Elodin veröffentlicht Open-Source KI-Renn-Harnisch mit Echtzeit-Betaflight-Simulation für KI-Grand-Prix-Teilnehmer

Elodin hat einen Open-Source-Simulations-Harness für die Teilnehmer der AI Grand Prix veröffentlicht. Der Harness entspricht den veröffentlichten Wettbewerbsbedingungen und dem Nachrichtenformat, sodass Teams sich vorbereiten können, während sie auf den offiziellen Simulator der ersten Runde warten. Er läuft mit echter Betaflight-Firmware – wie Dan von Elodin betont, werden dafür mindestens 1000 Sensormessungen pro Sekunde benötigt, um in Echtzeit korrekt zu funktionieren.
Wichtige technische Details
- Direkte Kamerasensor-Erzeugung: Anstatt auf Unreal oder eine ähnliche Spieleengine (für diesen Anwendungsfall zu schwer) zurückzugreifen, erzeugt der Harness Kamerasensordaten direkt in der Simulationsschleife. Das hält ihn leichtgewichtig und einfach zu handhaben.
- Mit Rust/Bevy erstellt: Derzeit ist die visuelle Qualität noch einfach, aber durch den Einsatz von Bevy sind schnelle Verbesserungen möglich. Das Team erwartet, dass Teilnehmer ihre Implementierungen später auf den offiziellen Wettbewerbssimulator übertragen können.
- Echte Betaflight-Integration: Der Harness arbeitet mit dem eigentlichen Betaflight-Flugcontroller-Stack zusammen, der Standard für Renn-Drohnen ist. Die Anforderung von 1000 Messungen pro Sekunde wurde während der Entwicklung entdeckt.
Der Harness ist Open Source und jetzt verfügbar. Er ist noch nicht ausgefeilt, erfüllt aber den praktischen Zweck, Teams zu ermöglichen, ihre KI-Agenten unter realistischen Bedingungen zu testen, bevor der offizielle Simulator veröffentlicht wird. Feedback ist willkommen.
📖 Quelle: HN AI Agents
👀 Siehe auch

Anthropics Multi-Agent-Harness-Design zur Verbesserung der Codequalität von Claude
Anthropics Blogbeitrag beschreibt ein Harness-Design mit mehreren Agenten, um Claudes Kontextangst und Selbstbewertungsverzerrung anzugehen, mit spezifischen Agentenrollen und Bewertungskriterien für Frontend- und Full-Stack-Entwicklung.

Claude TimeTrack: macOS-Menüleisten-App, die Claude Code JSONL-Dateien liest, um Entwicklungszeit pro Projekt automatisch zu erfassen
Open-Source-macOS-Menüleisten-App, die Claude-Code-Sitzungs-JSONL-Dateien und Git-Verlauf parst, um die Zeit pro Projekt automatisch zu erfassen – keine manuellen Timer nötig.

Driftwatch V3 veröffentlicht: KI-gestütztes Tool zur Überwachung von Codebasen
Driftwatch V3 ist jetzt als öffentliches Repository verfügbar, nach einem 5-6-tägigen Build mit etwa 9.000 Codezeilen und 160 US-Dollar an API-Guthaben. Das Browser-Tool verfolgt Probleme in Markdown-Dateien, markiert widersprüchliche Anweisungen und bietet Kostenverfolgung mit Empfehlungen.

Automatisierte .xcstrings-Lokalisierung mit Claude Code
Eine neue Claude Code Fähigkeit automatisiert die Lokalisierung von Xcode .xcstrings-Dateien mit fünf Pipeline-Stufen: Domain-Scanning, Kommentargenerierung, Übersetzung mit CLDR-Pluralformen, Grammatikprüfung und Plural-Korrektur.