天津大学开源的端到端规划算法YOPO(You Only Plan Once) 基于最优控制理论和对抗训练方法，在保证模型鲁棒性的同时，大幅降低训练与推理的计算量，能够实现感知、规划与控制的高效融合。

为便于科研人员、开发者与无人机爱好者使用，SU17-Orin选配包已预装并适配YOPO模块，用户无需额外环境配置开箱即用。

YOPO优势

极高的计算效率

YOPO最大的优点是计算效率高，实验表明，YOPO能够将对抗训练的时间缩短到接近普通训练（Natural Training）的2到3倍，而传统的PGD对抗训练可能需要10倍以上的时间。

理论保障

YOPO并非简单的工程技巧，而是基于微分方程和最优控制理论的严格数学推导，算法收敛性和有效性得到理论支撑。

保持防御效果

尽管计算量显著减少，但YOPO训练出的模型在面对白盒攻击（攻击者知道模型全部信息）和黑盒攻击时，仍保持与PGD 对抗训练模型相当甚至更优的鲁棒性。

良好的泛化性

YOPO更像是一个训练框架，而不是一个具体的攻击算法。它可以与多种攻击方法（如PGD）结合使用。

YOPO自主导航操作指南

以下步骤展示了如何在SU17-Orin选配包中启用 YOPO 端到端视觉避障功能。

连接设置

点击地面站连接设置，连接飞机。

启动BSA_SLAM

根据图片中的顺序依次点击启动BSA_SLAM四目定位。

启动成功后请耐心等待，查看到定位源切换成功，地面站右上角由红色变为蓝色，说明四目定位已启动。

启动深度图压缩

点击功能脚本中的深度图压缩。

查看机载电脑终端，RVL Encoder initialized说明深度图压缩已启动。

YOPO视觉避障

点击功能脚本中的yopo按钮，启动端到端避障功能。

选配包桌面端中会自动打开rviz，当rviz中显示深度图和轨迹，终端中提示YOPO Net Node Ready!时，表明程序正常启动。

tensorrt not found为正常提示，表明现在使用的模型是pytorch格式的，若使用tensorrt模型无该提示。

解锁起飞，遥控器通道六拨到第三段，切换至 COMMEND_CONTRAL模式。

在地面站的rviz中进行给点（需要预估目标点的位置输入后点击发送），点击发送，无人机会根据目标点使用yopo算法进行规划避障。

当选配包终端提示 Arrive! 表明无人机已经到达目标点。

在SU17-Orin选配包中，YOPO模块已完成环境配置与系统适配，无需任何额外安装与调试即可直接使用。

不仅方便科研人员快速复现YOPO算法，也为端到端无人机自主导航的研究与实验提供了可靠的平台支持。

如果您有感兴趣的技术话题，请在留言区告诉我们！关注阿木实验室，更多技术干货不断更新！

开发遇到棘手难题可以上阿木官方论坛：

bbs.amovlab.com

有工程师亲自解答

10000+无人机开发者和你共同进步！