有了视觉感知提供的目标实时位置和速度，下一步的问题是：无人机应该怎样飞行，才能确保与目标相撞？这就是制导律要解决的核心问题。本文聚焦于经典且成熟的比例导引（Proportional Navigation, PN）算法。

在理解PN制导之前，需要先建立几个核心几何概念。这些概念不复杂，但每一处的物理含义都需要理解透彻。

视线（Line of Sight，简称LOS），是指攻击无人机与目标之间的空间连线。这根'线'是制导几何关系的核心轴线——所有的制导计算，本质上都是在描述和管理这根线的变化。

视线方位角σ（sigma），是LOS在水平面（N-E平面）上的投影与正北方向的夹角。它回答的问题是：目标相对于我，在水平面上偏左还是偏右？顺时针偏了多少度？

视线俯仰角ε（epsilon），是LOS与水平面之间的夹角。它回答的问题是：目标相对于我，在上面还是下面？上下偏了多少度？

视线角速率σ̇（sigma_dot）和ε̇（epsilon_dot），分别是LOS方位角和俯仰角随时间变化的速率。这两个量是PN制导中最核心的物理量。它们直接描述了“目标在视野中移动得有多快”——如果σ̇ 和ε̇ 都为零，意味着视线方向在空间中固定不变。而在三维空间的几何中，当两个物体沿着一条不旋转的视线相互接近时，它们最终必然相撞。这个几何事实是所有碰撞制导律的共同理论基础。

闭合速度v꜀，是攻击无人机与目标沿LOS方向的相对接近速度。正值表示正在接近，负值表示正在远离。

有了这些概念，PN制导的数学原理就可以自然地展开了。

比例导引的核心思想可以用一个球场上的直觉来理解：两名球员在球场上跑动，如果他们跑动中始终看到对方在自己视野的同一个方向（也就是LOS方向不变），那么无论两人的跑动轨迹如何曲折，他们最终一定会相撞。PN制导要做的本质工作就是——持续消除视线角速率，让LOS在空间中保持不旋转。

PN的核心公式极其简洁：

其中，a_cmd是制导律输出的法向加速度指令（垂直于LOS方向的加速度，用来“转动”速度方向）。N是导航比，它决定了制导的'激进程度'，N越大则机动越猛、响应越快，但过大会导致振荡甚至失控。v꜀是闭合速度，反应了飞机与目标沿视线方向的相对接近速度。θ̇（可以是σ̇ 或ε̇ ）是视线角速率，表征目标在视野中'移动的角速度'。

这个公式的含义直观而深刻：目标在视野中移动得越快（θ̇ 大）、飞机与目标彼此接近得越快（v꜀大），所需的法向机动加速度就越强。 PN本质上是一个比例控制器，输出量与“偏离碰撞航向的速率”成正比——偏离得越快，纠偏力度越大。这使其天然具备对运动目标的自适应能力：面对高速机动的目标，θ̇ 自然变大，PN自动输出更大的加速度来跟上；面对静止或低速目标，θ̇ 变小，PN自动收敛到一个经济的机动量。

在实际三维空间中，PN分别在方位方向和俯仰方向独立工作，产生两个正交的法向加速度分量：

（水平面内的法向加速度，负责纠正水平方向上的视线漂移）

（垂直面内的法向加速度，负责纠正垂直方向上的视线漂移）

这两个分量在LOS球坐标系下相互正交，经坐标变换后合成到NED直角坐标系中，给出最终的三轴加速度指令。

PN算法输出的是NED直角坐标系下的三轴加速度（a_n , a_e, a_d）——向正北加速多少、向正东加速多少、向地心加速多少。但飞控（PX4等无人机自动驾驶仪）接受的指令格式完全不同：它需要的是姿态角加推力——期望的滚转角（roll）、俯仰角（pitch）、偏航角（yaw）和油门（throttle）。从加速度到姿态，之间需要一道精确的数学映射。

映射的核心逻辑基于一个朴素的物理事实：旋翼无人机改变水平运动状态的唯一方式，就是倾斜机体，让螺旋桨的一部分推力分量指向水平方向。

水平通道映射：将NED加速度的水平分量按机头朝向投影到机体坐标系，分别得到“前向加速度”和“侧向加速度”。前向加速的需求由机身低头来实现——低头角度越大，螺旋桨在水平方向的分力越大；侧向加速的需求由机身侧倾来实现——右倾则右移。核心的约束关系是：需要向前加速多少对应多少度的低头角、需要侧向加速多少对应多少度的侧倾角，本质上都是通过重力与期望加速度的比值反解出对应的姿态角。

垂直通道映射：PN输出的垂直加速度不能直接换算为油门——开环映射下只要有模型偏差就会导致高度失控。工程上将垂直加速度叠加为期望的升降速度，再通过高度-速度PID闭环反算出油门值，用闭环的鲁棒性来吸收开环的不确定性。

航向通道：制导过程中无人机始终将机头指向目标，保持“看着目标飞”的姿态。这不仅让传感器持续对准目标不丢失，也让前向加速度方向和机头朝向一致——推力用来前进，不做多余的侧滑修正，能量利用效率最高。

前文所述的AI检测、目标跟踪、空间解算、PN制导——每一个环节都有成熟的理论支撑。但理论到战场之间横亘着一道巨大的工程鸿沟：这些算法如何在一个真实的无人机系统上可靠地集成、协同和运行？如何保证在通信降级、传感器异常、目标丢失等边界条件下系统不会崩溃？又如何让新算法能够快速部署而无需改动整个系统？这正是天枢OS作为无人机操作系统所解决的问题。

在天枢OS中，视觉制导不是孤立的功能模块，而是一条从图像信号贯穿到飞行控制的精密管道：

机载相机采集 → AI目标检测 → AI目标跟踪 → 吊舱视觉锁定 → 目标空间解算（NED坐标）→ PN比例导引制导解算 → 加速度→姿态映射 → 飞控通信层 → 飞控执行 → 电机响应

这条管道的每一段之间通过标准化的ROS2话题接口解耦。检测模块将识别结果以结构化消息发布，制导模块订阅目标的空间坐标和速度，飞控通信层将姿态指令统一翻译为飞控协议下发。各模块独立开发、独立测试、独立迭代——更换检测模型不需要改动制导代码，替换制导律不需要重新标定飞控参数。整个链路从传感器输入图像到电机响应，端到端延迟控制在毫秒级。

一条制导公式要驱动一次成功的打击任务，还需要决策逻辑来调度流程。天枢OS采用行为树（Behavior Tree）框架——一种源自游戏AI和机器人领域的任务调度架构——来编排打击全流程。行为树将一次打击任务分解为四个阶段，以状态机驱动：

PREPARE（准备阶段）：无人机首先完成航向对准——将机头转向目标方向；同时调整飞行高度。在识别出目标后，视觉自动锁定目标——随后进入下一阶段。

DIVE（俯冲制导阶段）：视觉制导的核心阶段。每个控制周期内，从感知管线获取最新的目标NED坐标和速度，视线方位角/俯仰角及其角速率、闭合速度和相对距离。将这些观测量送入PN制导解算器，输出三轴加速度指令，经姿态映射后下发飞控执行。这个阶段持续运行直到撞击条件满足——三维距离低于设定阈值——则转入末端阶段。

TERMINAL（末端触发阶段）：当判定已进入有效撞击距离后，触发武器通道信号，同时保持末态姿态确保撞击方向。这一阶段的设计前提是PN制导已将无人机精确引导至目标的极小范围内——末端的'最后一击'实际上在DIVE阶段已经完成了。

PAUSED（悬挂保护阶段）：当视觉锁定丢失——比如目标突然被遮挡、进入阴影区、或者感知管线输出无效数据——系统不会盲目继续俯冲。而是立即切换为悬停模式，锁住当前位置等待。操作员通过地面站重新指定目标并恢复视觉锁定，可以重新进入打击流程。

行为树的一个重要特性是：整个打击流程的逻辑跳转（什么时候进入PREPARE、什么条件触发DIVE、丢失目标该怎么处理、什么情况下整体失败中止）以可视化蓝图的形式呈现——非代码人员也能直观地理解和审查任务决策逻辑。这在一个“系统行为需要被信任”的领域，价值远超技术本身。

战场上的对抗是动态博弈。对手会不断升级干扰手段、改变伪装策略和机动模式。这意味着——视觉感知模型需要持续更新以识别新目标类型，制导算法需要持续调优以适应新威胁特征，任务逻辑需要持续调整以应对新的战术想定。

天枢OS与传统“一次交付、终生不变”的无人机软件系统的根本区别在于，它围绕“算法可迭代”这个核心理念设计了整个开发体系。

三级开发入口：感知模型迭代——替换检测模型的权重文件即可切换识别能力，类别映射文件支持热更新，无需重启任何系统节点。制导算法迭代——参照例程demo节点的示范实现，新增一个节点用于编写制导律，只需要实现一个新的行为树子节点并在蓝图配置中注册，其余系统行为不受影响。

AI辅助开发工作流：方案设计与评审 → AI辅助编码实现新算法 → 拉烟测试快速验证 → 半实物仿真（HIL，软件在环+硬件在环联合）→ 仿真日志AI自动分析研判是否达成指标 → 如未达成则自动闭环迭代修复 → 验证通过后版本归档。这套工作流让制导方案从理论到在真实无人机飞控上闭环验证的周期，从天枢OS1时代的数周缩短到数天。