硬體在 11-11、11-12 陸續到貨。第一天把飛機組起來、讓電腦連得上，也第一次自己懸停成功。第二天裝相機時一度卡住，查出原因後當天解決；下午電腦收到相機的畫面，也把果蠅腦接上了（飛機不起飛，腦算出的指令不送出去）。但真腦對假腦的比較，目前還沒有任何真機結果——這一頁上面和下面的數字都來自模擬。
點任一步，看做了什麼、結果如何。
| 步驟 | 狀態 | 說明 |
|---|---|---|
| 組裝機體 | ✅ 完成 | 馬達、螺旋槳、電池座都裝好。 |
| 無線電（Crazyradio） | ✅ 完成 | 出廠時裡面只有「更新用的開機程式」，沒有正式的韌體（裝置裡的內建程式）。補裝韌體、在電腦裝好驅動程式後就能用。 |
| 電腦連上飛機 | ✅ 完成 | 無線連得上，電池電壓讀得到（4.1 V，充飽）。 |
| 升級飛機的內建程式 | ✅ 完成 | 用官方 2026.10 的更新包升級飛機的內建程式（韌體；裡面控制飛行的程式是 2026.08 版；這次更新只換了相機板 WiFi 晶片的程式）。刻意在裝相機板（AI deck）之前升級，免得升級時順便把相機板的 WiFi 程式換成不相容的版本。 |
| 光流板（Flow deck） | ✅ 修好 | 這塊板子負責量高度和水平移動，沒有它飛機沒辦法自己懸停。一開始飛機認不出它：板子上有一顆記錄「我是哪種板子」的小晶片，出廠時沒寫資料，裡面只有測試用的固定圖樣。自己把正確的資料寫進去之後就正常了。 |
| 第一次自動懸停 | ✅ 成功 | 在亮面的白磁磚上，它起飛後一路往前飄，撞到牆。原因是光流板靠「看地面的紋理怎麼移動」來知道自己有沒有在飄，沒有花紋的亮磁磚上什麼也看不到。換到木地板（有木紋和接縫）後，在 30 cm 高停 3 秒只飄了約 10 cm。所以之後的場地，地面要有紋理。 |
| 裝相機（AI deck） | ✅ 程式已寫入 | 相機板裝上後，飛機認得到它。但要把「傳影像的程式」寫進相機板上的影像處理晶片（GAP8）時，試了 4 次、換了兩台電腦，進度都卡在 0%。原本猜是那顆晶片少了開機用的程式，結果不是。真正的原因：程式要先交給相機板的 WiFi 晶片（ESP32），再由它轉交給影像處理晶片；而這片板子的 WiFi 晶片出廠時裝的程式太舊，看不懂轉交用的格式。用無線電把 WiFi 晶片的程式更新之後，傳影像的程式十幾秒就寫好，相機板也回報它已經啟動。不需要用到除錯器（專門把程式寫進晶片的工具）。 |
| 電腦收到畫面 | ✅ 53 張 / 秒 | 官方範例傳的是整張 324 × 244、沒壓縮的畫面，每秒只有約 9 張，遠低於模擬算出的最低要求（每秒 33 張）。瓶頸是 WiFi 一次能傳的資料量。改成先在相機板上把畫面縮成 162 × 122、再壓成 JPEG（常見的圖片壓縮格式）之後，每秒 53 張，連續 10 分鐘沒有中斷。在模擬裡，把「把畫面轉成逼近訊號的程式」（下面叫影像處理程式）換成同樣的解析度、壓縮方式和每秒張數，果蠅腦的閃避只多失敗 5 場，仍在可接受範圍。 |
| 斷線後重新連線 | ✅ 修好 | 電腦把影像連線關掉、再連一次時，常常連上了卻收不到畫面，或再也連不上，要把飛機重開才恢復。問題出在相機板 WiFi 晶片（ESP32）的官方程式：負責收資料和負責送資料的兩段程式，都會去關同一條連線，所以同一次斷線被關了兩次，下一條連線一接上就被當成「已經斷了」；另一種關法，它則完全沒發現對方已經離開。改掉這段程式、重新寫進 WiFi 晶片後，三種關閉方式輪流試 96 次都正常。另外，在家裡測試時，電腦和相機板的 WiFi 熱點之間會整段斷訊 5 到 15 秒以上（影像和測試連線用的 ping 一起停），連續收 10 分鐘的測試跑不完。原廠論壇上很多人回報過這個問題，原廠也沒找到原因。我們讓 WiFi 晶片每秒回報自己的狀態，發現斷訊那一秒，它還能用的記憶體從 42 KB 掉到 8 KB：原廠程式給「排隊等著送出的資料」設的上限，比實際剩下的記憶體還大。空中的訊號稍微卡一下，排隊的資料就把記憶體吃光，之後連重送都做不到。把上限調小之後，連續 10 分鐘收了 31,605 張（每秒 52.7 張）沒有斷線；不過中途仍有 5 次 0.3 到 2.6 秒的短暫停頓。（先前這裡寫「切過去後等 30 秒再連就沒事」，後來再試並不可靠，已更正。） |
| 畫面亮度 | ✅ 修好 | 一開始畫面太暗，影像處理程式把整個畫面都當成障礙物。原因是相機的自動曝光（自動調整亮度的功能）把平均亮度固定在 60（滿分 255），而影像處理程式用 128 當「暗」的界線。把自動曝光的目標調到 128 之後，亮的牆面才真的算「亮」，每秒張數不變。 |
| 延遲 | ⚠ 偏緊 | 讓相機對著螢幕、螢幕黑白切換，量出「畫面變了 → 電腦收到」大約要 80 毫秒（包含螢幕本身的延遲）。模擬算出，從相機拍到畫面到飛機照著動，整段延遲要在 110 毫秒內，剩給無線電和馬達的時間不多。要實際飛起來量才算數。 |
| 接上果蠅腦（不起飛） | ◐ 做到一部分 | 飛機放在桌上、馬達不轉。電腦每 10 毫秒讀一次飛機回報的數據和相機畫面，跑一次果蠅腦；腦算出的指令只記錄下來、不送出去，全部可以在儀表板上回放。但在雜亂的桌面上，看不出腦會分左右（桌上靜止的深色物體本身就讓它一直想閃），要到背景明亮的場地裡重做。 |
之後的順序：量飛行場地的亮度 → 在場地裡重做「接上果蠅腦（不起飛）」 → 腦還不指揮飛行，用手拿物體從左右靠近，量延遲、每秒張數與左右方向 → 讓腦真的指揮飛行，閃一根柱子。
27 公克的四軸無人機。機體設計、機上的內建程式（韌體，Bitcraze 公司出的，GPL 授權）、電腦端的程式庫（cflib）全部公開。選它而不是 ArduPilot / PX4（另外兩種無人機飛行控制系統）：它在室內飛、不用 GPS，而且模擬用的就是這個機型。
模擬：物理模擬軟體 PyBullet 裡的 Crazyflie 2.x 模型，所有測試都用它。
負責不讓飛機翻掉：推算機身歪了幾度、速度、高度，再去驅動馬達。地面的指令一斷，它會自己降落。腦不碰這一層。
模擬：gym-pybullet-drones 這套軟體內建的飛行控制程式（PID，一種自動修正的算法），它接收地面送來的飛行指令。第一場模擬考把指令的格式和正負號的規定換成 Crazyflie 的。⚠ 模擬裡的飛行控制程式直接拿模擬器知道的正確答案（機身歪了幾度、速度）來用，不像真機的韌體要靠用感測器推算的程式（EKF）。
上面有一台朝前的黑白相機（Himax HM01B0，水平視角 87°、320×320）、一顆影像處理晶片（GAP8，8+1 核 RISC-V）、一顆 WiFi 晶片（ESP32）。重 4.4 公克。
模擬：第二場把相機換成「一台朝前 87° 的相機，畫面從中線切成左右兩眼」；第三場把相機每秒拍的張數降低。建議直接在影像處理晶片上算逼近訊號，只把每隻眼 3 個數字傳回地面。
朝下的光流感測器（看地面紋理怎麼移動，量水平速度）加雷射測距（量離地高度），讓飛機不用 GPS 也能在室內定點、定速。
模擬：這三場沒有用到（模擬裡的飛行控制程式直接用模擬器知道的正確答案）。另一系列的模擬已經證明過，改用感測器來推算是可行的；真機上這件事交給韌體處理。
插在地面電腦上的 2.4 GHz USB 無線電，每 10 ms 送一次指令，並收回飛行紀錄。
模擬：第一場在送指令的路上加 0 / 20 / 50 / 100 ms 的延遲。
從一份果蠅腦的接線圖（MaleCNS）裡取出的 11,485 個神經細胞。兩個細胞之間有幾個接點，就直接當成那條連線的強度，不做任何訓練。為什麼先放在地面：飛行控制晶片只有 192 KB 記憶體，放不下；而且地面跑的就是模擬用的那份程式，真機的結果可以跟模擬一場一場對照。
模擬：同一份程式（自己寫的神經細胞模擬程式，事件驅動 LIF）。同一個場景重跑，結果每一個位元都相同。
採購：原本要買 Bitcraze 官方的套組「The AI bundle – Crazyflie 2.1+」（2026-09-23 標價 US$610），因為缺貨改成分開買：Crazyflie 本體、光流板（Flow deck）、無線電（Crazyradio）向 Bitcraze 買，相機板（AI deck）向 Seeed 買，把程式寫進影像處理晶片（GAP8）用的除錯器另外買（預計 11-17 到）。
同一個場景、四種控制方式各飛一次，從上往下看。切換「條件」可以看同一顆腦在相機變慢、或柱子變多時怎麼變差（45 / 60 / 90 根的場景，是在原本的 30 根上再加柱子，原本那些柱子的位置完全相同）。這些場景是從正式測試裡照固定規則挑出來的；重飛一次，結局和正式結果每一場都相同。
1× = 跟真實時間一樣快。飛機以 1 m/s 前進，終點在 x = 20 m。軌跡上的粗點 = 正在急閃；✕ = 撞上；旗 = 抵達。相機畫面上方中間出現「沿用上一幀」= 這一刻腦拿到的還是上一張舊畫面（相機每秒張數低的時候會這樣）。
相機仍是模擬原本的兩眼寬視野。先過一關：只換指令格式時，真腦的成績要跟原本一樣——。
原本每隻眼有兩台朝側面的相機（合計約 ±150°）。視野變窄反而更好：看不到側面的柱子，就不會為了閃它們一路橫著移到飛出場地。
表裡的 fps = 相機每秒拍幾張。沒有新畫面時，逼近訊號沿用上一張畫面的。要看最近 10 張畫面，才能穩定算出「東西變大得多快」；每秒張數一少，發現「東西在逼近」就晚了。
同一塊範圍、同樣的最小間距（柱子之間至少留 0.5 m 的縫，機身過得去），每個場景都是原本的 30 根再多 60 根。朋友看了這頁說「障礙也太少了」——說得對。 結果：柱子這麼密的時候，真腦沒有贏假腦。真腦幾乎全撞（97 / 100），閃的方向跟亂猜差不多（正確率 82% → 54%），而且撞得比不控制還早（撞上時已經前進的距離，取中位數是 4.35 m 對 5.02 m）。 兩個可能的原因：影像處理程式在柱子很密時把好幾根柱子看成一整塊、選錯邊；或是腦只會「看到就急閃」，閃開一根就撞上下一根。
「直飛會擋到」= 飛機直直往前飛，16 m 的路上平均會被幾根柱子擋到。每一種密度的場景，都是在 30 根的場景上再加柱子；比的時候是同一個場景的真腦對假腦，一場對一場。
為什麼柱子一多就不行
① 要連續閃的次數變多：直飛時 30 根只要閃 1–2 根，90 根要連閃 4–5 根。像連過好幾道門，門越多，全部過關的機會越小。
② 每一次閃也變難：畫面裡好幾根柱子連成一塊，分不清哪根最危險、該往哪邊閃（閃對方向的比例從 82% 掉到 58%）；相機只看得到前方 87°，往旁邊一閃常常閃進看不到的柱子。
③ 腦只有反射、沒有規劃：它只會「看到東西逼近就往另一邊跳」，不會想閃完之後往哪走。空曠的時候跳一下就安全，柱子密的時候跳開這根正好撞下一根——就算給它完美的逼近訊號（加考二），90 根時還是撞 99 場。 像在人群裡只會「快撞到人時往旁邊跳」：空曠大廳沒問題，擠滿人的車站每跳一次都撞到另一個人。真的果蠅除了這條逃開的反射，腦裡還有別的認路用的線路；這個專案目前只接了「看到東西逼近 → 逃開」這一條。
目標是在真機（真的無人機）上證明「果蠅腦的接法本身有用」。第一台真機選 Bitcraze 公司的 Crazyflie 2.1+（27 公克，在室內摔得起）。 腦是照果蠅腦的接線圖做的，共 11,485 個神經細胞。它先跑在地面的電腦上，每 10 毫秒（ms，千分之一秒）用無線電送一個「往哪飛」的指令給飛機。買硬體之前，先在模擬裡把真機會遇到的三件事一件一件換上去， 每次都看真腦（照真果蠅的接線）還贏不贏假腦（接線被隨機打亂）。假腦是對照組（拿來比的那一組）：細胞數和連線數都一樣，只把誰接誰隨機重排。前三場真腦都贏了。但把柱子加到 3 倍就不贏了，所以又一路加密柱子，找出贏到哪裡為止。結果照實放在下面。
真腦（照真果蠅的接線）：照果蠅大腦實際的接線，一條都不改。
假腦（接線被隨機打亂）：用同樣的零件、同樣多的電線，只是把「哪條線接到哪裡」隨機換掉。
就像一個城市：路口數量、每種道路有幾條都一樣，但每條路通到哪裡是亂抽的。兩張地圖的統計數字一模一樣，差別只在「誰連到誰」。
為什麼要比：如果只有真腦做得到，才能說功勞在果蠅大腦的接法；如果假腦也做得到，就只是「零件夠多」而已，跟接法無關。
下面的按鈕和表格怎麼對照：「腦」或「腦（真實接線）」就是真腦，「打亂接線」就是假腦，「手寫規則」是人寫的規則，「不控制」是不做任何閃避。「seed」加數字是場景的編號。
左上是跟在飛機後面看的 3D 畫面（右上亮起 ESCAPE = 正在急閃），左下是相機板的畫面切成的兩眼，右邊是腦裡神經細胞的活動（綠圈是偵測東西逼近的視覺細胞 LPLC2 / LC4，黃圈是下指令的細胞 DNp，紅圈是觸發急閃的細胞 GF）。1× = 跟真實時間一樣快。
柱子密度的限制：三場模擬考的結論，是在 30 根（每 4.3 m² 一根）的場地量的。加密柱子的那場（加考四）顯示：統計上到 60 根真腦都還贏假腦，但真機每個條件只飛 10–20 趟，所以建議場地用 45 根（每 2.8 m² 一根），差別才看得出來。
還沒模擬的：真相機的動態模糊、曝光、背景紋理；WiFi 不規則的卡頓；Crazyflie 韌體自己的飛行控制與感測器推算（PID 與 EKF；模擬裡的飛行控制程式直接拿模擬器知道的正確答案）；光流板的推算誤差。這些要等真機（下一階段）。
為什麼是這三場：第一場看指令格式與延遲，第二場看相機視野，第三場看相機每秒張數——都是「買了硬體才會碰到、但不用硬體就能先量」的差別。它們的結果直接變成真機的規格：從相機到飛機動作的整段延遲 ≤ 110 ms、逼近訊號每秒更新 ≥ 33 次（fps）。
給想查原始紀錄的人：三場模擬考的紀錄編號是 H0（指令格式與延遲）、H0b（一台前向相機）、H0c（相機每秒張數）；加考是 H0d（90 根）、H0e（完美輸入）、H0f（調急閃門檻與側移力道）、H0g（密度掃描）。細節與事先寫好的判定標準：docs/DESIGN-drone-snn.md §70（H0）、§72（H0b）、§73（H0c）；選型理由：docs/PLAN-flight-stack.md。真機接下來兩步的編號是 H2（腦不控制）、H3（腦控制）。光流板那張卡片說的「另一系列的模擬」是 M4；結果表裡的 M3d 是 30 根、完美輸入的那一場。模擬用的機型檔是 cf2x.urdf。