- 农业无人机研究需要集成**3D场景(3D scenes)**、高保真**车辆动力学(vehicle dynamics)** 和**机器人中间件(robotics middleware)** 的模拟器，但现有方案难以兼顾逼真度与跨平台可部署性
- 现有模拟器通常只支持单一工作流（如仅用于规划或仅用于数据采集），缺乏统一支持**数据收集(data capture)**、**局部规划(local planning)** 和**强化学习(reinforcement learning)** 的便携式架构
- 研究背景：农业无人机应用（如作物检查、喷洒）对模拟器的**真实感渲染(realistic rendering)** 与**闭环控制(closed-loop control)** 需求日益增长，但部署环境（不同开发机器）差异大
- 提出**Droneulator** 架构，结合**RotorPy** （多旋翼高保真动力学）与**Godot 4** （游戏引擎渲染与传感器生成）
- 暴露双控制路径：基于**PX4** 的常规控制与轻量级**WebSocket** 命令通道，并通过**Zenoh** （零开销发布订阅）实现**ROS 2兼容** 的同步视觉与状态流管道
- 支持三种农业工作流无需修改模拟器：树尺度图像采集（用于**COLMAP** 3D重建）、基于**EGO-Planner** 的冠层避障局部规划、通过**Gymnasium** 环境的闭环深度强化学习训练
- **单一架构覆盖多工作流**：首次在一个模拟器内同时支持**检查数据采集(inspection data capture)**、**ROS2/PX4局部规划(ROS2/PX4 local planning)** 和**强化学习实验(reinforcement learning experiments)**，且无需更改基础设施
- **高兼容性与便携性**：结合RotorPy（动力学）与Godot 4（渲染），并通过Zenoh管道输出同步多模态数据，降低异构机器部署门槛
- **端到端验证**：在三个不同农业任务中量化验证了系统的低延迟感知、无碰撞规划和稳定策略训练，展示了实际可用性
- 为农业无人机研究提供了一种**便携式统一模拟器架构(portable unified simulator architecture)**，填补了现有模拟器在多功能集成方面的空白
- 在**树冠图像采集重建**、**冠层避障规划** 和**深度感知强化学习** 三个典型工作上验证了有效性，证明其可作为通用研发平台
- 通过开源实现**RotorPy+Godot 4+Zenoh** 的集成方案，促进社区复现与农业无人机算法开发