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。

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。

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。

基于改进RRT的无人机电力杆塔巡检路径规划

为了达到无人机在电力输电线路环境中能够进行有效的路径规划以及轨迹跟踪的目的,立足于RRT(Rapidly Exploring Random Trees)算法,提出一种在电力输电线路中适用于无人机的路径规划算法.该算法在融合无人机的动力学特性,及RRT扩展的随机性的基础上,通过设计最大航向角以及路径高度的约束,使得规划的路径在高度方向上向目标点渐进逼近,并能克服传统RRT在狭窄空间规划失败的问题.算法在ROS(Robot Operating System)-Gazebo环境中进行了仿真试验,验证了该算法在电力输电线路环境下的实用性.

采用DDPG的双足机器人自学习步态规划方法

为解决多自由度双足机器人步行控制中高维非线性规划难题,挖掘不确定环境下双足机器人自主运动潜力,提出了一种改进的基于深度确定性策略梯度算法(DDPG)的双足机器人步态规划方案。把双足机器人多关节自由度控制问题转化为非线性函数的多目标优化求解问题,采用DDPG算法来求解。为解决全局逼近网络求解过程收敛慢的问题,采用径向基(RBF)神经网络进行非线性函数值的计算,并采用梯度下降算法更新神经网络权值,采用SumTree来筛选优质样本。通过ROS、Gazebo、Tensorflow的联合仿真平台对双足机器人进行了模拟学习训练。经数据仿真验证,改进后的DDPG算法平均达到最大累积奖励的时间提前了45.7%,成功率也提升了8.9%,且经训练后的关节姿态角度具有更好的平滑度。

联合仿真下机械臂终端约束模型预测控制方法

针对机械臂轨迹跟踪控制问题,提出了一种基于终端约束的机械臂轨迹跟踪模型预测控制方法。首先,通过设置目标函数及约束条件将轨迹跟踪问题转化成模型预测控制的数值规划问题;其次,为保证每个预测时域内机械臂能够有效地跟踪期望轨迹,在原约束条件中施加终端状态等式约束;最后,在控制时域内通过滚动优化机制实现反馈校正控制。应用所搭建的Gazebo-Simulink机械臂联合仿真平台对该控制方法的有效性进行验证。结果表明:机械臂各关节在0.31 s内能跟踪上期望轨迹,跟踪误差降低到1×10^(-3)rad,具有良好的跟踪性能和控制平稳性。

基于ROS的轮式机器人建模方法与仿真研究

针对ROS环境下模型构建存在耗时、难度高、操作复杂等问题,提出一种外部机器人模型导入的模型构建方法.采用ROS操作系统搭建模型仿真平台,利用SolidWorks软件生成ROS平台可执行的URDF文件,完成机器人的3D建模.经过URDF文件解析后在Rviz和Gazebo中显示三维模型并进行仿真验证,可实现机器人的自主控制,对轮式机器人的建图和路径规划算法研究有着重要意义.