开源!!!!一行代码安装 宇树Go2机器狗 SDK+ros1(感知+定位+规划) 的大模型语言控制导航框架详细教程

开源!!!!一行代码安装 宇树Go2机器狗 SDK+ros1(感知+定位+规划) 的大模型语言控制导航框架详细教程

一.成果展示

博主在基于go2_SDK的基础上,在原本没有topic支持的ros1,实现了机器狗的导航,可以实现在rviz里发布目的地,实现导航,也可以通过大模型接收模糊文本指令实现导航,直接展示成果:

已完成的任务:(1)go2​​​​SDK改写,启动后发布ros1的topic imu,机器人pose,雷达。

                         (2)大模型+导航,根据文字输入模糊转向指令与目的地,实现狗的导航。

开源地址:https://github.com/bitLYL/go_ros_sdk  (有详细部署教程)

求大家点上一颗免费的小星星~您的收藏与点赞是我更新的源泉!

总体来说就是跑出了一个go2.基于SDK与ROS1的基础大模型语音控制导航框架~欢迎大家去github下载!

二.SDK开发指南

1.SDK开始

参考go2 SDK官网教程宇树科技 文档中心

注意:要下载作者开源的SDK,

https://github.com/bitLYL/go_ros_sdk/tree/main/gogo

实现ROS1的topic pose,imu,rslidar_points发布。不放心的话,可以先跑一遍官方的熟悉流程。

下载github的资源包,unitree_sdk2,将其放在主目录,打开一个终端,并依次执行下列命令以安装 unitree_sdk2:

cd ~/unitree_sdk2/ mkdir build cd build cmake .. sudo make install

2.例程编译

打开一个终端,并依次执行下列命令以编译例程:

cd ~/unitree_sdk2 mkdir build cd build cmake .. make

为什么编译的内容不同?

  • SDK 编译和示例编译的目标不同:第一次编译的目的是构建并安装 SDK,第二次是构建和链接示例代码。因此,虽然执行的指令相同,但实际生成的目标文件和依赖不同。
  • 构建目录不同:第一次构建的目录是用于安装 SDK 的 build 目录,而第二次是专门用于编译例程的 build 目录。两个目录的内容和生成的文件不同,虽然你在两个目录中都运行了相同的 cmakemake 命令。

运行上文中的 make 命令后,若进度进行到100%且没有报错,则意味着编译成功。

                          

若成功执行 make 命令, 生成的例程会在 build/bin 目录下。

例程运行

历程介绍:

编译成功后 unitree_sdk2/build/bin 文件夹有完成的历程:

go2_imu_pub系列:实现对机器人坐标与朝向的话题发布

go2_lidar_pub系列:实现对雷达的发布

go2_move_pub系列:自动订阅ros1的cmd_vel,实现速度控制

运行操作步骤:

 ################################SDK启动################################# 进入SDK文件夹: 

1.启动位置信息发布

cd build .cd bin  

sudo ./go2_imu_pub_6    

2.启动cmd_vel速度控制接口  

sudo ./go2_move_sub eth0 #注意要写你自己的网口

3.雷达话题发布

进入intiree_SDK2文件夹  

cd build .cd bin  

sudo ./go2_lidar_pub3 eth0  

注意:要启动roscore

成功运行后,得到如下图所示:

现在开始,就全都完成啦,下一步进行导航框架的发布!

三、导航框架的搭建与启动

1.资源准备

下载博主开源的包lyl_ws,地址:https://github.com/bitLYL/go_ros_sdk

2.编译运行

直接ros1 make

cd lyl_ws

catkin_make

source devel/setup.bash

##############################传统rviz导航#################################

roslaunch robot_navigation robot_navigation.launch

在rviz中添加goal规划

##############################大模型类导航################################

roslaunch robot_llm robot_llm.launch  

在新的终端下:

 source ~/lyl_ws/devel/setup.bash 

 rostopic pub /llm custom_msgs/MoveCommand "{x: 0.0, y: 0.0, direction: [4], distance: 0.7}"

注意,大模型发的控制指令为:

# -*- codig: utf-8 _*_ float32 x float32 y float[] direction #前后左右 1 2 3 4 0为导航 float32 distance 距离 

 3.结果演示

发布话题后可实现机器人导航

四.大模型部分实现

本次任务中,调用的大模型完成简单的任务分解即可,采取的方式为,外接本地知识库以及调用api的方式即可解决,也可本地部署大模型完成。

Read more

【GitHub项目推荐--OpenAkita:自我进化的开源AI助手框架】⭐⭐⭐

简介 OpenAkita 是一个开源的自我进化AI助手框架,由OpenAkita团队开发并维护。该项目以其独特的“永不放弃”的设计理念而闻名——正如其名所寓意的秋田犬一样,忠诚、可靠且持续学习。与其他AI助手不同,OpenAkita在用户关闭聊天后不会忘记一切,而是能够自主学习新技能、修复自身错误,并记住用户的所有信息。框架支持3分钟快速设置,仅需一个API密钥即可启动,提供8种预设人格、6种即时通讯平台集成,甚至具备发送表情包的能力,为AI助手注入了独特的“灵魂”。 核心价值: * 自我进化:AI助手在用户睡眠时自主学习、记忆巩固和错误修复 * 人格化体验:8种预设人格(女友、管家、Jarvis等)提供沉浸式交互 * 极简部署:桌面应用程序实现3分钟从安装到对话的完整流程 * 开放生态:基于Agent Skills和MCP开放标准,支持一键技能安装 技术定位:OpenAkita填补了传统静态AI助手与动态学习系统之间的空白。它不仅仅是一个对话工具,更是一个能够随时间推移而不断进化的智能伙伴。通过将记忆管理、自我检查和技能生成等能力内置到框架核心,它为开发者提供了一个构

By Ne0inhk
第20届缩微光电开源—循迹部分

第20届缩微光电开源—循迹部分

在刚刚过去的20届智能车竞赛中,本人负责软件的所有工作,在这个过程中学习到了无数宝贵的知识和经验,折线镜头组不知道以后还会不会出现,但是还是开源出来,希望能帮助到有需要的人。 在这届缩微光电的比赛中,我见到的车大多数都是用的镜头,自己也是镜头循迹的。循迹主要是靠青山佬开源的元素行元素列方法,具体的算法详见下面这个链接,这个算法真是非常顶级,青山佬讲的也是非常好,在这里我只把我用元素行元素列处理元素的方法开源出来供大家参考。 【20届智能车竞赛|走进缩微组别-青山和你一起开启智能车之旅!】 https://www.bilibili.com/video/BV1RkoQYsEQu/?share_source=copy_web&vd_source=b3d6e49592556ffe946be56f617991c3 1、基本循迹 图像处理的本质其实就是处理一个二维的图像数组,以常见的120*188图像为例,定义一个image【120】【188】数组。数组的每个值就是一个0—255的灰度值,我们对这一帧图像提取边线信息进行处理,就可以进行循迹了。我用的是大津法二值化循迹,在ZEEKLOG有

By Ne0inhk
zoxide 开源鸿蒙 PC 生态适配实战:Rust 交叉编译与 HNP 打包完整指南

zoxide 开源鸿蒙 PC 生态适配实战:Rust 交叉编译与 HNP 打包完整指南

zoxide 开源鸿蒙 PC 生态适配实战:Rust 交叉编译与 HNP 打包完整指南 前言:为什么要把 zoxide 引入开源鸿蒙 PC 生态? 作为 Linux 终端下广受欢迎的智能目录跳转工具,zoxide 凭借关键词模糊匹配 + 访问频率排序的核心优势,彻底解决了传统 cd 命令需记忆冗长路径、逐级跳转的痛点,成为开发者与运维人员提升终端效率的必备工具。随着鸿蒙PC生态的快速发展,终端命令行工具的丰富度成为提升用户体验的关键环节。为让开源鸿蒙 PC 用户也能享受到 zoxide 的高效便捷。 本文基于 Rust 交叉编译技术与开源鸿蒙 HNP 规范,详细拆解 zoxide 从源码拉取、构建脚本配置、交叉编译打包,到设备端安装验证的完整适配流程。文中不仅提供可直接复用的配置文件与命令代码,还汇总了适配过程中常见的 Rust 编译、链接器兼容等问题及解决方案,为开发者提供一套低成本、高可复用的开源鸿蒙

By Ne0inhk
开源模型应用落地-qwen模型小试-Qwen2.5-7B-Instruct-tool usage入门-串行调用多个tools(三)

开源模型应用落地-qwen模型小试-Qwen2.5-7B-Instruct-tool usage入门-串行调用多个tools(三)

一、前言     Qwen-Agent 是一个利用开源语言模型Qwen的工具使用、规划和记忆功能的框架。其模块化设计允许开发人员创建具有特定功能的定制代理,为各种应用程序提供了坚实的基础。同时,开发者可以利用 Qwen-Agent 的原子组件构建智能代理,以理解和响应用户查询。     本篇将介绍如何在Qwen-Agent中实现多个tools联动。     相关文章     使用vLLM(不使用Qwen-Agent的方式)进行工具调用:开源模型应用落地-Qwen2.5-7B-Instruct与vllm实现推理加速的正确姿势-Docker-Tools助力(四)      Qwen-Agent使用入门:

By Ne0inhk