分布式人工智能全场景智慧教学实训平台包括分布式人工智能系统主要组成部分，主要模块包括终端设备、边缘设备、网络设备和云端设备，可满足人工智能全流程教学与实验，可满足分布式、高性能计算与边缘计算相关教学与实验。终端节点可对采集到的数据进行初步处理，终端设备包括ARM、RISC-V、达芬奇（华为昇腾）等不同芯片架构类型的模块，可满足不同类型架构原理和程序开发学习、竞赛与科研需求。当终端节点性能不足以满足需求时，将一部分处理后的数据交由算力更强的边缘节点处理，边缘节点采用JETSON Orin NX Super，可满足基于Cuda的深度学习相关程序开发、竞赛与科研。云端设备提供高性能计算模块和存储模块，当终端和边缘设备算力无法满足需求时，可将部分处理后的数据交由高性能的云端处理，云端设备还提供存储模块，提供大容量数据存储空间。网络设备主要包括路由模块和交换模块，提供各模块之间的互联互通。各模块均采用开源方案，可二次开发，便于教学、竞赛和科研使用。

激光雷达版搭载VisBot 3代视觉模块，双轴增稳云台以及4线LiDAR激光雷达，适用于无GPS环境下基于视觉/LiDAR的无人机定位/导航/避障算法的验证与开发，以及室内无人机组网编队的研究。激光定位基于LiDAR激光传感器获得的点云数据，并且融和惯性导航模块的6轴数据，实现的LIO算法。视觉定位是通过基于双目视觉传感器的双目图像，融和惯性导航模块数据，实现的VIO算法。可以基于动作捕捉系统定位，支持VRPN协议实时获得定位信息，提供真实飞行数据。避障功能是基于定位结果，基于LiDAR点云/iTof深度图/双目产生深度图，实时生成地图和路径规划的避障算法。

激光雷达通过发射激光束并接收反射光来测量距离，能提供高精度的距离数据，可精确探测到障碍物的位置、形状和大小等信息，相比单纯的视觉传感器，受光照条件、物体表面纹理等因素的影响更小。可以在诸如电磁干扰、强光干扰等复杂的环境中稳定工作，减少因外部干扰而导致的误差，保证无人机对周围环境的准确感知。结合激光雷达获取的大量精确距离数据和OWL mini3L自身的计算能力，能够快速构建出周围环境的三维模型，为无人机的自主导航、路径规划以及避障提供更全面、准确的信息基础，使其能更好地适应复杂多变的环境。

猫头鹰3，实战派。全能旗舰，助力科研成果转化落地，与猫头鹰Mini 3相比，猫头鹰 3体型更大，负载更强，能够搭载更多设备，适用于更多场景。

OWL 3L搭载VisBot 3代视觉模块，双轴增稳云台以及4线LiDAR激光雷达，适用于无GPS环境下基于视觉/LiDAR的无人机定位/导航/避障算法的验证与开发，以及室内无人机组网编队的研究。

激光雷达定位基于LiDAR激光传感器获得的点云数据，融合惯性导航模块的6轴数据，实现LIO算法。

视觉定位基于双目视觉传感器捕获的双目图像，融合惯性导航模块数据，实现VIO算法。

可基于动作捕捉系统定位，支持VRPN协议实时获得定位信息，提供真实飞行数据。

支持基于LiDAR点云/iTof深度图/双目产生深度图，实时生成地图和路径规划的避障算法。

激光雷达通过发射激光束并接收反射光来测量距离，能够提供高精度的距离数据，可精确探测到障碍物的位置、形状和大小等信息，相比单纯的视觉传感器，激光雷达传感器受光照条件、物体表面纹理等因素的影响更小。可以在诸如电磁干扰、强光干扰等复杂的环境中稳定工作，减少因外部干扰而导致的误差，保证无人机对周围环境的准确感知。结合激光雷达获取的大量精确距离数据和OWL3L自身的计算能力，能够快速构建出周围环境的三维模型，为无人机的自主导航、路径规划以及避障提供更全面、准确的信息基础，使其能更好地适应复杂多变的环境。

猫头鹰3，实战派，全能旗舰，助力科研成果转化落地，与OWL mini 3相比，OWL 3 体型更大，负载更强，能够搭载更多设备，更适用于多场景。

蜂群软件架构包括单机系统和算法软件，多机协同软件，多机通讯机制。在多机协同环境，还需要协调多机轨迹、位置、同步完成多机目标飞行。适配了Ego-Planner-Swarm开源软件，作为多机协同下的避障导航软件。它结合了多机的位置，和各自目标下的轨迹，整体规划出防碰撞轨迹。再结合控制软件就可以同步控制集群进行目标飞行。在分布式多机协同系统中，需要互通网络环境和多机通讯机制。目前引用的Ego-Planner-Swarm软件是基于ROS系统的多机通讯机制，是Master/Slave架构的消息通讯机制。Visbot视觉模块提供了Wifi接口，可接入大功率Wi-Fi基站，优势是可以较长距离通讯；也可以配置成自组网模式，省去Wi-Fi基站，可以满足小范围的机群需求。

在视觉版的基础上，RTK版本搭载VisBot 3代视觉模块，双轴增稳云台以及RTK模块，适用于GPS环境下基于视觉/RTK的无人机定位/导航/避障算法的验证与开发，以及室内无人机组网编队的研究。

提供厘米级绝对精度，实时性与稳定性强，算力需求低，适合高处飞行。

基于ROS操作系统开发的智能视觉搬运机器人，以树莓派4B为主控，采用Python编程，在视觉机械臂的基础上，增加了一个可以全向移动的麦克纳姆轮底盘，使得机器人可以进行移动抓取、目标追踪、智能搬运等功能，底盘可以自由拆卸，既可以作为桌面视觉机械臂使用，也可以作为移动视觉机械臂使用，提供源代码及两百多节课程资料，帮助用户更好的学习相关知识。能够与无人机配合实现空地协同。

无人机作为空中机器人，在各行各业发挥了重要的作用，无人机的AI赋能和蜂群协同是近年来的研究热点。

高校实验室与科研领域是无人机控制算法与AI赋能的主要研究阵地。面对未来AI时代，控制算法与AI赋能的教学和研发方式被重新定义，行业亟需一种更快速、高效的无人机控制算法研发模式。

无人机模拟仿真器VISIM可帮助教学及科研工作者在第一时间对算法进行实践验证，提高教学和科研效率，模拟验证后再用真机测试，减少风险和炸机发生概率。

基于PX4_SITL和Gazebo的环境，提供位置、速度、加速度等控制方式，用户可以验证自己的飞控算法和外围控制算法。

自主飞行和路径规划方面，模拟器适配了Ego-Planner开源算法和一些基本的路径生成算法，方便用户实现轨迹生成算法及轨迹控制验证；

提供Ego-Planner-Swarm开源蜂群算法，用户也可在模拟器中开发/验证自己的集群/蜂群算法；

VSIM模拟仿真器也提供AI目标识别、跟踪算法和框架，方便用户实现无人机对目标的追踪等实验；

无人机蜂群表演编队支持手控飞行、定点飞行、自主航线飞行、自主返航等控制模式，支持横队、纵队、三角、方队、倒V、正V、包围式队形切换等编队模式。地面站软件支持无人机姿态、位置、电池、连接状态显示，支持报警信息提醒、指令发送、回传数据显示，支持目标工作区地图保存和显示、队形编辑、保存与加载。集控制、编辑一体，可预览已编程的飞行轨迹，动画展现飞行姿态，支持2D、3D模拟飞行，支持自动计算避障线路和防碰撞预警。

球形集群编队表演无人机基于UWB制式基站进行定位，无需GPS即可实现各种环境下精确室内外定位。

机身搭载可编程256色灯光系统，能够实现不同颜色效果。系统通过PC端地面站实现编程编队、实时控制功能，支持飞行动作与灯光同步编程及实时动态仿真，预览编程实际效果，最多可同时控制 10 架无人机在线同步飞行。