass на ноутбуках/ПК, а специализированные наземные станции могут показывать ещё меньшие значения. Конкретная задержка сильно зависит от железа, частоты кадров и дисплея. 🔥 Причём проект развивается: в свежей версии Aviateur 3.0 добавили поддержку большего количества RTL-адаптеров, zero-copy decoding на macOS и заметно доработали стабильность декодера. Есть и планы на дальнейшее развитие — полноценная MAVLink-телеметрия, встроенный наземный OSD и поддержка дополнительных Wi-Fi-чипсетов. На данный момент полноценный MAVLink ещё находится именно в roadmap. В итоге получается довольно интересный вариант для тех, кто любит экспериментировать: не закрытая FPV-экосистема, а камера + обычный Wi-Fi-чип + Open Source + свой компьютер. 🔧 🔗 Aviateur — GitHub: https://github.com/OpenIPC/aviateur 🔗 OpenIPC FPV / описание видеолинка: https://openipc.org/low-latency 🔗 OpenIPC Wiki — от покупки компонентов до первого полёта: https://github.com/OpenIPC/wiki/blob/master/en/fpv-from-buy-to-fly.md #FPV #OpenIPC #Aviateur #дроны #БПЛА #UAV #OpenSource #DigitalFPV #Linux #RaspberryPi

🚁 Дрон впервые испытал «квантовый компас»: GPS больше не нужен? Американские компании Northrop Grumman и SandboxAQ провели лётные испытания необычной навигационной системы AQNav на беспилотнике Lumberjack. Главная фишка — дрон может определять своё положение без GPS, ориентируясь по магнитному полю Земли. 🧭 Как это работает? В разных точках планеты магнитное поле имеет крошечные отличия. Очень чувствительный квантовый магнитометр фиксирует эти особенности, а система сравнивает их с заранее созданной магнитной картой местности и определяет положение аппарата. Причём в испытаниях магнитную навигацию объединили ещё и с визуальной навигацией, повысив точность и надёжность системы. Зачем всё это, если есть GPS? 📡 GPS можно заглушить. ⚠️ Спутниковый сигнал можно подменить. 🏔 В некоторых условиях приём GPS может быть нестабильным. А вот магнитное поле Земли отключить невозможно. Поэтому подобная технология особенно интересна для автономных дронов, которые должны продолжать полёт даже при полной потере спутниковой навигации. И что интересно — AQNav интегрировали в уже существующий бортовой компьютер беспилотника без отдельной большой вычислительной платформы. По сути, мы постепенно приближаемся к дронам, которым для навигации вообще не обязательно постоянно «видеть» спутники. 🔥 А вы бы доверили автономному дрону полёт вообще без GPS? 😁 #дроны #БПЛА #UAV #Drone #GPS #навигация #AI #автономность #технологии #квантовыетехнологии

🚁 В Китае документы начали доставлять через город на дронах В китайском Хэфэе работает необычная воздушная почта: беспилотники перевозят удостоверения личности и другие официальные документы между городским сервисным и почтовым центрами. 📬 Расстояние маршрута — около 15 км. На автомобиле такая доставка может занимать больше часа, а дрон преодолевает путь примерно за 15 минут. Причём это уже не эксперимент: по маршруту перевозят более 200 отправлений в день, а всего в Хэфэе действует уже свыше 260 беспилотных маршрутов доставки. 🤯 Для работы дронов используется 5G-связь с низкой задержкой, а за посадочными площадками следят камеры с AI — если в зоне появляется человек, система это обнаруживает. Получается, что привычная городская почта постепенно обзаводится ещё одним видом транспорта — воздушным. 📦🚁 🔥 А вы бы доверили дрону доставку своего паспорта или других важных документов? Или пока такие вещи лучше по старинке — курьером? 😁 👇 Пишите в комментариях: доверили бы или нет? #дроны #БПЛА #UAV #Китай #доставка #DroneDelivery #технологии #5G #автоматизация

🏋️ Дрон весом 13 кг поднял больше 50 кг груза Инженеры AVIDrone установили впечатляющий результат на соревновании DARPA Lift Challenge: их экспериментальный электрический беспилотник массой всего 13,2 кг поднял 50,8 кг полезной нагрузки. 🚁💪 Получилось соотношение 3,84 кг груза на каждый килограмм массы самого аппарата — при том, что у обычных мультикоптеров этот показатель часто находится около 1:1 или ниже. Причём это был не тест «поднялся на метр и сразу сел». По правилам соревнования аппарат с грузом должен был пройти 4 морские мили, сбросить груз, а затем пролететь ещё одну милю. ⚙️ Как им удалось добиться такой грузоподъёмности? Главный секрет — аппарат фактически построили с нуля вокруг одной задачи: максимальная тяга при минимальной собственной массе. По словам главы AVIDrone Скотта Грея, инженеры буквально убирали лишний вес из каждой части конструкции. Изначально компания хотела использовать привычную для AVIDrone двухроторную схему наподобие Chinook, но в итоге полностью переделала аппарат в однороторный электрический вертолёт. Для него использовали собственную конструкцию больших лопастей, роторной головки и трансмиссии, а также фирменный автопилот. 💡 И в этом важный момент: вместо множества небольших винтов, как у обычного мультикоптера, инженеры сделали ставку на большой несущий ротор и максимально облегчённую конструкцию, заточенную именно под вертикальную тягу. DARPA ставила цель 4:1. AVIDrone немного не дотянул — 3,84:1, но всё равно занял первое место и получил $1,25 млн. 🏆 Если такие технологии дойдут до серийных аппаратов, грузовые дроны смогут перевозить грузы, которые сегодня требуют UAV совершенно другого размера. #дроны #БПЛА #UAV #AVIDrone #DARPA #DroneTech #CargoDrone #технологии #авиация

🚁 Дрон на жидком водороде впервые полетел в действующем аэропорту В Нидерландах испытали необычный беспилотник HYDRA II, который получает энергию не только от привычного аккумулятора — его основным источником служит жидкий водород. Водород поступает в топливный элемент, где вырабатывается электричество для электромоторов, а батарея помогает системе во время пиковых нагрузок. Главное преимущество такой схемы — потенциально намного большая продолжительность полёта, чем у обычных аккумуляторных дронов. Это особенно интересно для мониторинга, картографии, инспекций и других задач, где UAV должен проводить в воздухе часы. ✈️ В августе HYDRA II провёл демонстрационный полёт прямо в действующем аэропорту Роттердам–Гаага. Испытание показало не только сам полёт, но и возможность работы водородного беспилотника в реальной аэропортовой инфраструктуре. Возможно, именно водород станет одним из способов решить главную проблему современных электрических дронов — ограниченное время полёта. 🔋➡️💧 #дроны #БПЛА #UAV #Hydrogen #водород #технологии #авиация #DroneTech #инновации

🫡 Специальный отряд «Гагаринг» в составе добровольческого БАРС  Краснодарского края начинает отбор рядовых и офицеров в свои ряды 📝 Требуются: • расчёты в МОГ; • расчёты БПЛА и РЛС; • механики-водители и наводчики БМП–2; • механики-водители и наводчики ЗУ–23-4 «Шилка»; • наводчики-операторы ЗУ–23-2 • техники, инженеры, специалисты связи 💰Зарплата ОТ 200 тыс. руб. на руки. ВНИМАНИЕ! БОЕВАЯ РАБОТА, но только на территории Краснодарского края. Во время службы — сухой закон. Предоставляем жильё и питание, а также полное сопровождение на всех этапах оформления, включая организацию проезда к месту службы за наш счёт. Страховки/выплаты как в армии. Отгулы и премии. Индивидуальный подход при рассмотрении, для редких профессионалов — особые условия. ❗Ваш опыт, знания и характер могут быть нужны там, где особенно ценятся ответственность, взаимовыручка и надёжное плечо рядом. Присоединяйтесь к отряду «Гагаринг». Количество мест ограничено, строгий отбор, полиграфолог. Для связи: @gagaring_recruit_bot

🎯 AIRHOUND — дрон, который сам находит и преследует другой дрон Исследователи из Embry-Riddle Aeronautical University разработали AIRHOUND — открытую систему компьютерного зрения, которая позволяет беспилотнику самостоятельно обнаружить другой дрон в воздухе, определить его положение и начать автоматическое сопровождение. Работает всё примерно так: Камера → нейросеть обнаруживает дрон → определяется расстояние → алгоритм прогнозирует положение цели → PX4 корректирует полёт. 🧠 В качестве бортового компьютера используется NVIDIA Jetson Orin Nano 16 GB, а за зрение отвечает Intel RealSense D455, которая получает обычное RGB-изображение и данные о глубине. Для обнаружения разработчики протестировали две нейросети — YOLOv8n и RF-DETR. При сильном ухудшении изображения RF-DETR показал mAP@0.5 = 0,716, тогда как YOLOv8n — 0,318. После оптимизации через TensorRT RF-DETR удалось разогнать до 275,7 FPS на Jetson Orin Nano. Но просто увидеть другой дрон недостаточно. AIRHOUND использует 3D Kalman Filter, который сглаживает координаты и прогнозирует движение цели. Благодаря этому система способна продолжать сопровождение, даже если объект ненадолго пропадает из кадра. Дальше команды передаются в PX4 в режиме Offboard, и коптер самостоятельно корректирует траекторию движения. ⚙️ В основе проекта: • ROS 2 • PX4 • NVIDIA Jetson • Intel RealSense • RF-DETR / YOLOv8 • TensorRT • Kalman Filter • Gazebo 🔥 Самое интересное — проект полностью открыт. 👉 Исходники AIRHOUND на GitHub 👉 Описание проекта и исследования В репозитории есть ROS 2-пакеты, модели детекции, интерфейс для PX4, конфигурации, HITL-тестирование и инструменты для симуляции. Поэтому AIRHOUND можно использовать как отправную точку для собственных экспериментов с автономными дронами и компьютерным зрением. 💡 AIRHOUND хорошо показывает следующий этап развития автономных UAV: нейросеть уже не просто рисует рамку вокруг объекта на видео — результат компьютерного зрения напрямую используется для управления полётом. #дроны #UAV #OpenSource #AIRHOUND #PX4 #ROS2 #Jetson #ComputerVision #AI #автономныедроны

🎯 AIRHOUND — дрон, который сам находит и преследует другой дрон Исследователи из Embry-Riddle Aeronautical University разработали AIRHOUND — открытую систему компьютерного зрения, которая позволяет беспилотнику самостоятельно обнаружить другой дрон в воздухе, определить его положение и начать автоматическое сопровождение. Работает всё примерно так: Камера → нейросеть обнаруживает дрон → определяется расстояние → алгоритм прогнозирует положение цели → PX4 корректирует полёт. 🧠 В качестве бортового компьютера используется NVIDIA Jetson Orin Nano 16 GB, а за зрение отвечает Intel RealSense D455, которая получает обычное RGB-изображение и данные о глубине. Для обнаружения разработчики протестировали две нейросети — YOLOv8n и RF-DETR. При сильном ухудшении изображения RF-DETR показал mAP@0.5 = 0,716, тогда как YOLOv8n — 0,318. После оптимизации через TensorRT RF-DETR удалось разогнать до 275,7 FPS на Jetson Orin Nano. Но просто увидеть другой дрон недостаточно. AIRHOUND использует 3D Kalman Filter, который сглаживает координаты и прогнозирует движение цели. Благодаря этому система способна продолжать сопровождение, даже если объект ненадолго пропадает из кадра. Дальше команды передаются в PX4 в режиме Offboard, и коптер самостоятельно корректирует траекторию движения. ⚙️ В основе проекта: • ROS 2 • PX4 • NVIDIA Jetson • Intel RealSense • RF-DETR / YOLOv8 • TensorRT • Kalman Filter • Gazebo 🔥 Самое интересное — проект полностью открыт. 👉 Исходники AIRHOUND на GitHub 👉 Описание проекта и исследования В репозитории есть ROS 2-пакеты, модели детекции, интерфейс для PX4, конфигурации, HITL-тестирование и инструменты для симуляции. Поэтому AIRHOUND можно использовать как отправную точку для собственных экспериментов с автономными дронами и компьютерным зрением. 💡 AIRHOUND хорошо показывает следующий этап развития автономных UAV: нейросеть уже не просто рисует рамку вокруг объекта на видео — результат компьютерного зрения напрямую используется для управления полётом. #дроны #UAV #OpenSource #AIRHOUND #PX4 #ROS2 #Jetson #ComputerVision #AI #автономныедроны

🎯 AIRHOUND — дрон, который сам находит и преследует другой дрон Исследователи из Embry-Riddle Aeronautical University разработали AIRHOUND — открытую систему компьютерного зрения, которая позволяет беспилотнику самостоятельно обнаружить другой дрон в воздухе, определить его положение и начать автоматическое сопровождение. Работает всё примерно так: Камера → нейросеть обнаруживает дрон → определяется расстояние → алгоритм прогнозирует положение цели → PX4 корректирует полёт. 🧠 В качестве бортового компьютера используется NVIDIA Jetson Orin Nano 16 GB, а за зрение отвечает Intel RealSense D455, которая получает обычное RGB-изображение и данные о глубине. Для обнаружения разработчики протестировали две нейросети — YOLOv8n и RF-DETR. При сильном ухудшении изображения RF-DETR показал mAP@0.5 = 0,716, тогда как YOLOv8n — 0,318. После оптимизации через TensorRT RF-DETR удалось разогнать до 275,7 FPS на Jetson Orin Nano. Но просто увидеть другой дрон недостаточно. AIRHOUND использует 3D Kalman Filter, который сглаживает координаты и прогнозирует движение цели. Благодаря этому система способна продолжать сопровождение, даже если объект ненадолго пропадает из кадра. Дальше команды передаются в PX4 в режиме Offboard, и коптер самостоятельно корректирует траекторию движения. ⚙️ В основе проекта: • ROS 2 • PX4 • NVIDIA Jetson • Intel RealSense • RF-DETR / YOLOv8 • TensorRT • Kalman Filter • Gazebo 🔥 Самое интересное — проект полностью открыт. 👉 [Исходники AIRHOUND на GitHub](https://github.com/eppl-erau-db/AIRHOUND?utm_source=chatgpt.com) 👉 [Описание проекта и исследования](https://rylanmalarchick.com/projects/airhound/?utm_source=chatgpt.com) В репозитории есть ROS 2-пакеты, модели детекции, интерфейс для PX4, конфигурации, HITL-тестирование и инструменты для симуляции. Поэтому AIRHOUND можно использовать как отправную точку для собственных экспериментов с автономными дронами и компьютерным зрением. 💡 AIRHOUND хорошо показывает следующий этап развития автономных UAV: нейросеть уже не просто рисует рамку вокруг объекта на видео — результат компьютерного зрения напрямую используется для управления полётом. #дроны #UAV #OpenSource #AIRHOUND #PX4 #ROS2 #Jetson #ComputerVision #AI #автономныедроны

🎯 AIRHOUND — дрон, который сам находит и преследует другой дрон Исследователи из Embry-Riddle Aeronautical University разработали AIRHOUND — открытую систему компьютерного зрения, которая позволяет беспилотнику самостоятельно обнаружить другой дрон в воздухе, определить его положение и начать автоматическое сопровождение. Работает всё примерно так: Камера → нейросеть обнаруживает дрон → определяется расстояние → алгоритм прогнозирует положение цели → PX4 корректирует полёт. 🧠 В качестве бортового компьютера используется NVIDIA Jetson Orin Nano 16 GB, а за зрение отвечает Intel RealSense D455, которая получает обычное RGB-изображение и данные о глубине. Для обнаружения дронов разработчики протестировали две нейросети — YOLOv8n и RF-DETR. При сильном ухудшении изображения RF-DETR показал mAP@0.5 = 0,716, тогда как YOLOv8n — 0,318. После оптимизации через TensorRT RF-DETR удалось разогнать до 275,7 FPS на Jetson Orin Nano. Но просто увидеть другой дрон недостаточно. AIRHOUND использует 3D Kalman Filter, который сглаживает координаты и прогнозирует движение цели. Благодаря этому система способна продолжать сопровождение, даже если объект ненадолго пропадает из кадра. Дальше команды передаются в PX4 в режиме Offboard, и коптер самостоятельно корректирует траекторию движения. ⚙️ В основе проекта используется практически полностью Open Source-стек: • ROS 2 • PX4 • NVIDIA Jetson • Intel RealSense • RF-DETR / YOLOv8 • TensorRT • Kalman Filter • Gazebo 🔥 Самое интересное — исходники AIRHOUND опубликованы на GitHub. В репозитории есть ROS 2-пакеты, модели детекции, интерфейс для PX4, конфигурации, HITL-тестирование и инструменты для симуляции. Поэтому проект можно использовать как отправную точку для собственных экспериментов с автономными дронами и компьютерным зрением. 🔗 AIRHOUND на GitHub: [https://github.com/eppl-erau-db/AIRHOUND](https://github.com/eppl-erau-db/AIRHOUND) 🌐 Описание проекта и исследования: [https://rylanmalarchick.com/projects/airhound/](https://rylanmalarchick.com/projects/airhound/) AIRHOUND хорошо показывает следующий этап развития автономных дронов: нейросеть уже не просто рисует рамку вокруг объекта на видео — результат компьютерного зрения напрямую используется для управления полётом. #дроны #UAV #OpenSource #AIRHOUND #PX4 #ROS2 #Jetson #ComputerVision #AI #автономныедроны

🐝 Рой из пяти автономных дронов — и весь проект выложили в Open Source Команда Mach Mind построила собственный рой из пяти дронов для международного Swarm Drone Challenge 2026. Проект дошёл до финала на ILA Berlin и занял 4-е место, а после соревнований разработчики открыли исходники системы на GitHub. Причём это не очередная красивая симуляция — аппараты действительно собраны и летали. Главная идея проекта: нескольким дронам не обязательно управлять по отдельности. Они получают разные роли и работают как единая команда. 🔎 Seeker ищет объекты. 🎯 Executor получает найденные координаты и выполняет задачу. 🏠 Leader контролирует базовую зону. Внутри каждого аппарата используется довольно интересная электроника. ESP32-P4 отвечает за компьютерное зрение, а ESP32-S3 — за связь с системой управления. Дроны используют камеры, датчики расстояния ToF, OpenCV, MAVLink, micro-ROS и другие Open Source-технологии. Для управления всем роем разработчики сделали собственную наземную станцию на ROS 2, которая может работать даже на Raspberry Pi 5. 🤖 Есть и эксперимент с искусственным интеллектом: локальная нейросеть Gemma через Ollama умеет превращать обычную текстовую команду человека в координаты и команды для роя. Например, в перспективе вместо ручного задания каждого маршрута оператор сможет написать что-нибудь вроде: «Отправь два дрона проверить левую часть зоны» — а система сама распределит задачу между аппаратами. Важно: на финальных соревнованиях такое LLM-управление не использовалось — авторы честно называют его отдельной экспериментальной демонстрацией. 🔥 Но самое интересное для любителей DIY — разработчики выложили практически весь проект. Есть: • исходники прошивок • программа управления роем • ESP32-P4 / ESP32-S3 код • ROS 2 • OpenCV • MAVLink и micro-ROS • схемы собственной PCB • фотографии сборки • готовые STL для 3D-печати деталей дронов • STL корпуса наземной станции • даже модели транспортного бокса И всё это опубликовано под MIT License. 🔗 Главная страница проекта: https://github.com/machmind-dev/drone-swarm-challenge-2026 🧩 STL и железо дрона: https://github.com/machmind-dev/drone-swarm-challenge-2026/tree/main/hardware/drone/v2.0 🖥 Наземная станция + STL: https://github.com/machmind-dev/drone-swarm-challenge-2026/tree/main/hardware/ground-station 🤖 Прошивка: https://github.com/machmind-dev/drone-swarm-challenge-2026/tree/main/drone-firmware 📡 Управление роем: https://github.com/machmind-dev/drone-swarm-challenge-2026/tree/main/ground-station-software Получился редкий пример Open Source-проекта, где можно не просто прочитать про «рой будущего», а открыть GitHub и разобрать настоящий рабочий комплекс — от напечатанного крепления до программы управления пятью дронами. #дроны #FPV #OpenSource #DroneSwarm #PX4 #ROS2 #ESP32 #RaspberryPi #MAVLink #робототехника

Автоматизированные процессы 😅 Какие шансы, если встретился с такой машиной лицом к лицу и она обучена стрелять в человека ? #автоматика #ai #оружие #робот #бпла

🚁 Uber Eats запускает доставку еды дронами Zipline Если посмотреть на фото системы Zipline, возникает логичный вопрос: зачем из большого дрона спускается ещё один маленький? На самом деле большой Zipline P2 вообще не должен садиться возле клиента. Он прилетает к точке доставки и зависает высоко над землёй. А вниз на тонком тросе спускается небольшой автономный модуль Droid с заказом внутри. 🤖 Этот «мини-дрон» имеет собственные вентиляторы и систему управления, поэтому во время спуска может корректировать своё положение и точно опустить посылку в нужное место — например, возле двери дома. После доставки Droid поднимается обратно к основному аппарату, и P2 улетает. Зачем такая сложная схема? Большому дрону не приходится садиться между домами, деревьями, машинами и людьми. Он остаётся наверху, где летать безопаснее, а небольшой Droid выполняет последние метры доставки гораздо точнее и тише. И теперь эта технология приходит в Uber Eats. 🍔 Uber и Zipline объявили о партнёрстве: во второй половине 2026 года пользователи Uber Eats в США должны получить возможность заказывать товары с доставкой автономными дронами Zipline. Причём речь идёт не о небольшом эксперименте. 🎯 Компании заявили цель — выйти примерно на 1 миллион доставок дронами в сутки к концу 2029 года. Для пользователя всё должно выглядеть максимально обычно: заказ оформляется через Uber Eats, а там, где доступна воздушная доставка, вместо курьера к дому прилетает Zipline. Сам Zipline при этом может вообще не касаться земли: завис → спустил Droid → отдал заказ → поднял Droid обратно → полетел дальше. 💡 Именно эта схема мне кажется самой интересной частью проекта. Доставка дронами постепенно уходит от красивых экспериментов к довольно продуманной городской инфраструктуре. А связка Uber Eats + Zipline может стать одной из первых попыток сделать такую доставку действительно массовой. #UberEats #Zipline #DroneDelivery #Дроны #БПЛА #Логистика #АвтономныеДроны

🛰 INAV 9.1: точнее GPS, больше безопасности и 19 новых плат Вышел INAV 9.1 — крупное техническое обновление популярной open-source прошивки для дальнолётов, самолётов и навигационных FPV-коптеров. Основной упор разработчики сделали не на эффектные функции, а на надёжность: обновление включает 46 исправлений и 76 улучшений, в том числе повышение точности GPS и исправления, связанные с безопасностью полётов. Прошивка получила поддержку 19 новых аппаратных целей. При переходе с INAV 9.0.x несовместимых изменений настроек нет: сохранённый diff all должен загружаться корректно, а Full Chip Erase не обязателен. Перед обновлением всё равно обязательно сохраните конфигурацию и проверьте примечания именно для своей платы — для отдельных контроллеров изменились параметры ориентации. #INAV #FPV #LongRange #GPS #OpenSource #FlightController #БПЛА

⚡️ Betaflight 2026.6 приближается к релизу: вышла третья тестовая сборка Команда Betaflight выпустила Betaflight 2026.6.0 RC3 — третью предварительную сборку большого обновления прошивки для FPV-дронов. В новой ветке серьёзно расширяются возможности автопилота: появляются удержание высоты и позиции, обнаружение столкновений и автоматическое отключение моторов после жёсткой посадки. Также разработчики улучшили Crash Flip, добавили отдельный таймер запуска, новые функции LED-индикации и расширили Blackbox. В прошивке появилась начальная поддержка микроконтроллеров RP2350, новых гироскопов ICM456xx, дальномеров, ELRS FLRC и дополнительных команд MAVLink. Важно: это пока Release Candidate, поэтому ставить RC3 на основной рабочий коптер без необходимости не стоит. Зато релиз показывает, что Betaflight постепенно выходит далеко за пределы обычной прошивки для гоночных квадрокоптеров. #Betaflight #FPV #FlightController #OpenSource #Квадрокоптер #DroneTech #БПЛА

📡 ArduPilot готовится к Mesh-сетям: дроны смогут общаться друг с другом без центральной станции В экосистеме ArduPilot появился очень перспективный проект AP_SwarmMesh, который разрабатывается в рамках Google Summer of Code 2026. Его цель — научить беспилотники самостоятельно создавать Mesh-сеть, в которой каждый дрон становится одновременно и участником, и ретранслятором связи. Что это даёт на практике? ✅ Если один аппарат выходит из зоны действия наземной станции, связь можно передать через соседние дроны. ✅ Рой перестаёт зависеть от одного центрального узла — сеть автоматически перестраивается при изменении расположения аппаратов. ✅ Каждый дрон может обмениваться телеметрией, командами и данными миссии напрямую с другими участниками группы. Подобный подход особенно интересен для поисково-спасательных операций, инспекции протяжённых объектов, мониторинга лесных пожаров и автономных миссий в районах, где отсутствует мобильная связь или другая инфраструктура. Важно понимать, что AP_SwarmMesh пока находится в активной разработке и ещё не является готовой функцией ArduPilot. Однако сам факт появления такого проекта показывает, куда движется отрасль: в будущем рои БПЛА смогут работать гораздо автономнее, а потеря связи с наземной станцией уже не будет означать остановку всей миссии. 💡 Сегодня большинство беспилотников связываются с оператором по схеме «дрон ↔️ наземная станция». Mesh-сеть меняет эту модель на «дрон ↔️ дрон ↔️ дрон», делая систему более устойчивой и масштабируемой. 📥 Подробнее о проекте: • Google Summer of Code — AP_SwarmMesh https://summerofcode.withgoogle.com/ • Ежемесячный отчёт разработчиков ArduPilot https://ardupilot.org/dev/ #ArduPilot #DroneSwarm #MeshNetwork #MAVLink #OpenSource #DroneTech #БПЛА

🚁 ArduPilot Copter 4.7.0 — вышел новый стабильный релиз Команда ArduPilot выпустила долгожданный Copter 4.7.0 — новый стабильный релиз прошивки для мультикоптеров и классических вертолётов. Версия стала официально доступна 21 июля 2026 года после нескольких месяцев публичного бета-тестирования. Что нового? ✅ Поддержка новых полётных контроллеров, включая TBS LUCID H7 V3, BCubeF745v2 и других современных плат. ✅ Добавлены новые драйверы датчиков и улучшена совместимость с современным оборудованием. ✅ Исправлены проблемы синхронизации IMU, повышена стабильность работы фильтров и внесено множество исправлений, накопившихся за время тестирования. ✅ Продолжена работа над традиционными вертолётами (TradHeli), улучшено поведение при арминге и повышена безопасность запуска. Как и всегда, значительная часть изменений скрыта "под капотом". Разработчики уделили большое внимание оптимизации внутренних библиотек, повышению надёжности и совместимости с новым оборудованием. Именно такие обновления чаще всего делают полёты стабильнее, даже если пользователь не замечает изменений сразу после прошивки. 💡 Стоит ли обновляться? Если вы используете ArduPilot 4.6.x и ваша платформа работает без нареканий, лучше сначала внимательно изучить список изменений и убедиться, что всё необходимое оборудование поддерживается новой версией. Для новых проектов Copter 4.7.0 уже становится основной рекомендуемой веткой. 📥 Официальные материалы: • Релиз ArduPilot Copter 4.7.0 на GitHub • Полные Release Notes ArduPilot 4.7.0 #ArduPilot #Copter47 #PX4 #FlightController #OpenSource #DroneDev #БПЛА