ros2 fanuc interface: Design and Evaluation of a Fanuc CRX Hardware Interface in ROS2
Department of Innovative Technologies, University of Applied Science and Arts of Southern Switzerland (SUPSI)(创新技术系,瑞士南方应用科学与艺术大学)
本文设计并评估了ROS2中Fanuc CRX机器人的硬件接口,集成Moveit2,实验验证了轨迹跟踪与碰撞避免性能,代码开源。
2025-06-24 cs.RO
Real-World Modeling of a Pathfinding Robot Using Robot Operating System (ROS)
University of Central Florida(中佛罗里达大学)
本文提出了一种实用的方法实现路径查找算法在现实世界和低成本的非商业硬件平台。当使用机器人仿真平台作为我们算法的测试平台时,我们很容易忽略由外部因素发展的现实世界的外生问题。这些问题涉及机器人轮打滑、异步电机、异常传感数据或不稳定的电源。现实世界的动态往往是非常痛苦的,即使是执行简单的算法,如波阵面规划器或A星搜索。本文讨论的设计技术,往往是强大的,以及可重用的任何硬件平台,涵盖的问题,如控制异步驱动器,里程计偏移问题和处理异常的感觉反馈。算法实现介质和硬件设计工具一直保持一般,以目前我们的工作作为一个服务平台,为未来的研究人员和机器人爱好者在路径规划机器人领域的工作。
2018-02-27 cs.RO
Design and Development of a Research Oriented Low Cost Robotics Platform with a Novel Dynamic Global Path Planning Approach
CSIRO(澳大利亚联邦科学与工业研究组织);University of Moratuwa(莫拉图瓦大学)
基于计算机视觉传感器的自主导航系统通常需要非常昂贵的复杂机器人平台。这对机器人应用中至关重要的复杂定位、映射和导航算法的实现和测试构成了障碍。为了解决这个问题,在这项工作中,机器人操作系统(ROS)支持的移动机器人平台进行了比较,并提出了基于低成本教育机器人平台AlphaBot2的自主导航系统的端到端实现,同时集成了英特尔实感D435摄像头。此外,提出了一种新的方法来实现动态路径规划器的全局路径规划器在ROS框架。我们评估这种方法的性能,并强调通过动态的全球路径规划可以实现的改进。这种低成本的改进AlphaBot2机器人平台以及提出的动态全局路径规划方法将有助于研究人员和学生获得基于计算机视觉的导航系统的实践经验。
2022-03-19 cs.RO
FogROS: An Adaptive Framework for Automating Fog Robotics Deployment
University of California, Berkeley(加州大学伯克利分校)
随着许多机器人自动化应用越来越依赖于多核处理或深度学习模型,对于不包含高计算能力的系统,云计算正成为一种有吸引力且经济可行的资源。尽管它具有巨大的计算能力,但由于缺乏云计算和基于云的基础设施方面的专业知识,机器人和自动化社区往往没有充分利用它。Fog Robotics在云边缘设备之间平衡计算和数据。我们提出了一个软件框架,FogROS,作为机器人操作系统(ROS),用于创建机器人自动化应用程序和组件的事实标准的扩展。它允许研究人员以最小的努力将其软件组件部署到云中,并相应地获得对其他计算核心,GPU,FPGA和TPU以及其他研究人员提供的预部署软件的访问。FogROS允许研究人员指定其软件的哪些组件将部署到云以及什么类型的计算硬件。我们在3个示例上评估FogROS:(1)同时定位与地图构建(ORB-SLAM 2),(2)基于GPU的敏捷网络(Dex-Net)抓取规划,以及(3)使用96核云服务器的多核运动规划。在所有三个示例中,组件被部署到云端并通过系统启动配置的微小变化进行加速,同时由于网络通信而产生1.2 s,0.6 s和0.5 s的额外延迟,计算速度分别提高了2.6倍,6.0倍和34.2倍。代码、视频和补充材料可以在https://github.com/BerkeleyAutomation/FogROS上找到。
2021-08-25 cs.RO
A real-time full-chain wearable sensor-based musculoskeletal simulation: an OpenSim-ROS Integration
University of Twente(特文特大学)
提出一种集成OpenSimRT、ROS与可穿戴传感器的实时全链条肌骨建模仿真框架,可估计上下肢逆运动学、踝关节逆动力学及下肢肌肉激活。
2025-07-26 cs.RO
Fog Robotics for Efficient, Fluent and Robust Human-Robot Interaction
University of Technology Sydney(悉尼科技大学)
机器人和人类之间的主动通信对于有效的人机交互至关重要。为了实现这一目标,云机器人技术(CR)被引入,使机器人增强其能力。它使机器人能够通过共享结果在云中执行广泛的计算。结果包括地图、图像、处理能力、数据、活动和其他机器人资源。但由于数据和流量的巨大增长,CR遭受严重的延迟问题。因此,不太可能扩展大量机器人,特别是在人机交互场景中,其中响应性至关重要。此外,与安全相关的其他问题,如隐私泄露和勒索软件攻击可能会增加。为了解决这些问题,在本文中,我们设想了下一代的社会机器人架构的基础上雾机器人(FR),继承雾计算的优势,以增强未来的社会机器人系统。这些新的架构可以通过将数据推到更接近机器人的位置来提升机器人的灵活性。此外,他们可以通过解决CR的问题来确保人机交互更具响应性。此外,实验结果进一步讨论了考虑的情况下,FR和延迟作为一个主要因素相比,CR模型。
2018-11-14 cs.RO
A Fog Robotics Approach to Deep Robot Learning: Application to Object Recognition and Grasp Planning in Surface Decluttering
University of California, Berkeley(加利福尼亚大学伯克利分校);AUTOLAB at UC Berkeley(加州大学伯克利分校自动实验室)
工业、汽车和服务机器人的需求不断增长,在隐私、安全、延迟、带宽和可靠性方面对集中式云机器人模型提出了挑战。在本文中,我们提出了一种用于深度机器人学习的“雾机器人”方法,该方法以联合方式在云和边缘之间分配计算,存储和网络资源。深度模型在云中的非私有(公共)合成图像上进行训练;模型适应可信网络中边缘环境的私有真实图像,随后部署为网络中其他机器人的低延迟和安全推理/预测服务。我们将这种方法应用于表面整理,其中移动机器人通过学习深度对象识别和抓取规划模型来从杂乱的地板中拾取和分类对象。实验表明,与只使用云或边缘资源相比,Fog Robotics可以通过模拟到真实的领域自适应来提高性能,同时将推理周期时间减少4个\times,以便在213次尝试中成功地清理86%的对象。
2019-03-22 cs.RO
Fog Robotics: A Summary, Challenges and Future Scope
人机交互对于使机器人更接近人类起着至关重要的作用。机器人通常受到自身能力的限制。因此,他们利用云机器人来提高他们的灵活性。它的能力包括共享地图、图像和处理能力等信息。整个过程涉及到分发数据,这些数据将大幅增长。可能出现新的问题,例如带宽、回程和前传系统处的网络拥塞,从而导致高延迟。因此,它可以对机器人、用户和云之间的无缝连接产生影响。此外,机器人可能无法在规定的时间内成功完成其目标。因此,Cloud Robotics无法处理机器人带来的流量。相反,即将到来的Fog Robotics可以通过解决Cloud Robotics的主要问题来解决问题。因此,为了检查其可行性,我们在本文中讨论了雾机器人的需求和架构。为了评估这些架构,我们使用了Fog Robotics的真实场景,并将其与Cloud Robotics进行了比较。接下来,选择延迟作为验证系统有效性的主要因素。此外,我们使用Pepper机器人,Fog机器人服务器和Cloud服务器来利用实时延迟。实验结果表明,与Cloud Robotics相比,Fog Robotics显著降低了延迟。此外,雾机器人系统的优势,挑战和未来的范围进行了进一步讨论。
2019-08-14 cs.DC cs.RO
A Fog Robotic System for Dynamic Visual Servoing
University of California, Berkeley(加州大学伯克利分校);Cloudminds Technology Inc.(达闼科技有限公司);Tsinghua-Berkeley Shenzhen Institute(清华-伯克利深圳学院)
云机器人是一种范例,分布式机器人通过网络连接到云服务,以网络通信为代价获得无限的计算能力。然而,由于网络延迟和可变性等限制,很难直接从云端控制动态的、符合人类需求的服务机器人。在这项工作中,通过利用带有心跳信号的异步协议,我们将云机器人与智能边缘设备相结合,构建了一个雾机器人系统。我们使用该系统,使强大的远程操作的动态自平衡机器人从云。我们首先使用该系统从静态位置拾取箱子,这是仓库物流中通常执行的任务。为了使云遥操作更有效,我们部署了基于图像的视觉伺服(IBVS)来自动执行盒子拾取。包括apriltag识别和跟踪在内的视觉反馈在云中执行,以模拟IBVS的Fog Robotic对象识别系统。我们证明了使用这种云边缘混合的实时动态自动化系统的可行性,这为在Fog Robotics中部署具有深度学习识别系统的动态机器人控制开辟了可能性。最后,我们表明,雾机器人使自平衡服务机器人拿起一个盒子自动从一个人在非结构化环境下。
2018-09-16 cs.AI cs.RO
ElasticROS: An Elastically Collaborative Robot Operation System for Fog and Cloud Robotics
Cheng Kar-Shun Robotics Institute, The Hong Kong University of Science and Technology(香港科技大学郑志刚机器人研究院);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));The Hong Kong University of Science and Technology(香港科技大学)
针对机器人因集成大模型导致算力与电池不足的问题,提出基于ROS/ROS2的算法级弹性协作机器人操作系统ElasticROS,通过在线学习算法ElasAction动态分配计算任务,经实验验证性能优于现有节点级系统。
2023-10-04 cs.RO
A Study on Simultaneous Use of a Robotic Walker and a Pneumatic Walking Assist Device Designed for PD Patients
Kyushu Institute of Technology(九州工业大学)
帕金森病(PD)是一种常见的神经退行性疾病,影响运动和非运动症状。姿势不稳定和步态冻结(FOG)被认为是PD导致跌倒的运动症状。在这项研究中,我们研究了同时使用机器人步行器和气动步行辅助装置(PWAD)对PD患者步态特征的影响。腿部的气动驱动人工肌肉和助行器上的致动器产生相互诱导的刺激,允许用户抑制FOG并在行走时保持稳定的步态模式。所提出的系统的性能进行了评估进行8 [m]直线步行任务的健康受试者与(a)RW(机器人步行器),(b)同时使用RW和PWAD,和一些步态特征的每种条件进行了分析。步态周期中步幅增加和站立相持续时间减少表明,同时使用机器人助行器和气动行走辅助装置将有效减少FOG并维持PD患者稳定的步态模式。
2021-05-12 cs.RO
BlazeAIoT: A Modular Multi-Layer Platform for Real-Time Distributed Robotics Across Edge, Fog, and Cloud Infrastructures
Department of Electrical Engineering(电气工程系);École de technologie supérieure(高级技术学院);Department of Software & IT Engineering(软件与信息技术工程系)
BlazeAIoT是一种模块化多层平台,旨在通过整合边缘、雾计算和云计算层,实现实时分布式机器人系统的高效通信与计算,支持异构基础设施下的动态服务分配与低延迟处理。
2026-01-09 cs.DC cs.RO
Towards a distributed and real-time framework for robots: Evaluation of ROS 2.0 communications for real-time robotic applications
Erle Robotics S.L.(Erle机器人有限公司)
在这项工作中,我们提出了一个实验装置,以显示适合的ROS 2.0的实时的【形】机器人应用。我们公开了在Linux之上的机器人组件间(硬件)通信案例中ROS 2.0通信的评估。我们基准测试和研究最坏情况下的延迟和错过的最后期限,表征ROS 2.0通信的实时的【形】应用程序。我们通过实验演示了计算和网络拥塞如何影响通信延迟,并最终提出了一种设置,在一定条件下,减轻这些延迟并获得有界流量。
2018-09-07 cs.RO
Extending the OpenAI Gym for robotics: a toolkit for reinforcement learning using ROS and Gazebo
Erle Robotics
本文介绍了使用机器人操作系统(ROS)和Gazebo模拟器对OpenAI Gym进行机器人扩展。内容讨论的软件架构建议和使用两个强化学习技术:Q-学习和Sarsa获得的结果。最终,这项工作的输出提出了一个机器人基准测试系统,允许使用相同的虚拟条件比较不同的技术和算法。
2017-02-07 cs.RO
fpgaDDS: An Intra-FPGA Data Distribution Service for ROS 2 Robotics Applications
Paderborn University(帕德博恩大学)
用于机器人应用的现代计算平台包括一组异构元件,例如,多核CPU、嵌入式GPU和FPGA。FPGA是可重新编程的硬件设备,可以快速和节能地计算机器人中的许多相关任务。ROS是机器人的事实上的编程标准,它将应用程序分解为一组通信节点。ReconROS是以前的一种方法,可以将完整的ROS节点映射到硬件中进行加速。由于ReconROS依赖于标准的ROS通信层,因此在硬件映射节点之间交换数据可能会导致性能瓶颈。本文介绍了fpgaDDS,一个精益的数据分布服务的硬件映射的ROS 2节点。fpgaDDS依赖于定制的和静态生成的基于流的通信架构。我们详细介绍了这种通信架构及其组件,并概述了它的好处。我们评估fpgaDDS的测试示例和一个更大的自动驾驶汽车的案例研究。与软件中的ROS 2应用程序相比,我们实现了高达13.34的加速比,并将抖动降低了两个数量级。
2023-03-01 cs.RO
ROS-NetSim: A Framework for the Integration of Robotic and Network Simulators
University of Pennsylvania(宾夕法尼亚大学);Massachusetts Institute of Technology(麻省理工学院);Tampere University(坦佩雷大学);U.S. Army Research Laboratory(美国陆军研究实验室)
多智能体系统在现代机器人技术中扮演着重要的角色。由于这些系统的性质,代理之间通过通信的协调是经常必要的。事实上,感知-动作-通信(PAC)回路,或在通信信道上闭合的感知-动作回路,是多机器人系统的关键组成部分。然而,我们缺乏适当的工具来模拟PAC循环。为此,在本文中,我们介绍了ROS-NetSim,一个ROS包,作为机器人和网络模拟器之间的接口。使用ROS-NetSim,我们可以通过精确模拟PAC循环来获得机器人和网络交互的高保真表示。我们提出的方法是轻量级的,模块化和自适应。此外,它可以使用许多可用的网络和物理模拟器,通过使用我们提出的接口。总而言之,ROS-NetSim(i)对ROS目标应用程序是透明的,(ii)对所使用的特定网络和物理模拟器是不可知的,(iii)在保真度和复杂性方面是可调的。作为我们贡献的一部分,我们向社区提供了ROS-NetSim的开源实现。
2021-01-25 cs.RO
Distributed Robotic Systems in the Edge-Cloud Continuum with ROS 2: a Review on Novel Architectures and Technology Readiness
University of Turku(图尔库大学)
机器人系统比以往任何时候都更加连接,网络化和分布式。最近出现了符合\textit{de facto}机器人中间件标准ROS\2的新架构,以填补从边缘到云部署的混合系统方面的空白。本文回顾了使容器化机器人应用程序能够在边缘或云中无缝运行的新架构和技术。我们还概述了包括从扩展到ROS\,2工具到Kubernetes和ROS\,2集成的解决方案的系统。另一个重要的趋势是机器人学习,以及新的模拟器和云模拟如何实现,例如,大规模强化学习或分布式联邦学习解决方案。这也使机器人系统开发的持续交互和持续部署(CI/CD)管道能够更深入地集成,超越了标准软件单元测试,通过模拟测试自动构建和验证代码。我们讨论了当前的技术准备情况,并列出了可能出现的新应用场景。最后,我们讨论了分布式机器人系统目前面临的挑战,并列出了该领域的开放研究问题。
2022-11-02 cs.RO
Integrating Soft Robotics with ROS - A hybrid pick and place arm
University of Edinburgh(爱丁堡大学)
软机器人系统为解决复杂问题提供了各种新的机会。例如,使用软机器人夹具可以简化任务的复杂性,例如抓取不规则和精细的物体。然而,学术界和工业界对软机器人技术的采用一直很缓慢,部分原因是每次使用软系统组件都必须从头开始开发大量的硬件和软件。在本文中,我们详细介绍了设计,制造和验证的开源框架,我们设计的,以降低门槛进入软机器人子系统集成。这个框架是建立在ROS(机器人操作系统),我们用它来展示一个模块化的,软,硬混合系统,能够完成拾取和放置任务。通过降低进入门槛,我们希望系统设计人员和研究人员能够轻松地将软组件集成到现有的支持ROS的机器人系统中。
2017-02-02 cs.RO
ReconROS Executor: Event-Driven Programming of FPGA-accelerated ROS 2 Applications
Paderborn University(帕德博恩大学)
机器人领域的许多应用都可以从FPGA加速中受益。相应的关键问题是如何将硬件加速器集成到以软件为中心的机器人编程环境中。最近,有几种方法已经证明了机器人操作系统(ROS),在机器人技术中占主导地位的编程环境的硬件加速。ROS是一个中间件层,其特点是将复杂的机器人应用程序组成为一组节点,这些节点通过发布/订阅等机制进行通信,并将它们分布在多个计算平台上。在本文中,我们提出了一种新的方法,基于事件的编程的机器人应用程序,利用ReconROS,灵活映射ROS 2节点的框架,无论是软件或可重构硬件。ReconROS执行器调度ROS 2节点的回调,并利用可重新配置的插槽模型和部分运行时重新配置来按需加载基于硬件的回调。我们描述了ReconROS执行器的方法,给出设计实例,并通过实验评估其功能的例子。
2022-01-19 cs.RO
From the Desks of ROS Maintainers: A Survey of Modern & Capable Mobile Robotics Algorithms in the Robot Operating System 2
Samsung Research(三星研究院);Locus Robotics(Locus机器人公司);Metro Robots(Metro机器人公司);Cobalt Robotics(Cobalt机器人公司)
本文由核心 ROS Navigation 维护者撰写,全面回顾并分析了 ROS 2 中最先进的机器人导航算法与系统,涵盖新框架、方法对比及专家见解,并对该生态系统的未来发展进行了展望。
2023-07-31 cs.RO
ROS 2 on a Chip, Achieving Brain-Like Speeds and Efficiency in Robotic Networking
Acceleration Robotics(加速机器人公司)
本文提出将ROS 2消息传递基础设施直接嵌入专用硬件芯片,FPGA原型实现微秒级收发,相比CPU软件实现大幅提升通信速度与能效并极大降低延迟。
2024-04-28 cs.RO
FogROS2-PLR: Probabilistic Latency-Reliability For Cloud Robotics
Robert Bosch Research and Technology Center North America(罗伯特·博世北美研究技术中心);University of California, Berkeley(加州大学伯克利分校)
针对云机器人网络QoS波动难以保障时延可靠性的问题,提出LSC不可能三角定理,开发FogROS2-PLR系统通过多独立网络接口与复制云服务器优化路由,显著降低各类场景下的时延。
2024-10-07 cs.DC cs.NI cs.RO
A Systematic Comparison of Simulation Software for Robotic Arm Manipulation using ROS2
University of Glasgow(格拉斯哥大学);National Manufacturing Institute in Scotland(苏格兰国家制造研究所)
仿真软件是机器人研究的强大工具,它允许真实世界的虚拟表示。然而,随着机器人操作系统(ROS)的兴起,有新的仿真软件包,还没有在文献中进行比较。本文提出了一个系统的审查与ROS版本2兼容的仿真软件。重点是机器人手臂操作的研究,因为它代表了工业中最常用的机器人应用及其未来对数字孪生的适用性。为此,我们在类似的参数,任务和场景下对仿真软件进行基准测试,并根据其长期运行的能力,完成任务的成功率,可重复性和资源使用情况对其进行评估。我们发现,没有最好的仿真软件整体,但两个仿真包(点火和Webots)有更高的稳定性比其他,而在资源使用方面,PyBullet和Coppeliasim消耗低于他们的竞争对手。
2022-04-13 cs.RO
Can ROS be used securely in industry? Red teaming ROS-Industrial
Universität Klagenfurt(克拉根福大学);Alias Robotics;Joanneum Research(约阿内研究所)
随着其在工业中的应用越来越广泛,ROS正迅速成为机器人领域的标准。虽然ROS 2的发展前景看好,但行业中缓慢的采用周期将推动ROS 2在未来几年内的广泛采用。与此同时,ROS将占上风,这就提出了一个问题:ROS是否可以安全地用于工业用例,即使它的起源没有考虑它?本研究通过在涉及ROS工业和ROS包的合成工业用例中进行有针对性的攻击性安全练习来实验性地分析这个问题。我们的练习导致了四组攻击,这些攻击设法破坏ROS计算图,并且除了一个之外,所有攻击都控制了大多数机器人端点。据我们所知,考虑到我们的设置,结果不利于ROS在当今工业中的安全使用,然而,我们设法确认某些机器人端点的安全性,并对确保ROS工业部署保持乐观。
2020-09-17 cs.RO
Partition-Tolerant and Byzantine-Tolerant Decision-Making for Distributed Robotic Systems with IOTA and ROS 2
University of Turku(图尔库大学)
随着自主机器人解决方案的日益普及,对它们的连接性和多机器人系统内的协作的兴趣正在上升。目前研究的两个方面是机器人安全和安全的多机器人协作强大的拜占庭代理。区块链和其他分布式账本技术(DLT)已经被提出来解决这两个领域的挑战。尽管如此,一些关键挑战包括可扩展性和在现实世界网络中的部署。本文提出了一种集成IOTA和ROS 2的方法,用于更可扩展的基于DLT的机器人系统,同时允许部署后的网络分区容差。据我们所知,这是IOTA智能合约在机器人系统中的首次实现,也是第一个与ROS 2集成的设计。这与依赖以太坊的绝大多数文献相比。我们提出了一个通用的IOTA+ROS 2架构,导致分区容忍的决策过程,也继承了嵌入式区块链结构的拜占庭容忍属性。我们证明了所提出的框架的有效性与间歇性网络连接的系统中的合作映射应用程序。我们在存在网络分区的情况下表现出了相对于以太坊的卓越性能,并且在计算资源利用率方面的影响较低。这些结果为区块链解决方案在分布式机器人系统中的更广泛集成开辟了道路,其连接和计算要求不那么严格。
2022-08-29 cs.RO
COTORRA: COntext-aware Testbed fOR Robotic Applications
Universidad Carlos III de Madrid(马德里卡洛斯三世大学)
边缘和雾计算作为机器人系统发展的有前途的候选者受到了相当大的关注。在这封信中,我们提出了COTORRA,一个边缘和雾驱动的机器人测试平台,结合上下文信息与机器人传感器数据,以验证机器人系统的创新概念,然后再应用于生产环境。在实验室/大学,我们建立了COTORRA作为一个简单适用的和模块化的测试平台上的异构网络基础设施。COTORRA对可插拔机器人应用开放。为了验证其可行性并评估其性能,我们运行了一组实验,展示了自主导航应用程序如何在15 ms以下实现目标延迟或在19秒内执行域间(DLT)联合。
2021-01-19 cs.NI cs.RO
ROS-Mobile: An Android application for the Robot Operating System
University of Luebeck(吕贝克大学)
控制和监控复杂的自主和半自主机器人系统是一项具有挑战性的任务。Robot操作系统(ROS)是作为一个运行在Ubuntu Linux上的机器人中间件系统而开发的,它允许硬件抽象、各个进程之间的消息传递和包管理。然而,缺少对移动设备(如智能手机或平板电脑)的ROS应用程序的主动支持。我们为Android开发了一个ROS应用程序,它带有一个直观的用户界面,用于控制和监控机器人系统。我们的开源贡献可以用于各种各样的任务和许多不同类型的机器人。此外,它可以很容易地定制和添加新功能。在本文中,我们给出了一个大纲的软件架构,主要功能,并显示了一些可能的用例在不同的移动机器人系统。
2020-11-05 cs.RO
ROSER: Few-Shot Robotic Sequence Retrieval for Scalable Robot Learning
University of Nevada, Las Vegas(内华达大学拉斯维加斯分校);University of Toronto(多伦多大学);LatentWorlds AI
ROSER通过少样本检索框架有效解决机器人序列数据稀缺问题,提升机器人学习的数据可用性。
2026-03-05 cs.RO
Impact of ROS 2 Node Composition in Robotic Systems
Samsung Research America(三星美国研究院);iRobot(iRobot公司);Open Robotics(开放机器人组织);University of Electronic Science and Technology of China(电子科技大学)
本文探索并基准测试了ROS 2的Component节点组合功能,通过在Humble Hawksbill发行版上的实验证明其能显著提升性能优化,对资源受限系统和分布式任务具有重要价值。
2023-05-17 cs.RO
ChoiRbot: A ROS 2 Toolbox for Cooperative Robotics
University of Bologna(博洛尼亚大学)
在本文中,我们介绍ChoiRbot,一个工具箱,分布式合作机器人的基础上,新的机器人操作系统(ROS)2。ChoiRbot提供了一个功能齐全的工具集来执行复杂的分布式多机器人任务,无论是在模拟还是实验中,特别关注没有中央协调器的异构机器人网络。由于其模块化结构,ChoiRbot允许高度直接实现基于优化的分布式控制方案,如分布式最优控制,模型预测控制,任务分配,其中本地计算和与相邻机器人的通信交替进行。为此,工具箱提供了解决分布式优化问题的功能。该软件包还可以用于实现分布式反馈法,不需要优化功能,但需要机器人之间的信息交换。的工具箱的潜力与移动地面机器人的分布式机器人方案的模拟和实验说明。ChoiRbot工具箱可在https://github.com/OPT4SMART/choirbot上找到。
2021-03-12 cs.RO
Testing, Verification and Improvements of Timeliness in ROS processes
University of Sheffield(谢菲尔德大学)
本文讨论了在机器人操作系统(ROS)中使用计算时间可行性的形式化验证来提高机器人响应时间的问题。为了验证机器人在不确定信号处理时间下的实时的行为,提出了基于概率定时程序(PTPs)的ROS控制系统中数据流的时间性形式化验证方法.为了计算在一定的时间限制下成功的概率,并证明我们的方法的强度,一个案例研究中实施的机器人代理的操作时间验证使用PRISM模型检查器,它指向可能的增强机器人代理的操作。
2016-11-10 cs.RO
Implementación de Navegación en Plataforma Robótica Móvil Basada en ROS y Gazebo
Universidad Tecnológica del Uruguay(乌拉圭技术大学);Ostfalia University of Applied Sciences(东法伦应用科学大学)
该研究使用 ROS2 与 Gazebo 仿真 TurtleBot3,虽未实现完全自主导航,但成功打通仿真连接并支持手动运动控制,为后续自主机器人导航研究奠定基础。
2024-10-25 cs.RO
SL Sensor: An Open-Source, ROS-Based, Real-Time Structured Light Sensor for High Accuracy Construction Robotic Applications
ETH Zürich(苏黎世联邦理工学院)
许多建筑机器人任务都需要高精度的3D表面信息,例如自动水泥抛光或机器人石膏喷涂。然而,目前市场上的消费级深度相机对于这些需要毫米(mm)级精度的任务来说不够精确。本文介绍了SL传感器,一种结构光传感解决方案,能够产生高保真度的点云在5 Hz的利用相移轮廓术(PSP)编码技术。SL传感器与两款商业深度相机进行了比较-Azure Kinect和RealSense L515。实验表明,SL传感器在室内表面重建应用中的精度和准确性均优于两种设备。此外,为了证明SL传感器作为机器人应用的结构光传感研究平台的能力,开发了一种运动补偿策略,允许SL传感器在线性运动期间工作,而传统的PSP方法仅在传感器静止时工作。现场实验表明,SL传感器能够对喷涂抹灰表面进行高度详细的重建。基于机器人操作系统(ROS)的软件和SL传感器的示例硬件构建都是开源的,目的是使结构光传感更容易为建筑机器人社区所用。所有文档和代码都可以在https://github.com/ethz-asl/sl_sensor/上找到。
2022-09-01 cs.RO
Integrating Quantized LLMs into Robotics Systems as Edge AI to Leverage their Natural Language Processing Capabilities
University of León(莱昂大学)
本文提出工具llama_ros,依托llama.cpp和ROS 2将量化大语言模型作为边缘AI集成到资源受限的机器人系统中,提升机器人的自然语言交互与决策能力,并介绍了相关用例。
2025-06-11 cs.RO
Adaptive Computing in Robotics, Leveraging ROS 2 to Enable Software-Defined Hardware for FPGAs
Xilinx, Inc.(赛灵思公司)
传统的机器人软件开发是关于在给定机器人的CPU中使用预定义的架构和约束进行编程功能。相反,使用自适应计算,构建机器人行为就是对架构进行编程。通过利用自适应计算,机器人专家可以在运行时间调整其计算系统的一个或多个属性(例如,其确定性、功耗、安全态势或吞吐量)。然而,机器人专家并不是硬件工程师,而且他们中缺乏嵌入式专业知识。本白皮书采用了以ROS 2机器人专家为中心的自适应计算观点,并提出了一种架构,将FPGA作为ROS 2生态系统的一级参与者。所提出的架构是平台和技术无关的,并且易于移植。该架构的核心组件在Apache 2.0许可证下公开,为机器人专家利用自适应计算和创建软件定义硬件铺平了道路。
2021-08-30 cs.AR cs.RO
ROS2WASM: Bringing the Robot Operating System to the Web
Queensland University of Technology(昆士兰科技大学);QuantStack;RWTH Aachen(亚琛工业大学);Italian Institute of Technology(意大利技术研究院)
本文提出 ROS2WASM,将 RoboStack 与 WebAssembly 集成,使 ROS 2 可直接在浏览器中运行,无需本地安装,从而提升机器人研究的可复现性、安全性与教育可及性。
2025-03-07 cs.RO
TZC: Efficient Inter-Process Communication for Robotics Middleware with Partial Serialization
Tsinghua University(清华大学);University of Maryland(马里兰大学)
进程间通信是现代机器人中间件的核心功能之一。我们提出了一个高效的IPC技术称为TZC(走向零拷贝)。作为TZC的核心组件,我们设计了一种新的算法称为部分串行化。我们的公式可以生成可以分为两部分的信息。在消息传输过程中,一部分通过套接字传输,另一部分使用共享内存。共享内存中的部件在其生存期内永远不会被复制或序列化。我们已经将TZC与ROS和ROS2集成在一起,发现TZC可以很容易地与当前的开源平台相结合。通过使用TZC,IPC的开销在消息大小增长时保持不变。特别是,当消息大小为4MB(小于全高清图像的大小)时,TZC可以将ROS IPC的开销从几十毫秒减少到几百微秒,并且可以将ROS2 IPC的开销从几百毫秒减少到不到1毫秒。我们还通过与自动驾驶场景中使用的TurtleBot2集成来展示TZC的好处。我们发现,通过使用TZC,制动距离可以缩短16%,比ROS。
2020-02-11 cs.RO
Closing the Gap in Swarm Robotics Simulations: An Extended Ardupilot/Gazebo plugin
Edinburgh Centre for Robotics(爱丁堡机器人中心)
这项工作提供了Ardupilot的能力的扩展,使研究人员能够在机器人操作系统(ROS)/露台模拟中开发群机器人应用程序。Ardupilot是一款用于自主空中、陆地和水下机器人自动驾驶功能的工具。然而,最初的Ardupilot并不是为群体机器人领域的应用而设计的。因此,本文的主要贡献是赋予Ardupilot处理群机器人仿真的能力,包括制造商的描述文件的重构。这项工作提供了一个全面的和现实的仿真测试平台,用于ROS/Ardupilot伞下的群机器人应用,使用现有的现成的Erdibotics的erlecopter无人机。
2018-11-16 cs.RO
RoSmEEry: Robotic Simulated Environment for Evaluation and Benchmarking of Semantic Mapping Algorithms
Sapienza University of Rome(罗马大学);DIAG(安东尼奥·鲁贝尔蒂计算机、控制与管理工程系(DIAG))
人机交互需要对操作环境有一个共同的理解,这可以通过一个融合了几何和符号知识的表示来提供:语义地图。通过语义地图,机器人可以通过将用户命令与其感官观察相结合来解释用户命令。语义映射就是构建这种表示的过程。尽管语义映射是机器人中实现认知和高级推理的基础,但由于对不同场景和感官数据类型的泛化,语义映射是一项具有挑战性的任务。事实上,难以获得环境和其中的对象的丰富且准确的语义图。此外,到目前为止,还没有框架可以比较在给定环境下构建语义映射的性能。为了解决这些问题,我们设计了RoSmEEry,这是一个基于Gazebo模拟器的新型框架,我们在其中引入了一种易于访问且随时可用的方法来系统评估语义映射算法。我们发布我们的框架,作为一个开源软件包,与多个模拟环境的目的是提供一个通用的设置,以定量测量的性能,在获取语义知识的环境。
2021-05-17 cs.RO
RSLCPP -- Deterministic Simulations Using ROS 2
Technical University of Munich, Germany(慕尼黑技术大学);School of Engineering & Design, Department of Mobility Systems Engineering, Institute of Automotive Technology(工程与设计学院,移动系统工程系,汽车技术研究所);School of Engineering & Design, Department of Engineering Physics and Computation, Institute of Automatic Control(工程与设计学院,工程物理与计算系,自动控制研究所)
针对ROS异步多进程设计导致仿真结果不可复现的问题,提出RSLCPP库,通过确定性回调执行实现跨平台可复现仿真,无需修改现有节点代码。
2026-11-10 cs.RO
ROS Help Desk: GenAI Powered, User-Centric Framework for ROS Error Diagnosis and Debugging
CSIRO Robotics(澳大利亚CSIRO机器人研究所)
提出ROS Help Desk框架,利用生成式AI和多模态数据处理,为不同专业水平用户提供动态定制的ROS错误诊断与调试支持,有效减少系统停机时间并促进人机协作。
2025-07-10 cs.RO
A Solution to the Generalized ROS Hardware IO Problem -- A Generic Modbus/TCP Device Driver for PLCs, Sensors and Actuators
Institute for Aircraft-Production-Technology(飞机制造技术研究所);Hamburg University of Technology(汉堡工业大学)
针对ROS在工业环境中缺乏通用物理IO集成方案的问题,本文提出并实现了一种通用的Modbus/TCP设备驱动程序,使ROS能够统一接入PLC、传感器和执行器。
2021-12-21 cs.RO
Brain-Computer Interface meets ROS: A robotic approach to mentally drive telepresence robots
University of Padova(帕多瓦大学);Politecnico di Milano(米兰理工大学);Istituto Italiano di Tecnologia (IIT)(意大利理工学院);École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院)
本文展示和评估了一种新的方法,将非侵入性的脑机接口(BCI)与机器人操作系统(ROS)精神驱动的远程呈现机器人。通过使用人脑信号控制移动终端可能会改善患有严重身体残疾的人或无法再移动的老年人的生活质量。因此,由于与机器人的视频流连接,BCI用户能够与位于不同房间的亲戚和朋友积极互动。为了便于通过BCI控制机器人,我们探索了新的基于ROS的导航和避障算法,使系统更安全,更可靠。在这方面,机器人可以利用环境的两个地图,一个用于定位,一个用于导航,并且BCI用户也可以使用这两个地图来在机器人移动时观察机器人的位置。如实验结果所示,用户的认知工作量减少,减少了完成任务所需的命令数量,并帮助他/她保持注意力更长的时间。
2019-04-04 cs.RO
Development of a Human-Robot Interaction Platform for Dual-Arm Robots Based on ROS and Multimodal Artificial Intelligence
Trường Đại học Công Nghệ - Đại học Quốc gia Hà Nội(河内国家大学科技大学)
本文开发了基于ROS和多模态AI的双臂机器人人机交互平台,实现高精度操作、物体抓取分类及语音控制,实验验证了系统准确性与灵活性。
2024-11-08 cs.RO
ROSoClingo: A ROS package for ASP-based robot control
University of Potsdam(波茨坦大学);University of New South Wales(新南威尔士大学)
知识表示和推理能力是至关重要的认知机器人技术,因为它们提供了更高层次的认知功能的推理行动,环境,目标,感知等,虽然答案集编程(ASP)是非常适合这样的功能建模,有到目前为止没有无缝的方式使用ASP在机器人环境。我们解决这个缺点,并展示了如何利用最近开发的反应ASP系统提供适当的推理能力的机器人系统内。更准确地说,我们提供了一个集成了响应式ASP求解器oClingo与流行的开源机器人中间件ROS的包。由此产生的系统,ROSoClingo,提供了一个通用的方式,通过该ASP程序可以用来控制机器人的行为,并响应机器人的行动的结果。
2013-07-28 cs.AI cs.RO
AWML: An Open-Source ML-based Robotics Perception Framework to Deploy for ROS-based Autonomous Driving Software
TIER IV, Inc(TIER IV公司)
本文提出开源框架AWML,为基于ROS的自动驾驶提供MLOps支持,除模型部署外还集成自动标注、半自动标注与数据挖掘的主动学习流水线。
2025-05-31 cs.RO cs.SE
Mining Energy-Related Practices in Robotics Software
Technological Federal University of Paraná - UTFPR(巴拉那州立理工大学);Vrije Universiteit Amsterdam(阿姆斯特丹自由大学);Federal University of Pará(帕拉联邦大学)
机器人在许多工业环境中变得越来越普遍。这种成功的采用可以部分归因于(1)它们越来越实惠的成本和(2)开发智能软件驱动机器人的可能性。不幸的是,机器人软件消耗大量的能源。此外,机器人通常是电池驱动的,这意味着即使是很小的能源改进也可以帮助减少其能源足迹,提高其自主性和用户体验。在本文中,我们研究了机器人操作系统(ROS)的生态系统,事实标准开发和原型机器人软件。我们分析了527个与能源相关的数据点(包括ROS相关存储库上的提交、拉取请求和问题,StackOverflow、ROS Discourse、ROS Answers和官方ROS Wiki上的ROS相关问题)。我们的研究结果包括机器人专家对软件能源效率的兴趣的量化,10个经常性的原因,和14个能源相关问题的解决方案,以及他们对其他质量属性的隐含权衡。这些贡献支持机器人专家和研究人员在未来的机器人项目中使用节能软件。
2021-03-25 cs.RO cs.SE
An Open and Reconfigurable User Interface to Manage Complex ROS-based Robotic Systems
Tampere University(坦佩雷大学);University of Vigo(维戈大学)
本文提出一种基于Web的可重构GUI,利用ROSBridge和roslibjs实现对复杂ROS机器人系统的直观控制、监控与配置,并通过四个工业用例验证其适应性,以降低ROS工业应用门槛。
2024-06-04 cs.RO cs.SY eess.SY
Message Flow Analysis with Complex Causal Links for Distributed ROS 2 Systems
Polytechnique Montréal(蒙特利尔综合理工学院)
分布式机器人系统在很大程度上依赖于网络订阅通信范式和支持它的中间件框架,如机器人操作系统(ROS),以有效地实现模块化计算图。ROS2执行器是一个处理ROS2消息的高级任务调度器,它是一个性能瓶颈。我们扩展了ros2_tracing,一个框架与仪器和工具的实时跟踪的ROS 2,跨分布式ROS 2系统的消息流的分析和可视化。我们的方法检测输入和输出消息之间的一对多和多对多的因果联系,包括通过简单的用户级注释的间接因果联系。我们验证我们的方法在合成和真实的机器人系统,并证明其低运行时开销。此外,可以进一步利用底层中间执行表示数据库来提取附加度量和高级结果。这可以为进一步研究和改进ROS 2执行器以及优化任何ROS 2系统提供有价值的时间和调度信息。源代码可在https://github.com/christophebedard/ros2-message-flow-analysis上获得。
2023-01-02 cs.RO
ROSY: An elegant language to teach the pure reactive nature of robot programming
Universidade do Minho(米尼奥大学);INESC TEC(葡萄牙系统与计算机工程研究所)
机器人技术非常有趣,长期以来一直被认为是教授编程的好方法,同时与数学、物理或电子等工程和科学的其他分支建立了鼓舞人心的联系。虽然机器人和编程之间的这种共生关系被认为是非常有益的,但教育方法往往觉得有必要隐藏机器人系统的潜在复杂性,但结果是无法将机器人编程的反应本质传递给未来的机器人专家和程序员。本文介绍了ROSY,一种通过机器人技术教授新手程序员的新语言。它的函数式风格既熟悉高中代数背景,又体现了机器人编程固有的反应性。在更高的抽象层次上工作也教导了将机器人软件分解为交互控制器集合的有价值的设计原则。尽管它很简单,但ROSY是完全有效的Haskell代码,与ROS生态系统兼容。我们通过演示如何轻松清晰地表达非平凡的应用程序,揭示其良好的功能编程基础,并开发支持Web的机器人编程环境,为我们的语言提供了令人信服的案例。
2019-11-08 cs.PL cs.RO
Towards Automatic Migration of ROS Components from Software to Hardware
Maersk McKinney Moeller Institute, University of Southern Denmark(南丹麦大学马士基·麦克金尼·穆勒研究所)
ROS中间件的使用是机器人技术的一个增长趋势,然而,ROS和硬实时嵌入式系统在保持所有级别的相同整体通信和处理方法的同时,并不容易统一。在本文中,我们提出了一种方法,旨在解决高层次,灵活的软件和低层次,实时软件之间的分裂。我们的方法的关键思想是使软件组件编写的高层次的自定义订阅软件架构自动迁移到一个专用的硬件架构,使用可编程逻辑实现。我们的方法基于Unity框架,这是一个基于FPGA的统一软件/硬件框架,用于将高级软件快速连接到低级机器人硬件。
2014-07-28 cs.RO
The Bridge between Xsens Motion-Capture and Robot Operating System (ROS): Enabling Robots with Online 3D Human Motion Tracking
Istituto Italiano di Tecnologia(意大利技术研究院)
本文提出将 Xsens 惯性动作捕捉系统的 3D 运动学数据转换为 ROS 消息并生成 URDF 模型,通过发布 xsens_mvn_ros 软件包,实现了机器人在 RViz 中对在线 3D 人体运动的追踪与可视化。
2023-06-30 cs.RO
Scanning the Internet for ROS: A View of Security in Robotics Research
Brown University(布朗大学)
由于机器人可以直接感知和影响物理世界,因此安全问题尤为重要。在本文中,我们描述了我们的工作扫描整个IPv4地址空间的互联网的机器人操作系统(ROS),广泛使用的机器人平台的研究实例的结果。我们的研究结果表明,许多支持ROS的主机暴露在公共互联网上,从而允许任何人访问机器人传感器和执行器。作为概念验证,在征得同意的情况下,我们能够读取图像传感器信息,并移动美国一所大学研究小组的机器人。本文概述了我们的研究结果,包括公共访问平台的地理分布,可用的传感器和执行器数据的种类,以及我们扫描发现的不同类型的机器人和传感器。此外,我们还提供了有关最佳实践的建议,以在未来缓解这些安全问题。
2018-07-23 cs.CR cs.RO
ROSGPT_Vision: Commanding Robots Using Only Language Models' Prompts
Prince Sultan University(苏丹王子大学)
提出提示机器人模态(PRM)设计模式,构建ROSGPT_Vision框架,仅用视觉和LLM两个提示词操控机器人,开发CarMate监控驾驶员分心,降低开发成本,优化提示策略提升质量并开源框架。
2023-08-23 cs.AI cs.RO