睿抗机器人大赛魔力元宝

优质文章学习记录

— 15 min read

1、搭建基础环境

1、以Ros-noetic为例创建工作区间：
# 1. 创建工作空间目录 mkdir -p ~/catkin_ws/src cd ~/robot_ws/src
# 2. 这里的关键步骤：请将你上传的源码包中的以下 4 个文件夹复制到 ~/robot_ws/src 下：
# - ar_pose # - oryxbot_description # - relative_move # - pid_lib
这里以moliyuanbao/relative_move/src at main · Xk-fly/moliyuanbao我所上传的源码为例
# 注意：不要直接把整个 xk-fly 文件夹放进去，要剥离出这 5 个核心功能包。

2、安装仿真依赖：

# 1. 下载 ar_track_alvar 源码 (源码脚本里提到的，这一步必须做，主要是涉及到二维码)
cd ~/catkin_ws/src
git clone https://gitee.com/reinovo/ar_track_alvar.git

# 2. 安装 ROS Noetic 的常用控制与仿真依赖 (防止报“缺少 controller”或“moveit”错误)
sudo apt update
sudo apt install ros-noetic-moveit \
                 ros-noetic-ros-control \
                 ros-noetic-ros-controllers \
                 ros-noetic-gazebo-ros-control \
                 ros-noetic-joint-state-controller \
                 ros-noetic-effort-controllers \
                 ros-noetic-position-controllers \
                 ros-noetic-driver-base \
                 ros-noetic-ackermann-msgs
以上安装包直接复制多行内，一行会报错

3、配置仿真模型与插件 (Compatibility Fix)
1>配置模型文件：
将压缩包里的models内容复制到~/.gazebo/models/目录下（.gazebo为隐藏文件，在主目录下按ctrl+h会显示）

2>配置插件：
1>在源码包 gazebo_plugins 里有两个文件夹：contact_plugin_18-04_g9 (对应 Ubuntu 18.04) 和 contact_plugin_20-04_g11。 我的系统是ros-noetic必须使用 contact_plugin_20-04_g11，以下进行修改：
编写~/.bashrc文件：
export GAZEBO_PLUGIN_PATH=${GAZEBO_PLUGIN_PATH}:/你的实际路径/gazebo_plugins/contact_plugin_20-04_g11
 

2、编译与设置环境

1、编译环境：
切换工作区间cd ~/robot_ws
 清理构建缓存 rm -rf build/ devel/
 重新编译 catkin_make

2、设置环境变量：
cd ~/robot_ws
source devel/setup.bash（每次打开新的终端都要输入来刷新）
或者是写入到~/.bashrc文件里:source ~/robot_ws/devel/setup.bash(打开终端自动生效)

3、加载Gazebo仿真与测试

1、# 这一步是启动环境（底盘、移动、Gazebo世界）
roslaunch oryxbot_description gazebo.launch
PS：

观察与等待：

  1. Gazebo 界面：应该会自动弹出一个 3D 仿真窗口。
  2. 加载过程：第一次启动可能会卡顿几分钟（因为在下载/加载模型），请耐心等待。

检查场景：能看到 机器人（Oryxbot），且看到 场地围栏 和 加工台（类似课程设计要求图中的布局），加工台上贴有 AR 码（黑白相间的二维码图片）

2、启动底盘导航与对接功能 (Terminal 2)

这个 Launch 文件会启动两个关键服务：

  • relative_move：让底盘走直线（基于里程计）。
  • base_pose_adjust：识别底盘摄像头的 AR 码，用于精准泊车。

打开第 2 个终端，执行：

source ~/robot_ws/devel/setup.bash roslaunch oryxbot_description ar_base_gazebo.launch

注意：执行后，终端会停在那里不动（可能会显示 started），这是正常的！ 它启动的是后台服务节点，不会弹新窗口。

3、启动机械臂抓取功能 (Terminal 3)

这个 Launch 文件会启动：

  • hand_ar：识别手部摄像头的 AR 码，用于抓取定位。
  • pick_ar_gazebo：提供“去抓取”的服务接口。

打开第 3 个终端，执行：

source ~/robot_ws/devel/setup.bash roslaunch oryxbot_description pick_ar_gazebo.launch

同样，这里也不会弹新窗口，只要不报红色 Error 就是成功。

4、测试识别能力： 在 Gazebo 中，手动点击工具栏的“十字箭头”图标，把机器人拖拽到 5号加工中心（那个台子上贴着 AR 码）的正前方，距离大概 0.5 米，让底盘前方的摄像头正对着码。

然后在终端 4 执行：

rostopic echo /ar_pose_marker

预期结果：你应该能看到数据疯狂刷屏（显示检测到的 ID 和 position）。如果有数据，说明机器人已经能“看懂”AR码了。

以上就是对其简单功能的测试，针对于抽到的任务需要进行定制修改。

4、添加二维码物料

1、针对抽取到的任务进行物料编辑，这里以“将机器入buff上 Id-3物料放置到5#加工中心;将id-9物料从1#加工中心取回。”为例展开说明：

2、首先明确需要两个物料，一个是id3一个是id9，这里可以参考“~/robot_ws/src/models/small_marker_charge_pile”文件格式来编写相应的物料，以下以id3的创建为例，id9也一样
1>在~/.gazebo/models/下创建文件夹marker_id3文件夹
2>创建materials文件夹用于存储图片和描述如何加载到gazebo中，在其目录下创建以下文件：
materials/
├── scripts
│   └── reinovo.material
└── textures
    ├── id3.png
    └── id9.png
以下是reinovo.material文件内容：

material reinovo/id3_marker { receive_shadows on technique { pass { ambient 1.0 1.0 1.0 1.0 diffuse 1.0 1.0 1.0 1.0 specular 0.5 0.5 0.5 1.0 lighting on texture_unit { texture id3.png } } } } material reinovo/id9_marker { receive_shadows on technique { pass { ambient 1.0 1.0 1.0 1.0 diffuse 1.0 1.0 1.0 1.0 specular 0.5 0.5 0.5 1.0 lighting on texture_unit { texture id9.png } } } }

这里将id3和id9一块声明了，不影响使用。
3、创建模型文件用来加载二维码图片放到小白块上并添加物理属性：
marker_id3/
├── materials
│   ├── scripts
│   │   └── reinovo.material
│   └── textures
│       ├── id3.png
│       └── id9.png
├── model.config
└── model.sdf
meshes文件内容不用管，这里model.sdf是模型文件，类似于3D建模，.config为配置文件进行版本信息声明于维护，以下为相应的内容，先写.config文件，其次是.sdf

<?xml version="1.0" ?> <model> <name>id3_marker</name> <version>1.0</version> <sdf version="1.7">model.sdf</sdf> <author> <name></name> <email></email> </author> <description></description> </model>
<?xml version='1.0'?> <sdf version='1.7'> <model name='marker_id3'> <link name='link_0'> <inertial> <mass>0.1</mass> <inertia> <ixx>0.0001</ixx> <ixy>0</ixy> <ixz>0</ixz> <iyy>0.0001</iyy> <iyz>0</iyz> <izz>0.0001</izz> </inertia> <pose>0 0 0 0 0 0</pose> </inertial> <pose>0 0 0.015 0 0 0</pose> <gravity>1</gravity> <self_collide>0</self_collide> <kinematic>0</kinematic> <visual name='visual'> <geometry> <box> <size>0.03 0.03 0.03</size> </box> </geometry> <material> <script> <uri>file://media/materials/scripts/gazebo.material</uri> <name>Gazebo/White</name> </script> </material> </visual> <collision name='collision'> <geometry> <box> <size>0.03 0.03 0.03</size> </box> </geometry> <surface> <friction> <ode> <mu>100</mu> <mu2>100</mu2> </ode> </friction> <contact> <ode> <kp>10000000.0</kp> <kd>1.0</kd> <min_depth>0.001</min_depth> <max_vel>0.1</max_vel> </ode> </contact> </surface> </collision> </link> <link name='link_1'> <inertial> <mass>0.001</mass> <inertia> <ixx>0.00001</ixx> <ixy>0</ixy> <ixz>0</ixz> <iyy>0.00001</iyy> <iyz>0</iyz> <izz>0.00001</izz> </inertia> </inertial> <pose>0 0 0.0305 0 0 0</pose> <visual name='visual'> <geometry> <box> <size>0.028 0.028 0.001</size> </box> </geometry> <material> <script> <uri>model://small_marker_charge_pile/materials/scripts</uri> <uri>model://small_marker_charge_pile/materials/textures</uri> <name>reinovo/id3_marker</name> </script> </material> </visual> </link> <joint name='link_0_JOINT_0' type='fixed'> <parent>link_0</parent> <child>link_1</child> <pose>0 0 0 0 0 0</pose> </joint> </model> </sdf>

5、添加到Gazebo并创建新世界模型

1、打开gazebo世界文件：
暂定仿真运行：左下角有个暂停按钮，点击后物理效果将会取消，便于调整模型位置
2、左侧insert插入模型：
1>提前将模型路径添加到~/.bashrc文件里，export等等
2>然后选中需要插入的模型，这里以自己定义的id3_marker物料为例，放入到模型里
3>选中模型，按T调整位置、按R调整位姿、按Esc退出调整
4>退出后点击左下角的运行，看看效果

2、保存世界文件：
点击左上角的file文件选择保存或者另存为，这里建议替换到原先加载的世界模型，如果另存为新的.world文件，则需要修改gazebo.launch文件的参数（新生成的.world文件路径）


6、控制测试：

1、键盘控制小车运动（测试后可关闭，将小车移到初始位置）：
sudo apt install ros-noetic-teleop-twist-keyboard安装控制包
执行控制命令：rosrun teleop_twist_keyboard teleop_twist_keyboard.py

2、编写主控脚本 (Python)
cd ~/robot_ws/src/oryxbot_description/src/
touch mission_controller.py
gedit mission_controller.py

#!/usr/bin/env python3 # -*- coding: utf-8 -*- import rospy import time from geometry_msgs.msg import Pose, Pose2D from std_srvs.srv import Empty from arm_controller.srv import PickPlace, move from relative_move.srv import SetRelativeMove from ar_pose.srv import Track # ================= 🗺️ 核心坐标与参数配置 ================= # --- 1. 场地关键点 (根据你的标定数据) --- START_X = 0.034 START_Y = -0.001 # 5号加工中心 (任务一：上料点) STATION_5_X = 0.755 STATION_5_Y = 1.162 STATION_5_ID = 5 # 1号加工中心 (任务二：取料点) STATION_1_X = 2.221 STATION_1_Y = 2.144 STATION_1_ID = 1 # --- 2. 机械臂动作参数 (单位: mm) --- # Buffer (车上的储物槽) # 设定：左侧放ID-3，右侧放ID-9 (为了防止打架) BUFFER_LEFT_X = 0.0 # 前后 BUFFER_LEFT_Y = 180.0 # 左右 (左侧) BUFFER_RIGHT_X = 0.0 BUFFER_RIGHT_Y = -180.0 # 右侧 (如果buff够宽) 或者就用同一个位置分先后 BUFFER_Z_LIFT = 100.0 # 抬起高度 BUFFER_Z_GRAB = 45.0 # 抓取高度 # 加工台交互位置 TABLE_EXTEND_X = 300.0 # 伸出距离 TABLE_EXTEND_Y = 0.0 # 正前方 TABLE_Z_DROP = 200.0 # 放置高度 TABLE_Z_HOVER = 240.0 # 悬停高度 # =============================================================== class MissionCommander: def __init__(self): rospy.init_node('mission_commander', anonymous=True) rospy.loginfo(">>> 正在连接机器人底层服务...") try: rospy.wait_for_service('/relative_move', timeout=10) rospy.wait_for_service('/ar_track', timeout=10) rospy.wait_for_service('/pick_ar', timeout=10) rospy.wait_for_service('/goto_position', timeout=10) rospy.wait_for_service('/swiftpro/on', timeout=10) except rospy.ROSException: rospy.logerr("连接超时！请检查 run_mission.sh 是否正确启动了所有节点。") exit(1) self.srv_move_base = rospy.ServiceProxy('/relative_move', SetRelativeMove) self.srv_align = rospy.ServiceProxy('/ar_track', Track) self.srv_pick_ar = rospy.ServiceProxy('/pick_ar', PickPlace) self.srv_arm_move = rospy.ServiceProxy('/goto_position', move) self.srv_pump_on = rospy.ServiceProxy('/swiftpro/on', Empty) self.srv_pump_off = rospy.ServiceProxy('/swiftpro/off', Empty) rospy.loginfo(">>> 系统就绪。") def move_chassis(self, target_x, target_y): """底盘移动 (带避障)""" dx = target_x - START_X dy = target_y - START_Y rospy.loginfo(f"🚗 导航启动 -> 目标:({target_x:.2f}, {target_y:.2f})") try: goal_pose = Pose2D() goal_pose.x = dx goal_pose.y = dy goal_pose.theta = 0.0 # 开启避障: avoid_obstacle=True self.srv_move_base(goal_pose, "odom", True, False) time.sleep(1) except Exception as e: rospy.logerr(f"底盘移动失败: {e}") def align_tag(self, tag_id): """视觉精准泊车""" rospy.loginfo(f"👀 视觉对准 -> ID-{tag_id}") try: self.srv_align(ar_id=tag_id, goal_dist=0.3) time.sleep(1) except Exception as e: rospy.logwarn(f"对准失败 (可能已被挡住): {e}") def move_arm(self, x, y, z): """机械臂简单移动""" p = Pose() p.position.x = float(x) p.position.y = float(y) p.position.z = float(z) self.srv_arm_move(pose=p) time.sleep(0.8) # ================= 任务流程 ================= def run_task_1(self): """任务一：将 Buffer 里的 ID-3 送到 5号台""" rospy.loginfo("\n========== [任务一] 上料 (ID-3 -> 5号台) ==========") # 1. 导航 self.move_chassis(STATION_5_X, STATION_5_Y) self.align_tag(STATION_5_ID) # 2. 机械臂动作 (盲抓 Buffer -> 放台子) rospy.loginfo(" >>> 动作：从车上抓取 ID-3 放到台面") self.move_arm(150, 0, 150) # 复位 # 抓取 Buffer 左侧 self.move_arm(BUFFER_LEFT_X, BUFFER_LEFT_Y, BUFFER_Z_LIFT) self.move_arm(BUFFER_LEFT_X, BUFFER_LEFT_Y, BUFFER_Z_GRAB) self.srv_pump_on() time.sleep(0.5) self.move_arm(BUFFER_LEFT_X, BUFFER_LEFT_Y, BUFFER_Z_LIFT) # 放置到台面 self.move_arm(TABLE_EXTEND_X, TABLE_EXTEND_Y, TABLE_Z_HOVER) self.move_arm(TABLE_EXTEND_X, TABLE_EXTEND_Y, TABLE_Z_DROP) self.srv_pump_off() time.sleep(0.5) self.move_arm(150, 0, 150) # 收回 # 3. 返回起点 rospy.loginfo(" >>> 返回起点...") self.move_chassis(START_X, START_Y) def run_task_2_setup(self): """任务二(准备阶段)：把 ID-9 送到 1号台 (帮你布置考场)""" rospy.loginfo("\n========== [任务二·准备] 布置 ID-9 到 1号台 ==========") rospy.loginfo("提示：请确保你已经在 Gazebo 里把 ID-9 方块放到了小车Buffer上！") # 1. 导航 self.move_chassis(STATION_1_X, STATION_1_Y) self.align_tag(STATION_1_ID) # 2. 放置动作 (盲抓 Buffer -> 放台子) # 假设 ID-9 也放在 Buffer 左侧 (因为任务一已经把那里的 ID-3 拿走了，空出来了) self.move_arm(150, 0, 150) self.move_arm(BUFFER_LEFT_X, BUFFER_LEFT_Y, BUFFER_Z_LIFT) self.move_arm(BUFFER_LEFT_X, BUFFER_LEFT_Y, BUFFER_Z_GRAB) self.srv_pump_on() time.sleep(0.5) self.move_arm(BUFFER_LEFT_X, BUFFER_LEFT_Y, BUFFER_Z_LIFT) self.move_arm(TABLE_EXTEND_X, TABLE_EXTEND_Y, TABLE_Z_HOVER) self.move_arm(TABLE_EXTEND_X, TABLE_EXTEND_Y, TABLE_Z_DROP) self.srv_pump_off() time.sleep(0.5) self.move_arm(150, 0, 150) # 3. 返回起点 (准备开始正式考试) rospy.loginfo(" >>> 布置完成，返回起点，准备正式取料...") self.move_chassis(START_X, START_Y) time.sleep(2) def run_task_2_execute(self): """任务二(正式阶段)：把 ID-9 从 1号台取回来""" rospy.loginfo("\n========== [任务二·正式] 从 1号台取回 ID-9 ==========") # 1. 导航 self.move_chassis(STATION_1_X, STATION_1_Y) self.align_tag(STATION_1_ID) # 2. 智能抓取 (使用 pick_ar 视觉识别) rospy.loginfo(" >>> 动作：视觉寻找 ID-9 并抓回") # 设定放回目标 (放回 Buffer) buffer_target = Pose() buffer_target.position.x = BUFFER_LEFT_X buffer_target.position.y = BUFFER_LEFT_Y buffer_target.position.z = BUFFER_Z_GRAB + 20 # 稍微高一点 # 调用视觉抓取服务 self.srv_pick_ar(number=9, mode=0, pose=buffer_target) # 3. 返回起点 time.sleep(2) rospy.loginfo(" >>> 取料完成，返回起点...") self.move_chassis(START_X, START_Y) def run(self): # 1. 执行任务一 self.run_task_1() time.sleep(3) # 2. 执行任务二 (按照你的思路：先送过去，再取回来) self.run_task_2_setup() # 阶段A：送过去 self.run_task_2_execute() # 阶段B：取回来 rospy.loginfo("\n🏆 所有任务圆满结束！") if __name__ == "__main__": cmdr = MissionCommander() # ⚠️ 重要提示： # 为了让代码能抓到东西，运行脚本前，请在 Gazebo 里 # 手动把 ID-3 和 ID-9 两个方块，拖拽放到小车后斗上！ cmdr.run()

3、缺乏机械臂的控制核心，需要手动启动：

1. 启动 IK (逆运动学) 节点

这是机械臂的“小脑”，负责把坐标算出角度。

source ~/robot_ws/devel/setup.bash rosrun oryxbot_description ik_swiftpro

(注意：执行后终端可能没有输出并卡住，这是正常的，它在后台等待计算请求。)

以上是整体控制的流程。

7、一键脚本启动

结合上述内容，编写一键脚本启动文件：

#!/bin/bash # 定义清理函数：脚本退出时自动执行 cleanup() { echo "正在关闭所有进程..." # 杀掉所有后台子进程 kill $(jobs -p) 2>/dev/null # 强制清理ROS和Gazebo残留 killall -9 gzserver gzclient rosmaster rosout nodelet 2>/dev/null echo ">>> 环境已清理完毕，随时可以再次启动。" } # 捕获退出信号 (Ctrl+C) trap cleanup EXIT echo "==========================================" echo " 课程设计任务一键启动脚本" echo "==========================================" # 1. 环境清理 echo "[1/4] 清理旧环境..." killall -9 gzserver gzclient rosmaster 2>/dev/null sleep 2 # 2. 加载环境变量 source ~/robot_ws/devel/setup.bash # 3. 启动仿真环境 (底盘+视觉+Gazebo) echo "[2/4] 正在启动仿真环境 (Gazebo)..." # 注意：使用 nohup 或 & 后台运行，并屏蔽日志输出以免刷屏 roslaunch oryxbot_description gazebo.launch > /dev/null 2>&1 & PID_GAZEBO=$! echo " 等待 Gazebo 加载 (15秒)..." sleep 15 # 4. 启动任务层 (Pick AR + 机械臂IK) echo "[3/4] 正在启动控制节点 (IK & Pick)..." echo "启动底盘导航与对接功能..." roslaunch oryxbot_description ar_base_gazebo.launch> /dev/null 2>&1 & sleep 5 echo "启动机械臂抓取功能..." roslaunch oryxbot_description pick_ar_gazebo.launch > /dev/null 2>&1 & sleep 5 echo " 启动 IK (逆运动学) 节点..." rosrun oryxbot_description ik_swiftpro > /dev/null 2>&1 & sleep 3 # 5. 运行 Python 主控脚本 echo "[4/4] 启动任务控制脚本..." echo "================ 日志输出 ================" # 切换到脚本所在目录运行 cd ~/robot_ws/src/oryxbot_description/src/ python3 mission_controller.py # 脚本运行结束后，等待用户按键再退出 echo "==========================================" echo "任务脚本已结束。" echo "按 Enter 键关闭仿真并退出..." read dummy

Read more

OpenClaw 完整部署指南：安装 + 三大 Coding Plan 配置 + CC Switch + 飞书机器人

OpenClaw 完整部署指南：安装 + 三大 Coding Plan 配置 + CC Switch + 飞书机器人

OpenClaw 完整部署指南：安装 + 三大 Coding Plan 配置 + CC Switch + 飞书机器人 * 📋 文章目录结构 * 1.3 一键安装 OpenClaw（推荐） * 1.4 通过 npm 手动安装 * 1.5 运行 Onboard 向导 * 1.6 验证安装 * 步骤二：配置 Coding Plan 模型 * 🅰️ 选项 A：阿里百炼 Coding Plan * A.1 订阅与获取凭证 * A.2 在 OpenClaw 中配置 * A.3 可用模型列表
【选型】地瓜机器人RDK系列选型指南：X3 vs X5 vs S100 vs S100P（含资源对比图）

【选型】地瓜机器人RDK系列选型指南：X3 vs X5 vs S100 vs S100P（含资源对比图）

在机器人开发领域，地瓜机器人（D-Robotics）凭借其“RDK（Robot Developer Kit）”系列开发套件，已成为众多开发者和创业团队的首选平台。从轻量级边缘计算到高性能具身智能，地瓜机器人已构建了覆盖多场景的完整产品线，致力于为开发者提供高性价比、高集成度、高扩展性的解决方案。其核心芯片“旭日®”系列持续迭代，推动AI与机器人深度融合，助力实现从感知到控制的全链路自主化。 本文将深入对比当前主流的四款RDK开发套件：RDK X3、RDK X5、RDK S100、RDK S100P，并提供详细的资源对比图与应用场景分析，帮助你快速完成技术选型，降低开发门槛，提升项目落地效率。 一、产品定位概览 在深入参数前，先明确每款产品的核心定位，以便根据项目阶段、预算和性能需求做出合理选择。 ● RDK X3：轻量级边缘AI计算模组，适合入门级机器人、智能摄像头、无人机等低功耗、小体积场景。是初学者和教育项目的理想起点，具备基础AI推理能力，可快速搭建视觉识别系统。 ● RDK
【CANN】Pi0机器人大模型 × 昇腾A2 测评

【CANN】Pi0机器人大模型 × 昇腾A2 测评

【CANN】Pi0机器人大模型 × 昇腾A2 测评 * 写在最前面 🌈你好呀！我是 是Yu欸🚀 感谢你的陪伴与支持~ 欢迎添加文末好友🌌 在所有感兴趣的领域扩展知识，不定期掉落福利资讯(*^▽^*) 写在最前面 版权声明：本文为原创，遵循 CC 4.0 BY-SA 协议。转载请注明出处。 Pi0机器人VLA大模型测评 哈喽大家好呀！我是 是Yu欸。 最近人形机器人和具身智能真的太火了，大家都在聊 Pi0、聊 VLA 大模型。但是，兄弟们，不管是搞科研还是做落地，咱们始终绕不开一个问题——算力。 今天，我们一起把当下最火的 Pi0 机器人视觉-语言-动作大模型，完完整整地部署在国产算力平台上，也就是华为的昇腾 Atlas 800I A2 服务器上。 在跑通仓库模型的基础上，我们做一次性能测评。 我们要测三个最核心的指标：
【OpenHarmony】鸿蒙Flutter智能家居应用开发实战指南

【OpenHarmony】鸿蒙Flutter智能家居应用开发实战指南

鸿蒙Flutter智能家居应用开发实战指南 概述 智能家居是鸿蒙全场景生态的重要应用场景。本文讲解如何基于鸿蒙Flutter框架，开发一套完整的智能家居应用，实现设备发现、控制、场景联动、语音交互等核心功能。 欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net 系统架构设计 整体架构图 ┌────────────────────────────────────────────────────────────┐ │ 用户交互层 (Flutter) │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ 设备控制面板 │ │ 场景编排 │ │ 语音交互 │ │ │ └─────────────┘ └─────────────┘ └─────────────┘ │ └───────────────────────┬────────────────────────────────────┘ │ RPC/事件总线 ┌────────────────────