基于Gazebo的深海网箱洗网机器人动力学仿真平台搭建

深海网箱养殖是重要的海水养殖模式,网箱网衣的定期清洗是确保养殖质量和安全的关键环节。目前,网衣普遍采用人工清洗,不仅费时费力,且随着深海网箱规格越来越大,人工方式难度显著提升。洗网机器人为深海网箱网衣清洗提供了更加安全、便捷的方式;然而,洗网机器人在贴网清洁和水下穿梭过程中,受力难建模、状态难观测,设计抗扰动能力强、能耗低的控制器困难,开展全面实验及数据记录成本高、时间长。针对上述问题,在物理仿真环境Gazebo的基础上,考虑了推进器和洗盘的存在,并分析了在水下环境中诸如附加质量、阻尼等各项水动力学特性以及流场环境等因素对洗网机器人的影响,构建了一套洗网机器人仿真系统,使得洗网机器人水下工作完备数据易获得、控制性能易验证、模型性能易对比,从而助力洗网机器人的控制器开发。

基于Gazebo虚拟世界的草莓采摘机器人仿真研究

【目的】提高草莓采摘的自动化水平,解放劳动力并降低采摘成本。【方法】研究小组设计了一种基于曲柄连杆机构的三爪同步夹持式采摘机器人,分析了其主要部件Kinect深度相机、六轴机械臂以及三爪夹持式采摘机械手的结构设计,并在Gezebo虚拟世界中构建了采摘机器人的模型,生成了草莓采摘机器人的末端运动轨迹,完成了该草莓采摘机器人的前期开发试验和算法验证。【结果】该草莓采摘机器人可精准地夹持草莓,减小了采摘过程中对草莓表皮的损伤,同时机械臂末端运动半径最大可达770 mm,完全满足小型辅助采摘设备的基本需求。【结论】Gazebo能真实地还原草莓采摘的自然环境,充分验证了该草莓采摘机器人的可行性,同时还可以在虚拟环境中模拟不同的任务场景,可为六轴机械臂或其他多轴运动机械的运行轨迹设计提供准确的实验数据,并为机器人的实际应用提供指导。

基于ROS和Gazebo的Hector四旋翼仿真

本项目重点研究依赖于开源机器人操作系统ROS平台,在3D动态模拟器软件Gazebo中,通过键盘或Xbox360控制模拟UAV Hector Quadrotor从而实现四旋翼室内与室外的仿真飞行。

ROS/Gazebo环境下的机械臂运动规划研究

针对机械臂在复杂作业环境中的人机安全问题,对机械臂的运动规划方法进行仿真研究。为降低研究工作复杂性,在ROS中建立自主研发机械臂的仿真模型,并完成虚拟样机的虚拟控制系统的搭建。利用开源物理仿真引擎Gazebo模拟机械臂在真实工作环境下静力学、动力学约束,通过ROS、Gazebo联合仿真的方式,对改进的快速扩展随机树算法的在高维规划空间中规划性能进行仿真分析。

ROS/Gazebo在SLAM算法评估中的应用

为解决对即时定位与地图构建(simultaneous location and mapping,SLAM)算法进行评估时难以获得精确的机器人实际运动轨迹和环境参数的问题,使用ROS/Gazebo仿真软件进行评估。通过ROS/Gazebo软件建立配置有多种传感器的机器人模型和参数已知的仿真环境,让机器人模型在仿真环境中运行并收集传感器信息以形成数据集,使用该方法对2种2D激光SLAM算法进行评估分析。结果表明,该方法可有效解决上述问题。

基于Gazebo的复合式无人机设计与仿真

对垂直起降无人机的结构进行了设计,通过SolidWorks绘制,将其导入3D动态模拟器gazebo中,并且在ROS上进行软件在环仿真。当我们手上没有机器人硬件或实验环境难以搭建时,此种方法往往是非常有用的利器。

基于Gazebo的机器人灵活操作控制平台的搭建

当今社会越来越多的人对机器人的相关研究产生浓厚的兴趣,对机器人的控制是当前研究的一大热点,而对机器人仿真环境的搭建是许多机器人控制研究的必要前提。在ROS环境下,利用SolidWorks、Gazebo等仿真软件自主搭建了一种可用于机器人灵活操作任务的控制平台。根据设计图画出环境模型,配置机器人描述文件;搭建Gazebo环境下的机器人应用平台;设计机器人的动态模型,研究学习规划接口MoveIt选及可视化工具Rviz,配置动态模型系统使得该环境可应用于机器人的灵活操作。

基于异步机制的Gazebo仿真优化研究

在大规模机器人仿真过程中,为了保证仿真精度,通常采用基于时间步的推进机制。这种机制下,虽然可以通过调整仿真时间步灵活控制仿真精度,但当仿真规模较大时,在仿真循环的每次迭代中需要采用同步阻塞的方式,执行大量用于更新位姿或状态的插件代码,从而导致仿真性能降低。针对这一大规模机器人仿真所面临的精度与性能之间的矛盾,提出了一种基于异步策略的优化方案,并在流行的机器人仿真器Gazebo中对优化方案进行了设计实现,最后基于rosflight固定翼无人机案例,验证了方案的有效性。实验结果表明,对于100架固定翼无人机的仿真,采用异步策略优化重构后,仿真加速比达到了5.0以上。

基于MPI的分布式并行Gazebo仿真优化与测试

Gazebo作为机器人通用仿真平台,能够在复杂的室内和室外环境中准确模拟机器人行为,并在单节点上支持多机器人的协同仿真。但执行仿真任务中如果启动成百上千台机器人,通常会发现Gazebo性能参考值(RTF)仿真实时比会降低两个数量级,甚至出现仿真错误的情况,仿真性能会成为其主要制约因素。为了实现机器人集群的高性能仿真,探索了基于MPI的跨节点ROS+Gazebo仿真平台搭建方法,核心过程是针对确定的仿真任务进行并行划分,可采用编号划分或区域划分,将划分好的各个子任务部署到各计算节点的Gazebo上进行仿真,最后通过Gazebo之间的MPI进程通信保证仿真的同步和一致性,以此实现机器人分布在不同计算节点上的协同仿真。同时编写了固定翼和四旋翼同构和异构的仿真测试案例,通过脚本程序读入world配置文件和roslaunch文件来实现,设计了对用户友好的与ROS类似的启动方式,进行了单节点和跨节点的性能测试,验证了分布式并行仿真的优越性。

Kinect动作捕捉到Gazebo人体模型数据转换的研究与开发

人机协作中人与机器人之间没有物理防护栅,存在碰撞风险,研究通过Kinect采集人体运动,在仿真软件Gazebo中分析工作空间中人与机器人之间的关系来防止碰撞。由于Kinect人体模型与Gazebo人体模型存在差异,将Kinect采集的人体运动数据以四元数形式存储在CSV文件中,通过编制转换软件,从而能够正确驱动Gazebo中人体模型运动,为将来实现人机协作的仿真研究奠定基础。

基于Gazebo和PX4的强化学习训练仿真环境接口设计与实现

本文基于PX4飞控的四旋翼无人机在Gazebo仿真环境中进行强化学习训练的相关研究中,需要解决强化学习与仿真环境交互接口问题。本文首先介绍了PX4飞控、外部程序、Gazebo仿真环境相互间的交互方式,然后介绍了用于无人机自主着陆控制问题研究的强化学习基本模型。为了有效支撑强化学习训练,重点研究了基于Gazebo和PX4的无人机仿真环境接口程序的设计与实现方法。经实验验证,该方法编写的接口程序能够顺利运行,实现强化学习训练与仿真环境的交互功能。

基于Gazebo和Docker的群体机器人仿真系统设计

对群体机器人仿真系统进行了研究,分析了目前群体机器人仿真系统所存在的不足,设计和实现了一种基于Gazebo和Docker容器的群体机器人仿真系统。使用Gazebo对机器人平台和所处环境进行逼真和精细建模仿真,使用Docker容器对机器人的控制软件进行打包和隔离,Docker容器和Gazebo之间基于DDS通信传输控制指令与机器人的状态数据。仿真通过后,Docker容器中的机器人控制软件即可直接用于真实的机器人中。仿真实验表明,所设计的群体机器人仿真系统能够对群体机器人的机器人控制软件进行有效仿真验证。

基于Gazebo的地下矿可视化建模和控制仿真技术

在开发无人驾驶车辆控制策略的过程中,仿真对在不同环境中测试软件组件、车辆运动行为和控制算法非常重要。该文介绍了一种基于Gazebo的地下矿无人驾驶车辆可视化建模和控制仿真技术,以搭建地下矿仿真环境、无人驾驶车辆模型以及测试MPC控制算法。结果表明,在Gazebo中正确创建地下矿环境及无人驾驶车辆模型后,可以获取较真实的车辆运动学模型,从而对MPC控制算法进行测试,并可以将车辆实际运动轨迹和参考轨迹等关键信息可视化,呈现良好的仿真效果。

基于ROS-Matlab的移动机器人仿真研究

结合Linux下ROS系统高性能的仿真工具和跨平台兼容性,以及Matlab强大的计算能力、丰富的工具箱和函数库,通过建立ROS-Matlab的仿真控制系统,对移动机器人的关键技术进行研究。文中介绍了ROS-Matlab系统的框架和功能,首先,使用Gazebo构建2D仿真室内环境,通过Solidworks创建移动机器人模型,并将该模型以URDF文件形式导入ROS环境中;其次,利用SLAM_gmapping算法对仿真室内环境进行扫描建图,由Simulink发布目标点坐标和目标点导航话题,控制移动机器人完成导航任务;最后,由Simulink发布轨迹跟踪话题,控制移动机器人进行轨迹跟踪。通过仿真验证,由所建地图、目标点导航和轨迹跟踪曲线说明仿真系统的可行性,为机器人研究提供参考。

基于深度强化学习的机器人轴孔装配策略仿真研究

针对现有轴孔装配方法存在的依赖于精确的接触状态模型、数据采集困难、采样效率低、安全性差等问题,提出了一种基于DRL的机器人轴孔装配策略仿真研究方法。搭建了基于ROSGazebo机器人轴孔装配仿真环境,提出了基于最小二乘法对力/力矩传感器进行重力补偿的方法;基于RL的范式对轴孔装配问题建模,并提出了一种基于SAC(soft actor-critic)算法的机器人轴孔装配方法;通过ROS建立了仿真环境与深度强化学习算法的通信机制。实验结果表明:该算法能够使机器人自主且柔顺地完成轴孔装配任务,并具有较好的泛化性。

基于起伏地形的果园仿真环境搭建与SLAM算法测试

针对目前仿真果园环境研究不考虑地形起伏的问题,基于二维正态分布函数生成具有起伏特征的地面模型,并搭建果园仿真环境测试基于2D激光雷达的同步定位与建图(simultaneous localization and mapping, SLAM)算法的性能。通过控制土地模型的起伏变化程度、最大高低落差以及突起分布密度等参数生成不同地形特征的土地;通过2D激光雷达、里程计等传感器获取移动机器人在果园仿真模型中的观测数据;通过可视化SLAM定位偏差及SLAM建图效果评价4种经典2D激光SLAM算法(Hector SLAM,GMapping, Karto SLAM,Cartographer)在具有不同地形的果园环境中的性能。实验结果表明:在果园环境中,随着土地起伏变化程度及最大高低落差的增加,2D激光SLAM算法的定位性能与建图性能将会降低;Hector SLAM能够提供更精准的定位结果,但是建图鲁棒性较差;GMapping能够获得更准确的环境地图,但是定位鲁棒性较差;Cartographer的定位及建图的鲁棒性均较为良好,但会出现少量偏差;Karto SLAM相较于其他算法,在果园环境中不具备优势。

基于输出层具有噪声的DQN的无人车路径规划

在DQN算法的框架下,研究了无人车路径规划问题.为提高探索效率,将处理连续状态的DQN算法加以变化地应用到离散状态,同时为平衡探索与利用,选择仅在DQN网络输出层添加噪声,并设计了渐进式奖励函数,最后在Gazebo仿真环境中进行实验.仿真结果表明:①该策略能快速规划出从初始点到目标点的无碰撞路线,与Q-learning算法、DQN算法和noisynet_DQN算法相比,该文提出的算法收敛速度更快;②该策略关于初始点、目标点、障碍物具有泛化能力,验证了其有效性与鲁棒性.

单目视觉引导下的无人艇局部避障方法

针对无人艇(unmanned surface vehicle,USV)在作业过程中,需要及时躲避未被标注在地图上的漂浮障碍,并及时返回规划航道的问题,提出一种基于单目视觉的无人艇局部避障方法。避障方法使用YOLO网络识别图像中的障碍物,结合针孔成像原理和水体自由断面特点,解决单目视觉尺度不确定问题,从图像中恢复出障碍物的宽度及深度信息;针对无人艇惯性大,机动性差的特点,引入虚拟水道宽度等信息素,提出了改进的向量场直方图算法(vector field histogram plus,VFH+);算法参考当前障碍疏密,动态调整不同信息素对最佳航向角计算的影响,引导无人艇在兼顾全局导航信息情况下,应对未知漂浮障碍物快速自动局部避障。基于水动力模型和Gazebo仿真引擎搭建无人艇避障的仿真实验平台。在仿真中快速迭代研究算法的参数范围及控制效果,实现了无人艇在舱内空间和能量均有限的工况下,仅使用单目视觉传感器,兼顾全局路径规划和局部障碍信息,自动化高效躲避漂浮障碍,并在脱离障碍后回归原有规划路径的功能。

安全屏障机制下基于SAC算法的机器人导航系统

为了提高移动机器人自主导航系统的智能化水平和安全性,设计了安全屏障机制下基于SAC(Soft Actor-Critic)算法的自主导航系统,并构建了依赖于机器人与最近障碍物距离、目标点距离以及偏航角的回报函数.在Gazebo仿真平台中,搭建载有激光雷达的移动机器人以及周围环境.实验结果表明,安全屏障机制在一定程度上降低了机器人撞击障碍物的概率,提高了导航的成功率,并使得基于SAC算法的移动机器人自主导航系统具有更高的泛化能力.在更改起终点甚至将静态环境改为动态时,系统仍具有自主导航的能力.

基于改进DQN算法的茶叶采摘机械手路径规划

为解决名优茶叶采摘过程中老叶、茎梗等干扰物导致采摘路径较长、效率低、采摘品质低等问题,提出一种基于目标识别的改进型深度强化学习方法。图像目标经过预处理后,利用HIS颜色模型获取不同深度的目标对象,通过参数通道的设置获取嫩芽的采摘位置,分析采摘对象的外形特征,利用速度、角速度、距离误差等作为奖励函数的导向因素,实现对深度强化学习的改进。通过建立目标函数、目标网络以及经验回收实现规划路径的强化训练,从而完成采摘过程的路径规划设计。利用Gazebo仿真平台对采摘路径进行强化学习训练,模拟障碍物实现采摘路径的优化,完成规划算法的验证,并得到随着训练次数的增加,改进型深度强化学习方法对采摘路径优化有效,定位切割精度控制在0.005 m范围内,路径优化效率提高3.6%。