1. 课程导入
大家好，欢迎来到这门课。我是你们的老朋友，一个在机器人行业摸爬滚打了十几年的工程师。今天咱们聊聊一个很实在的问题：为什么我们要花时间学SITL（软件在环仿真）？
说白了，真机太贵，炸机太痛。我刚开始做无人机那会儿，代码里一个小bug，直接让一架六旋翼从十米高空摔下来。电机冒烟，桨叶碎片飞了一地。那次之后，我养成了一个习惯——先仿真，再真机。
1.1 为什么需要SITL？
你想想看，写代码的时候，你没法保证每一行逻辑都是对的。尤其是机器人这种软硬件结合的系统，一个线程调度延迟、一个传感器数据异常，都可能导致灾难性后果。
SITL的核心价值就三点：
- 低成本试错：在仿真里炸一万次，成本为零。真机炸一次，钱包就空了。
- 快速迭代：改完代码，点一下就能跑仿真。不用等电池充电、不用去空旷场地。
- 回归测试：每次提交代码前，跑一遍自动化仿真测试。我团队现在有200多个仿真用例，覆盖了各种边界情况。
重要认知：SITL不是玩具，它是现代机器人开发的必备基础设施。如果你还在“写完代码直接上真机”，那你迟早会付出代价。
1.2 SITL与HITL的区别
很多新手分不清SITL和HITL（硬件在环仿真）。我简单给你理一下：
| 对比维度 | SITL（软件在环） | HITL（硬件在环） |
|---|---|---|
| 运行环境 | 纯软件，在开发机上跑 | 需要真实飞控/控制器硬件 |
| 传感器模型 | 理想模型或简化模型 | 真实传感器信号模拟 |
| 实时性要求 | 无严格实时要求 | 需要硬实时或准实时 |
| 调试能力 | 可以打断点、单步调试 | 调试受限，依赖日志 |
| 适用阶段 | 算法开发、单元测试 | 集成测试、硬件验证 |
| 成本 | 零硬件成本 | 需要购买硬件设备 |
我个人习惯是：先用SITL把算法逻辑跑通，再用HITL验证硬件接口，最后才上真机。这个流程帮我省下了至少几十万的维修费用。
我的经验：SITL和HITL不是二选一的关系，而是互补的。SITL负责“对不对”，HITL负责“能不能跑”。
1.3 课程目标与学习路径
这门课的目标很明确：让你掌握从SITL仿真到真机部署的完整技能链。学完之后，你能做到：
- 独立搭建一套SITL仿真环境（Gazebo + PX4/ArduPilot + ROS 2）
- 在仿真中开发完整的无人机/无人车控制算法
- 理解仿真与真机的差异，并掌握迁移技巧
- 将仿真代码无缝部署到真机，并稳定运行
整个课程分为四个阶段：
- 基础篇（第1-8章）：搭建环境，理解SITL原理，跑通第一个仿真
- 进阶篇（第9-18章）：传感器建模、控制算法、路径规划在仿真中的实现
- 迁移篇（第19-25章）：时序差异处理、噪声注入、硬件抽象层设计
- 实战篇（第26-30章）：完整项目从仿真到真机部署
下面这张图展示了整个课程的知识体系：
1.4 仿真到真机的核心挑战
嗯，这里要重点说一下。很多人在仿真里跑得飞起，一上真机就各种翻车。为什么？因为仿真和真机之间存在三大鸿沟。
挑战一：时序差异
仿真里的时间是“理想时间”。你调用一个sleep(0.1)，它真的就等100毫秒。但真机上呢？线程调度、中断响应、总线延迟……这些都会导致时间不准。
我曾经遇到一个案例：仿真里PID控制周期稳定在5ms，上真机后因为传感器读取延迟，控制周期抖动到8-15ms。结果飞机在空中剧烈震荡，差点炸机。
避坑指南：千万不要在仿真里用“理想时序”来调参。一定要在仿真中注入时序抖动，模拟真实环境。我后来在仿真里加了随机延迟模块，才提前发现了这个问题。
挑战二：传感器噪声
仿真里的传感器数据是“干净”的。GPS信号稳定，IMU没有漂移，视觉图像清晰。但真机上的传感器数据充满了噪声：
- GPS多径效应导致位置跳变
- IMU温漂导致姿态积分误差
- 摄像头运动模糊导致特征点丢失
我建议你在仿真阶段就引入传感器噪声模型。比如给GPS加高斯噪声，给IMU加随机游走。这样你的算法在真机上才能扛得住。
挑战三：硬件抽象层
这是最容易被忽视的问题。仿真里你直接调用“/cmd_vel”话题就能控制机器人。但真机上，你需要通过串口、CAN总线或PWM信号与硬件通信。
一个好的做法是：设计硬件抽象层（HAL）。把硬件接口封装成统一的API。仿真时调用虚拟驱动，真机时调用真实驱动。代码主体完全不用改。
我的经验：我团队现在所有项目都强制使用HAL。换硬件平台？只需要重写底层驱动，上层算法零改动。这个习惯帮我节省了至少60%的移植时间。
1.5 本章小结
这一章我们聊了：
- SITL的价值：低成本试错、快速迭代、回归测试
- SITL与HITL的区别：适用阶段不同，互补而非替代
- 课程全景：四个阶段，30章内容，从入门到实战
- 三大核心挑战：时序差异、传感器噪声、硬件抽象层