开放场景下的机器人语义导航方法学习笔记——模拟篇

实验说明

1. 终端 1 (AI 服务)：切换到qwen_2b的Conda环境保持 qwen_server.py 运行。
• 使用 curl 命令发送测试 JSON：curl -X POST http://localhost:8000/parse_command -d '{"text": "去厨房"}'。
• 预期结果：返回 {"target": "kitchen"}。

2. 终端 2 (语义节点)：在 ROS 2 环境下启动语义导航节点：
• 关键验证点：观察终端是否输出“成功加载房间信息”以及列出的房间列表（如 kitchen, bedroom），确保 rooms.yaml 读取正确。

3. 终端 3 (导航堆栈)：启动导航功能：
• 注意：在 Rviz 中需手动进行“2D Pose Estimate”（初始位姿校准），直到机器人周围出现绿色的定位粒子。

4. 终端 5 (发布指令)：通过话题发送测试指令：
• 观测Rviz和Gazebo,机器人移动至目标点，仿真实验完成。

环境配置

1.清理环境变量

• 执行 gedit ~/.bashrc。

• 注释掉（在开头加 #） 所有关于 TURTLEBOT3、GAZEBO_MODEL_PATH 以及 LDS_MODEL 的行。

• 保存并退出。

• 【非常重要】：在终端运行 source ~/.bashrc，或者直接关闭当前所有终端窗口重新打开。环境变量只有在新的 Shell 会话中才会彻底刷新。

2.资源同步

• 问题：launch.py 文件找不到。

• 解决方案：在 CMakeLists.txt 或 setup.py 中添加 install 指令，并重新 colcon build。

• 建议：launch文件统一放在一个文件夹下。

3.虚拟环境

• 进入虚拟环境：conda activate

• 查看虚拟环境列表： conda env list

• 进入特定虚拟环境：conda activate qwen_2b

• 推出虚拟环境：conda deactivate

地图篇

1.地图保存指令

• ~/my_map.pgm：地图的灰度图像文件。

• ~/my_map.yaml：地图的配置文件（包含分辨率、原点、阈值等）。

2.地图加载

3.清除代价地图残留

• 全局代价地图

• 局部代价地图

4.获取语义地图

• 启动仿真和导航

• 利用rviz在终端查看坐标
• 使用Nav2导航，会出现信息如下，可以知道起点和终点的坐标

• 编写yaml文件

模型篇

1.机器人模型显示错误（RViz 里的 TurtleBot3 干扰）

• 现象：RViz 中本应显示的 WPR 机器人变成了一个圆盘形的 TurtleBot3，终端出现重名节点警告。

• 根本原因：
1. 系统环境变量中残留了 TURTLEBOT3_MODEL。
2. Nav2 的启动脚本默认会启动一个发布 TurtleBot3 模型的 robot_state_publisher。

• 解决方案：
• 代码级：在 Launch 文件中给 navigation_cmd 传入参数 'use_robot_state_pub': 'False'。
• 架构级：手动解析 .model 文件并启动一个自定义名称（如 wpr_transformer）的节点来发布正确的机器人描述。
• 环境级：运行前执行 unset TURTLEBOT3_MODEL 彻底清理变量。

2.模型文件定位与识别（.model vs .urdf）

• 现象：找不到 .urdf 文件，find 命令失效。

• 根本原因：wpr_simulation2 包使用了非标准的 .model 后缀名，但其内部格式依然兼容 URDF/Xacro。

• 解决方案：
• 通过 grep 和 ls 在 models 目录下精确定位。
• 在 Python 脚本中使用 xacro.process_doc() 来强制解析 .model 文件。

传感器

1.话题名称不匹配（Remapping 陷阱）

• 现象：脚本运行后没报错但没画面。

• 根本原因：.model 文件内部对话题做了 remapping（重定向），导致实际发布的名字和预想的名字（如 qhd/image_color）不符。

• 解决方案：
• 使用 ros2 topic list | grep image 寻找实时生成的话题名。
• 最终锁定有效话题为 /kinect2/qhd/image_raw。

2.通信策略不匹配（QoS 机制）

• 现象：话题有数据（hz 有显示），但 Python 脚本依然接收不到。

• 根本原因：Gazebo 发布图像默认使用 Best Effort（尽力而为）模式，而 ROS 2 默认订阅是 Reliable（可靠）模式。两者模式不统一无法建立连接。

• 解决方案：
• 在 Python 代码中显式定义 QoSProfile(reliability=ReliabilityPolicy.BEST_EFFORT)。

AI篇

1.查看大模型本地端口

• 观察终端日志（最直接）：
• 启动命令（如 vllm 或 flask）执行后，终端最后几行通常会显示：Uvicorn running on http://0.0.0.0:8000。
• 这里的 8000 即为本地端口号。

• 使用网络诊断工具：
• ss 命令（推荐）：sudo ss -tlnp | grep python。
• netstat 命令：sudo netstat -tlnp | grep python。
• 说明：这些命令会列出所有由 Python 进程监听的端口。如果看到 :8000 或 127.0.0.1:8000，则端口为 8000。

• 常见默认端口：
• vLLM: 8000
• Ollama: 11434
• Flask 默认: 5000