A study and design of localization system for mobile robot based on ROS
近年来,移动机器人由于广泛应用于日常生活的各个领域,受到了众多研究者的关注。本文应用虚拟机器人操作系统(ROS)平台开发了机器人运动定位系统。该系统是基于相对和绝对测量方法的组合,其中的数据从编码器,数字罗盘,和激光扫描仪传感器融合使用扩展卡尔曼滤波器(EKF)。该系统还成功地消除了由环境引起的误差以及误差积累。实验结果表明,该系统具有良好的位姿精度和稳定性,可进一步应用于室内环境下的机器人工作。
2021-09-12 cs.RO cs.SY eess.SY
Arena-Rosnav: Towards Deployment of Deep-Reinforcement-Learning-Based Obstacle Avoidance into Conventional Autonomous Navigation Systems
Berlin Institute of Technology(柏林工业大学);Chair Industry Grade Networks and Clouds(工业级网络与云研究室);Faculty of Electrical Engineering, and Computer Science(电气工程与计算机科学学院);Berlin Institute of Technology, Berlin, Germany(柏林工业大学(德国柏林));Chair Industry Grade Networks and Clouds, Faculty of Electrical Engineering, and Computer Science, Berlin Institute of Technology, Berlin, Germany(柏林工业大学电气工程与计算机科学学院工业级网络与云研究室(德国柏林))
近年来,移动机器人已成为各行各业的重要工具,尤其是在物流领域。深度强化学习作为替代规划方法出现,以取代过于保守的方法,并承诺更有效和灵活的导航。然而,深度强化学习方法由于其倾向于局部最小值和缺乏长期记忆而不适合于远程导航,这阻碍了其广泛集成到移动机器人的工业应用中。在本文中,我们提出了一种导航系统,将基于深度强化学习的本地规划器整合到传统的导航堆栈中,用于远程导航。因此,提出了一个用于训练和测试深度强化学习算法以及经典方法的框架。我们评估了我们的深度强化学习增强型导航系统与各种传统规划器的对比,发现我们的系统在安全性、效率和鲁棒性方面优于它们。
2021-09-23 cs.AI cs.RO
HuNavSim: A ROS 2 Human Navigation Simulator for Benchmarking Human-Aware Robot Navigation
Pablo de Olavide University(巴勃罗·德·奥拉维德大学)
本文提出首个基于 ROS 2 的开源人类导航仿真器 HuNavSim,提供丰富逼真的人类导航行为和完整的社会导航基准测试指标,旨在简化人类感知机器人导航系统的开发与评估。
2023-09-13 cs.RO
Key-Scan-Based Mobile Robot Navigation: Integrated Mapping, Planning, and Control using Graphs of Scan Regions
Eindhoven University of Technology(埃因霍温理工大学);Eindhoven AI Systems Institute(埃因霍温人工智能系统研究所)
本文提出一种基于关键扫描的移动机器人导航框架,利用星凸扫描区域位姿图设计局部导航策略与反馈运动规划方法,并引入桥接和前沿扫描概念实现未知环境下的集成建图与安全导航。
2024-09-20 cs.RO cs.SY eess.SY
Mini bot 3D: A ROS based Gazebo Simulation
最近采用的机器人操作系统(ROS)作为机器人技术的软件标准,为该领域的几个问题提供了新的解决方案。一个这样的问题被称为具有自主导航的同时定位与地图构建(SLAM),对于该问题,来自不同类别的多个算法可用作ROS包,准备好用于任何兼容的机器人。自主移动机器人的许多预期应用要求它们在没有外部基础设施支持的情况下在各种复杂环境中导航。为了执行这种机载导航,机器人必须利用可用的传感器技术,并以自适应的方式融合当前环境中最可靠的数据,并在实际实施之前优化算法参数,以减少工作时间。本文将回顾最近的努力,开发车载导航系统,可以无缝转换室外和室内环境之间的无缝连接,不同的地形无缝使用露台模拟器与ROS集成。调查的方法包括SLAM,里程计和本地化。概述了现有技术的重点是适应动态传感器的不确定性,动态对象和动态场景的方法。关于这项工作的经验报告应该为寻求室内应用的自主SLAM解决方案的机器人专家提供见解。
2023-02-13 cs.RO
The Marathon 2: A Navigation System
Samsung Research(三星研究院);Rey Juan Carlos University(胡安卡洛斯国王大学)
移动机器人导航的发展使机器人能够在仓库、零售店和行人周围的人行道上工作。已经提出了各种导航解决方案,但很少像ROS导航那样广泛采用。10年过去了,它仍然是最受欢迎的导航解决方案之一。然而,ROS导航未能跟上现代趋势。我们提出了新的导航解决方案,Navigation2,它建立在ROS导航的成功遗产。Navigation2使用行为树进行导航器任务编排,并采用为适用于更广泛的现代传感器的动态环境而设计的新方法。它建立在ROS2之上,ROS2是一个安全的消息传递框架,适用于安全关键应用程序和程序生命周期管理。我们目前的实验在校园环境中利用Navigation2安全地操作与学生一起在马拉松作为Eppstein等人提出的实验的扩展。Navigation2系统可在https://github.com/ros-planning/navigation2上免费获得,具有丰富的社区和说明。
2020-07-14 cs.RO
Fast Adaptable Mobile Robot Navigation in Dynamic Environment
University of Detroit Mercy(底特律大学)
动态环境下的自主导航严重依赖于环境及其拓扑结构。环境的先验知识通常是不准确的,因为环境不断演变。由于机器人在前进过程中不断评估环境,决定穿越环境到达目标的最佳方式,因此需要计算效率高且数学自适应的导航算法。本文提出了一种能够适应时变环境的移动机器人导航方案。该方法由全局规划器(A*)和局部规划器(VFH)组成,以确保机器人的最佳和无碰撞运动。该算法进行了测试,在不同的环境中,是已知的VFH和ROS导航栈中的失败,进行比较的目的,在模拟和实验。总的来说,该算法使机器人能够更快地到达目标,并在这样做的同时产生更平滑的路径。
2020-07-19 cs.RO
Simulation Framework for Mobile Robots in Planetary-Like Environments
University of Padova(帕多瓦大学);DLR(德国航空航天中心)
在本文中,我们提出了一个仿真框架的机器人平台的导航和定位性能的评估。该模拟器基于ROS(机器人操作系统)Gazebo,目标是一个类似行星的研究车辆,可以测试特定环境条件下的各种感知和导航方法。模拟任意传感器设置的可能性,包括相机,LiDAR(光探测和测距)和IMU,使Gazebo成为快速原型制作的优秀资源。在这项工作中,我们评估了各种开源的视觉和激光雷达SLAM(同时定位与地图构建)算法在模拟火星环境。数据集是通过驾驶漫游车和记录传感器输出以及地面实况来捕获的,用于精确的性能评估。
2020-06-17 cs.RO
MultiVehicle Simulator (MVSim): lightweight dynamics simulator for multiagents and mobile robotics research
University of Almería(阿尔梅里亚大学);Deci AI(Deci人工智能公司)
提出MVSim轻量级多智能体动力学模拟器,支持数十个智能体及常见传感器GPU加速模拟,简化车辆动力学、导航与SLAM研究。
2023-02-21 cs.MA 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
Projecting Robot Navigation Paths: Hardware and Software for Projected AR
University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校);Colorado School of Mines(科罗拉多矿业大学)
为了让移动机器人、移动机械手和自动驾驶汽车在街道和仓库等人口密集的地方安全导航,人类观察者必须能够理解它们的导航意图。实现这种理解的一种方法是通过对周围环境的投影来可视化这种意图。但是,尽管这种预测的有效性得到了证明,但并不存在具有集成硬件设置的开放代码库。在这项工作中,我们详细的经验证据的有效性,这样的方向性的预测,并分享一个机器人不可知的实现这样的预测,在C++编码使用广泛使用的机器人操作系统(ROS)和rviz。此外,我们演示了一个硬件配置部署这个软件,使用一个取机器人,并简要总结了一个全面的用户研究,激励这种配置。代码、配置文件(roslaunch和rviz文件)和文档可以在GitHub上免费获得,网址是https://github.com/umhan35/arrow_projection。
2022-01-06 cs.GR cs.HC cs.RO
Place Categorization and Semantic Mapping on a Mobile Robot
Australian Centre for Robotic Vision(澳大利亚机器人视觉中心);Queensland University of Technology(昆士兰科技大学)
在本文中,我们专注于具有挑战性的问题的地方分类和语义映射的机器人没有特定环境的培训。由于他们在各种视觉识别任务中不断取得成功,我们将我们的系统构建在最先进的卷积网络上。我们通过一系列可以在线学习识别新语义类的one-vs-all分类器来补充网络,从而克服了它的闭集限制。通过将分类系统嵌入到贝叶斯过滤器框架中,将先前的领域知识并入,该框架还确保时间一致性。我们评估的分类准确性的系统上的机器人,地图上的各种地方在我们的校园实时。我们展示了如何语义信息可以提高机器人目标检测的性能,以及如何语义地图可以用来调节机器人的行为在导航任务。该系统作为ROS模块提供给社区。
2015-07-09 cs.RO
SMARTmBOT: A ROS2-based Low-cost and Open-source Mobile Robot Platform
Purdue University(普渡大学)
本文介绍了一个基于Robot操作系统2(ROS2)的开源移动机器人平台SMARTmBOT。SMARTmBOT的特点,包括低成本,模块化,可定制和可扩展的设计,使其成为一个容易实现和有效的机器人平台,以支持广泛的机器人研究和教育,涉及单机器人或多机器人系统。每个机器人的总成本约为210美元,大多数硬件组件可以通过通用3D打印机制造,因此允许用户方便地构建机器人或更换任何损坏的部件。SMARTmBot还配备了丰富的传感器,使其能够胜任一般任务场景,例如点对点导航和避障。我们通过各种机器人导航实验和应用程序验证了SMARTmBOT的移动性和功能,任务包括去目标,纯追求,线以下,和群集。读取传感器、从嵌入式摄像头流式传输以及控制机器人(包括机器人导航控制器)所需的所有源代码都可以通过在线存储库获得,该存储库可以在https://github.com/SMARTlab-Purdue/SMARTmBOT上找到。
2022-03-16 cs.AR cs.RO cs.SY
ROS Based Visual Programming Tool for Mobile Robot Education and Applications
Inovasyon Muhendislik Ltd. Sti.(伊诺瓦逊工程有限公司)
可视化程序设计语言(VPL)提供无需键入文本的编码。VPL通过自动添加一些常用的代码结构,使程序员更容易编写代码。编码初学者通常有两个主要挑战:将想法转换为逻辑表达式和语法错误。VPL不可能出现重复错误,因为没有忘记的括号和括号。VPL为程序员提供了专注于算法的工具。VPL是教育机器人环境的新趋势。在这项研究中,机器人操作系统(ROS)兼容的基于Web的可视化编程系统已经开发的evarobot。ROS提供库和工具来帮助软件开发人员创建机器人应用程序。它提供硬件抽象、设备驱动程序、库、可视化工具、消息传递、包管理等。Blockly已被用作研究的VPL,并用于生成/使用模块(通信、传感等)。在该系统中,服务器端和客户端之间的通信由rosbridge软件包提供支持。连接到ROS的Web页面,它使用roslibjs库在服务器上运行。Rosbridge为非ROS程序提供了一个JSON API到ROS功能。
2020-11-27 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
iviz: A ROS Visualization App for Mobile Devices
Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院)
在这项工作中,我们介绍了iviz,一个移动应用程序的可视化ROS数据。在过去的几年里,ROS的流行程度大大提高,使其成为开源机器人编程的标准平台。这一成功的一个关键原因是为许多任务提供了完善的通用模块,例如本地化、地图绘制、路径规划,以及非常重要的数据可视化。然而,后者的可用性通常仅限于具有Linux操作系统的PC。因此,想要用智能手机或平板电脑查看系统中发生的事情的用户只能使用屏幕镜像或使用rviz的网络浏览器版本等解决方案,而这些解决方案很难从移动界面进行交互。更重要的是,这使得诸如增强现实之类的较新的可视化模式变得不可能。我们的应用程序iviz基于Unity引擎,通过提供一个从头开始设计的可视化平台来解决这些问题,该平台可用于移动平台,如iOS,Android和UWP,并包括对所有三个平台的增强现实的本地支持。如果需要,它也可以在Linux,Windows或macOS的PC中使用,而无需任何更改。
2020-08-28 cs.RO
A Bimanual Gesture Interface for ROS-Based Mobile Manipulators Using TinyML and Sensor Fusion
†‡Department of Mechatronics Engineering, Rajshahi University of Engineering \& Technology, Kazla, Rajshahi-6204, Bangladesh §Department of Electrical \& Systems Engineering, School of Engineering \& Applied Science, University of Pennsylvania, Philadelphia, PA 19104, United States Email: , †, ‡, §
本文提出一种基于TinyML和传感器融合的双手手势界面,在ROS框架内实现移动机械臂的同步导航与操作,提高效率与协调性。
2025-09-23 cs.RO
Hyperledger Fabric Blockchain and ROS 2 Integration for Autonomous Mobile Robots
University of Turku(图尔库大学)
在工业应用中,系统的安全性和信任是广泛采用的要求。区块链技术已经成为解决身份管理和安全数据聚合和控制的潜在解决方案。然而,迄今为止,绝大多数作品都使用以太坊和智能合约,这些合约不可扩展或不适合工业应用。据我们所知,本文介绍了ROS 2与Hyperledger Fabric区块链的首次集成。借助一个通过Go应用程序利用Fabric智能合约和ROS 2的框架,我们深入研究了使用区块链控制机器人以及收集和处理其数据的潜力。我们证明了所提出的框架的库存管理用例,不同的机器人被用来检测在一个给定的区域感兴趣的对象的适用性。为了满足分布式机器人系统的要求,我们证明了机器人的性能不会受到区块链层的显著影响。同时,我们还提供了开发其他将Fabric智能合约与ROS 2集成的应用程序的示例。我们的研究结果为在自主机器人系统中进一步采用区块链技术铺平了道路,以建立可信赖的数据共享。
2022-08-25 cs.RO
BSL: Navigation Method Considering Blind Spots Based on ROS Navigation Stack and Blind Spots Layer for Mobile Robot
Cybermedia Center, Osaka University(大阪大学媒体融合中心);Graduate School of Maritime Sciences, Kobe University(神户大学海事科学研究科)
针对轮式机器人因环境拐角或障碍物形成盲点而可能与人或物体碰撞的问题,提出基于ROS导航栈、BSL局部代价地图层和增强DWA代价函数的导航方法,并经仿真与实验验证。
2024-05-09 cs.RO
VirTooS: A ROS 2 - Unity Virtualization Toolkit for Fleet Management of Autonomous Mobile Robots
Department of Electrical, Electronic and Information Engineering, University of Bologna(博洛尼亚大学电气、电子与信息工程学院)
本文提出VirTooS工具包,结合ROS 2与Unity引擎,支持自主移动机器人车队管理,可构建混合现实虚拟实验环境,实现真实与虚拟机器人交互,源代码将在GitHub公开。
2026-08-27 cs.RO
FogROS G: Enabling Secure, Connected and Mobile Fog Robotics with Global Addressability
University of California, Berkeley(加州大学伯克利分校)
Fog Robotics通过将繁重的机器人工作负载卸载到附近的边缘和远程云数据中心,使网络机器人具有更大的移动性,按需计算能力和更高的能源效率。然而,作为实现雾天机器人应用的事实标准,机器人操作系统(ROS)及其后继的ROS 2未能为雾天机器人提供移动友好且安全的通信基础设施。在这项工作中,我们提出了FogROS G,一个安全的路由框架,连接来自不同物理位置,网络,数据分发服务(DDS)和ROS分布的机器人软件组件。FogROS G使用全局唯一的256位名称为联网机器人编制索引,即使机器人在多个管理网络域之间漫游,该名称也保持不变。FogROS G利用了全局数据平面,这是一个在名称之间的全局和安全的对等路由基础设施,确保只有经过身份验证的一方可以向机器人发送或从机器人接收。FogROS G采用基于代理的设计,将来自ROS 1和ROS 2的节点与主流DDS供应商连接起来;这可以在不对应用程序代码进行任何更改的情况下完成。
2022-10-21 cs.RO
Mobile Delivery Robots: Mixed Reality-Based Simulation Relying on ROS and Unity 3D
UAS Technikum Wien(维也纳技术高等学院);Ural Federal University(乌拉尔联邦大学);Johannes Kepler University Linz(林茨约翰内斯开普勒大学)
在智能交通系统和货物交付方面,需要开发新的技术方法,以应对最后一英里交付所带来的某些挑战,例如城市环境中的导航。自动送货机器人可以帮助克服这些挑战。我们提出了一种使用Unity与基于ROS的机器人进行混合现实(MR)仿真的方法,该方法将真实和虚拟环境进行混合,同时使用真实机器人的传感器信息来定位自己并将其投影到虚拟环境中,以便它们可以使用其虚拟分身来感知虚拟世界。使用这种方法,真实和虚拟机器人可以感知彼此以及对方所处的环境,从而实现虚拟和真实对象之间的信息交换。通过这种方法,可以获得更真实可靠的模拟。演示用例的结果验证了使用Unity为基于ROS的机器人实施MR的可行性和效率以及稳定性。
2021-02-22 cs.RO
Mapping Pipelines and Simultaneous Localization for Petrochemical Industry Robots
University of Tehran(德黑兰大学)
本研究针对石化管道检查难题,在Gazebo/ROS中模拟并物理构建了差速驱动机器人,融合Kinect与IMU数据实现SLAM与路径规划,验证了基于ROS的SLAM在管道检查中的可行性。
2023-09-28 cs.RO eess.SP
Development of a Mobile Vehicle Manipulator Simulator for the Validation of Shared Control Concepts
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
本文介绍了一个实时仿真器的开发控制大型车辆机械手的验证。这种开发的必要性可以通过缺乏这样的模拟器来证明:既没有开源项目,也没有商业产品,这将适合于测试协同控制概念。首先,我们提出了非线性仿真模型的车辆和机械手。使用MATLAB/Simulink进行建模,这也可以将代码生成为独立的C++ ROS节点(机器人操作系统节点)。代码生成的新挑战也进行了讨论。然后,将获得的独立C++操作系统节点集成到模拟器框架中,该框架包括图形用户界面、方向盘和操纵杆。该模拟器可以提供整个系统运动的实时计算,从而实现人与自动化的交互。此外,该模型的定性验证。最后,模拟器的功能证明了在测试中与人类操作员。
2022-11-23 cs.RO cs.SY eess.SY
Event-driven Fabric Blockchain -- ROS 2 Interface: Towards Secure and Auditable Teleoperation of Mobile Robots
University of Turku(图尔库大学)
针对移动机器人远程操作的安全与可审计需求,本文设计实现事件驱动的 Hyperledger Fabric-ROS 2 桥接器,并通过小型空中机器人实验验证其在高负载下的低延迟及单/多机器人控制能力。
2023-04-03 cs.RO
Obstacle Avoidance for Autonomous Mobile Robots Based on Mapping Method
Hanoi University of Industry(河内工业大学);University of Economics - Technology for Industries(经济与技术工业大学)
近年来,移动机器人因其在各种环境中的应用而受到研究者的极大关注。移动机器人在穿越障碍物时,需要识别障碍物并生成新的轨迹以到达目的地。提出了一种基于开源的机器人操作系统(ROS)和动态窗口逼近(DWA)算法的移动机器人避障方法。实验是使用移动机器人进行的,其中导航数据是基于由激光扫描仪收集的数据。实验结果表明,该机器人能够在静态和动态障碍物环境中正常工作。
2021-09-14 cs.RO cs.SY eess.SY
ROS 2-Based LiDAR Perception Framework for Mobile Robots in Dynamic Production Environments, Utilizing Synthetic Data Generation, Transformation-Equivariant 3D Detection and Multi-Object Tracking
Chair of Intelligence in Quality Sensing (IQS), Laboratory for Machine Tools and Production Engineering (WZL), RWTH Aachen University(亚琛工业大学机床与生产工程实验室质量感知智能教席);The Sirindhorn International Thai-German Graduate School of Engineering (TGGS), King Mongkut’s University of Technology North Bangkok (KMUTNB)(北曼谷先皇技术大学泰德国际工程研究生院)
本文提出基于ROS 2的LiDAR框架,通过合成数据训练的变换等价3D检测与多目标跟踪,提升动态生产环境中机器人对6D姿态估计和多目标跟踪的鲁棒性,实验结果在72种场景中达到83.12%的IoU和91.12%的高阶跟踪精度。
2026-04-02 cs.RO
RobotIQ: Empowering Mobile Robots with Human-Level Planning for Real-World Execution
Democritus University of Thrace(德谟克利特色雷斯大学);The Centre for Research & Technology Hellas(希腊研究与技术中心)
本文提出基于ROS架构的RobotIQ框架,通过大型语言模型实现自然语言交互,赋予移动机器人人类级规划能力,支持多任务推理与跨环境知识迁移,经家庭服务场景验证有效并开源。
2025-02-18 cs.RO cs.SY eess.SY
Reinforcement Learning for Navigation of Mobile Robot with LiDAR
提出了一种基于深度Q网络(DQN)和门控递归单元(GRU)的移动机器人导航方法。与GRU集成的DQN允许跳过操作以提高导航性能。该技术的目的是高效的移动机器人,如自主停车机器人的导航。强化学习的框架可以应用于DQN结合GRU在现实环境中,它可以建模的部分可观察马尔可夫决策过程(POMDP)。通过允许动作跳过,可以提高DQN与GRU结合学习关键动作的能力。通过ROS-Gazebo仿真器验证了该算法在实际环境中的可行性,仿真结果表明,与DQN单独使用以及DQN与GRU结合使用时相比,该算法在导航和避碰方面都有明显的改善。
2021-12-07 cs.RO cs.SY eess.SY
A ROS2 Benchmarking Framework for Hierarchical Control Strategies in Mobile Robots for Mediterranean Greenhouses
Department of Informatics, CIESOL, ceiA3, Universidad de Almería(信息学院、CIESOL、ceiA3、阿尔梅里亚大学);Department of Computer Science and Automation, National University of Distance Education (UNED)(计算机科学与自动化系、远程教育国家大学(UNED));Department of Engineering, CIESOL, ceiA3, Universidad de Almería(工程学院、CIESOL、ceiA3、阿尔梅里亚大学)
本文提出了一种面向地中海温室移动机器人分层控制策略的ROS2基准评估框架,通过三维环境模型、物理模拟器和分层控制架构,实现模块化评估和真实场景下的控制策略比较。
2026-02-16 cs.RO
An Industrial Perspective on Multi-Agent Decision Making for Interoperable Robot Navigation following the VDA5050 Standard
Robert Bosch GmbH(罗伯特·博世有限公司)
本文从工业视角分析了混合环境下自主移动机器人多智能体决策栈的挑战,探讨了VDA5050标准、OpenRMF框架及ROS2对系统的影响,并提出了提升导航鲁棒性与性能的方法及研究机会。
2023-11-24 cs.RO
Toward an Automated, Proactive Safety Warning System Development for Truck Mounted Attenuators in Mobile Work Zones
Cook, Flatt & Strobel Engineers, P.A.(库克-弗拉特-斯特罗贝尔工程师事务所(P.A.));University of Missouri-Columbia(密苏里大学哥伦比亚分校)
本研究针对移动作业区TMA碰撞风险,提出一种基于ROS和Panoptic Driving Perception算法的主动安全预警系统,实验证明其能实时计算车距与车速并触发预警,结合SSD标准可显著提升作业区安全性。
2024-12-24 cs.RO
OROS: Online Operation and Orchestration of Collaborative Robots using 5G
i2CAT Foundation(i2CAT基金会);NEC Laboratories Europe(欧洲 NEC 实验室);ICREA(加泰罗尼亚研究与高级研究所)
针对协作机器人电池续航受限的问题,提出OROS编排方法,联合优化ROS与5G资源,在缩短关键任务时长的同时降低能耗,实验验证使用3台机器人时探索任务性能提升3.65%-11.98%。
2024-02-01 cs.NI cs.RO
Sim-to-Real Transfer for Mobile Robots with Reinforcement Learning: from NVIDIA Isaac Sim to Gazebo and Real ROS 2 Robots
University of Turku(图尔库大学)
本文提出基于 Isaac Sim 训练、Gazebo 测试和 ROS 2 实时推理的端到端 RL 局部导航框架,并通过零样本 sim-to-real 迁移证明其性能可媲美 Nav2。
2025-01-06 cs.LG cs.RO
Accuracy evaluation of a Low-Cost Differential Global Positioning System for mobile robotics
Fraunhofer Institute for Materialflow and Logistic(弗劳恩霍夫物流与材料流动研究所)
本文提出一种基于Ublox ZED-F9P芯片和开源软件的低成本DGPS系统,评估其重复性与绝对精度,并比较SAPOS与本地基站差异,利用VICON系统验证移动机器人定位精度。
2023-06-22 cs.RO cs.SY eess.SY
HuNavSim 2.0: An Enhanced Human Navigation Simulator for Human-Aware Robot Navigation
Service Robotics Lab University Pablo de Olavide(帕布罗·德·奥拉维德大学服务机器人实验室)
本文发布开源人类导航模拟器 HuNavSim 2.0,基于 ROS 2 并兼容 Gazebo、NVidia Isaac Sim,通过扩展行为树动作与条件支持更真实的人类智能体导航仿真。
2025-07-25 cs.RO
Autonomous Navigation in Dynamic Environments: Deep Learning-Based Approach
Zewail City of Science & Technology(扎耶德科学与技术城);INRIA Sophia Antipolis - Méditerranée(法国国家信息与自动化研究所索菲亚·安蒂波利斯-地中海分院);Institute of Aviation Engineering and Technology(航空工程与技术学院)
移动机器人是一个研究领域,在过去的几十年里取得了令人难以置信的进步。机器人导航是移动机器人的一项重要任务。许多方法被提出来允许机器人在不同的环境中导航。本文研究了不同的基于深度学习的方法,突出了每种方案的优点和缺点。事实上,这些方法是有希望的,其中一些可以在未知的和动态的环境中导航机器人。在本论文中,基于卷积神经网络(CNN)的深度学习方法之一是通过软件实现的。为了完成本论文的写作,我们做了大量的准备工作,包括对Linux、机器人操作系统(ROS)、C++、Python和GAZEBO模拟器的介绍。在这项工作中,我们修改了无人机网络(即DroNet)方法,通过在不同情况下使用地面机器人来在室内环境中使用。事实上,DroNet方法缺乏目标导向的运动。因此,本文主要集中在解决这个问题,通过地图使用同时定位与地图构建(SLAM)和路径规划技术,使用Dijkstra。然后,基于DroNet地面机器人的、地图绘制和路径规划的结合,实现了以目标为导向的运动,即遵循最短路径,同时避开动态障碍物。最后,我们提出了一种低成本的方法,用于室内应用,如餐厅,博物馆等,使用单目相机的基础上,而不是一个激光扫描仪。
2021-02-03 cs.AI cs.LG cs.RO
A Realtime Autonomous Robot Navigation Framework for Human like High-level Interaction and Task Planning in Global Dynamic Environment
在本文中,我们提出了一个框架,实时自主机器人导航的基础上云和按需数据库,以解决两个主要问题的类人机器人交互和任务规划在全球动态环境中,这是不知道的先验。我们的框架有助于使人类的大脑GPS地图系统的机器人使用空间信息和独立的机器人导航进行三维视觉语义SLAM。我们将机器人的记忆系统分为长期记忆和短期记忆。通过将这些记忆与自主导航模块(ANM)、学习模块(LM)和行为规划模块(BPM)相连接,形成机器人的行为和知识系统。建议的框架进行评估,通过模拟使用基于ROS的Gazebo模拟移动机器人,RGB-D相机(3D传感器)和激光测距仪(2D传感器)在3D模型的现实室内环境。仿真证实了我们提出的框架的实质性的实际优点。
2019-05-30 cs.RO
Lidar-based exploration and discretization for mobile robot planning
Caltech(加州理工学院)
在机器人应用中,控制和驱动处理系统和环境的连续描述,而高级规划通常使用离散描述。本文研究了通过传感器数据连接机器人系统的底层控制和高层规划的问题。特别是,我们提出了一个离散化算法,通过激光雷达点云数据识别自由多面体。然后构造一个转移图,其中每个节点对应于一个自由多面体,如果两个相应的自由多面体相交,则两个节点与一条边相连。此外,距离测量与每个边缘相关联,这允许评估用于高级规划的过渡的质量(或成本)。对于低级别的控制,自由多面体作为一个方便的环境编码,并允许规划无碰撞的轨迹,实现高级别的计划。结果在高保真ROS模拟和无人机和赛格威实验中得到了证明。
2020-11-19 cs.RO cs.SY eess.SY
Evaluation of Smartphone IMUs for Small Mobile Search and Rescue Robots
ShanghaiTech University(上海科技大学)
小型移动机器人是搜救机器人的一个重要类别。将所有必要的组件集成到这样的小型机器人中是一项艰巨的工程任务。智能手机已经被工业界制造得体积小、重量轻、价格便宜,因此是作为此类机器人主控制器的绝佳候选者。在本文中,我们概述了如何在Android设备上使用ROS,然后评估一个对移动机器人非常重要的传感器:惯性测量单元(IMU)。在静态和动态条件下进行了实验,以测量三个智能手机和三个专业的IMU的IMU的误差。在实验中,我们使用的跟踪系统和自主移动机器人。
2019-12-03 cs.RO
Autonomous Intruder Detection Using a ROS-Based Multi-Robot System Equipped with 2D-LiDAR Sensors
North South University(北南大学)
自主移动机器人在机器人安全平台中的应用正成为一个有前途的创新领域,因为它们具有通过广泛的传感器感知潜在干扰的自适应能力。研究人员已经提出了系统,无论是专注于利用一个单一的移动机器人或合作的多个机器人的系统。然而,所提出的工作中,特别是在多机器人系统领域中,很少完全依赖于LiDAR传感器来实现各种任务。当机器人上的其他传感器在特定条件下无法提供峰值性能时,这一点至关重要,例如相机在没有光线的情况下工作。本文提出了一种多机器人系统,开发使用ROS(机器人操作系统)入侵者检测在一个单一的范围传感器每个机器人的情况下,集中处理所有机器人的检测,我们的中央机器人MIDNet(多入侵者检测网络)。这项工作的目的是提供一个自主的多机器人安全解决方案,在没有人类人员的仓库。
2020-11-07 cs.CV cs.MA cs.RO
Modelling the Turtle Python library in CSP
Maynooth University(梅努斯大学)
软件验证是建立关键系统可靠性的重要工具。一个潜在的应用领域是机器人领域,因为机器人在日常领域和高度专业化的领域都承担了更多的任务。机器人通常有一个计划要遵循,如果这个计划中有错误,机器人将无法可靠地执行。提前检查计划错误的能力可以防止这种情况。Python是机器人领域中流行的程序设计语言,通过使用机器人操作系统(ROS)和各种其他库。Python的Turtle包提供了一个移动代理,我们在这里使用通信顺序进程(CSP)正式建模。我们的交互式工具链CSP2Turtle具有CSP模型和Python组件,使Turtle计划能够在Python中执行之前在CSP中进行验证。这意味着可以避免某些类别的错误,并为更详细的验证Turtle程序和更复杂的机器人系统提供了一个起点。我们说明我们的方法与机器人导航和避障的例子在一个二维网格世界。
2022-07-20 cs.RO
Experimental Evaluation of Visual-Inertial Odometry Systems for Arable Farming
CIFASIS, French Argentine International Center for Information and Systems Sciences (CONICET-UNR)(法阿国际信息与系统科学中心(阿根廷国家科学与技术研究理事会-罗萨里奥国立大学))
农业行业不断寻求农业生产中涉及的不同过程的自动化,例如播种,收获和杂草控制。使用移动自主机器人来执行这些任务是非常感兴趣的。耕地对同时定位与地图构建(SLAM)系统提出了严峻的挑战,SLAM系统是移动机器人的关键,由于高度重复的场景和风引起的作物叶子运动而导致视觉困难。近年来,已经开发了几种视觉惯性里程计(VIO)和SLAM系统。它们已被证明是强大的,能够在室内和室外城市环境中实现高精度。然而,在农业领域没有对它们进行适当的评估。在这项工作中,我们评估了最相关的国家的最先进的VIO系统在耕地的准确性和处理时间,以更好地了解他们如何在这些环境中的行为。特别是,进行评估的收集传感器数据记录我们的轮式机器人在大豆领域,这是公开发布的罗萨里奥数据集。评估表明,环境的高度重复性外观,粗糙地形产生的强烈振动以及风引起的树叶运动,暴露了当前最先进的VIO和SLAM系统的局限性。我们分析了系统的故障,并强调所观察到的缺点,包括初始化失败,跟踪丢失和敏感性IMU饱和。最后,我们得出结论,即使某些系统,如ORB-SLAM 3和S-MSCKF显示出良好的效果,相对于其他人,更多的改进应该做,使他们在农业领域的某些应用,如作物行的土壤耕作和农药喷洒可靠。
2022-10-31 cs.RO
ROS Navigation Tuning Guide
ROS导航堆栈功能强大,可让移动机器人可靠地从一个地方移动到另一个地方。导航堆栈的工作是通过处理来自里程计、传感器和环境地图的数据,为机器人提供一条安全的路径。最大化这个导航堆栈的性能需要对参数进行一些微调,这并不像看起来那么简单。一个对概念和推理不熟悉的人可能会胡乱尝试,浪费很多时间。本文旨在指导读者完成微调导航参数的过程。当有人需要知道“如何”和“为什么”设置关键参数的值时,它是参考。本指南假设读者已经设置好了导航堆栈,并准备对其进行优化。这也是我对ROS导航堆栈工作的总结。
2019-04-08 cs.RO
From Language to Navigation Goals: A Vision-Language Approach for Semantic Navigation of Mobile Robots Using RGB-D Perception
研究如何让移动机器人根据自然语言请求进行语义导航,提出基于ROS 2组件的语言驱动导航框架,能识别目标、估计位置并生成导航目标,经仿真和实际场景评估,证明该框架可实现直观人机交互。
2026-10-28 cs.AI cs.RO
Managing a Fleet of Autonomous Mobile Robots (AMR) using Cloud Robotics Platform
TCS Research, Tata Consultancy Services(TCS研究部,塔塔咨询服务公司)
在本文中,我们提供的细节,实现一个系统,用于管理一个车队的自主移动机器人(AMR)在工厂或仓库的前提下运行。虽然机器人本身是自主的运动和避障能力,每个机器人的目标目的地是由一个全局规划器。全局规划器和地面车辆(机器人)构成一个多智能体系统(MAS),通过无线网络相互通信。探讨了三种不同的实施办法。前两种方法利用基于分布式计算的网络机器人架构和机器人操作系统(ROS)本身的通信框架,而第三种方法则使用Rapyuta Cloud Robotics框架来实现。这些方法的比较性能进行了分析,通过仿真以及现实世界的实验与实际的机器人。与通常的ROS框架相比,这些分析提供了对Cloud Robotics Platform内部工作的深入理解。通过这个练习获得的见解将是有价值的学生以及有兴趣在其他地方实现类似系统的实践工程师。在此过程中,我们还确定了当前Rapyuta平台的一些关键限制,并提供了克服这些限制的建议。
2017-06-27 cs.RO
OpenScout v1.1 mobile robot: a case study on open hardware continuation
School of Engineering and Physical Science, University of Lincoln, UK(工程与物理科学学院,林肯大学)
本研究面向科研与工业需求,将开源移动机器人OpenScout升级至v1.1版本,优化机载计算硬件并新增仿真支持,以案例形式呈现开源硬件项目的迭代方法与成果。
2025-08-01 cs.RO
Prognostic and Health Management (PHM) tool for Robot Operating System (ROS)
Research and Development Department, Inovasyon Muhendislik Ltd. Sti.(Inovasyon Mühendislik有限公司研发部门)
如今,自动感知系统越来越多地用于许多系统中,它是维持自治的关键。所有的工程系统,特别是机器人,都不是完美的。在一定的时间内没有故障是完美的系统,这在实践中是不可能的。在所有的工程工作中,我们必须设法预测或尽量减少/防止系统中的故障。系统中的故障通常是未知的,因此通过预测过程来预测这些故障和系统的可靠性。可靠性分析对于提高系统性能、延长系统寿命等具有重要意义。预测和健康管理(PHM)包括可靠性、安全性、预测性故障检测/隔离、高级诊断/故障分析、组件生命周期跟踪、健康报告和信息管理。本研究提出了一个开源的机器人预测和健康管理工具,使用基于模型的方法,即“ROS的预测和健康管理工具”。此工具是一个通用的工具,用于任何类型的机器人(移动机器人,机器人手臂,无人机等)与ROS兼容。该工具的一些功能是管理/监控机器人的健康状况,RUL,任务完成概率(PoTC)等用户能够输入必要的方程和组件信息(危险率,机器人配置等)。PHM工具和其他传感数据,如温度,湿度,压力,负载等,除了这些,一个案例研究进行移动机器人(OTA)使用此工具。
2020-11-18 cs.RO
RCSP: Risk-Sensitive Conjectural Scenario Planning for Safe Dynamic Robot Navigation
Department of Electrical and Computer Engineering(电气计算机工程系)
提出风险敏感推测性场景规划(RCSP),通过轻量级信念维护、未来交互采样和高风险尾部惩罚,结合局部安全检查,解决移动机器人在动态障碍物环境中的预测性近碰撞承诺问题,并在仿真中验证其提升安全性和路径质量。
2026-05-25 cs.RO
Robots that Sync and Swarm: A Proof of Concept in ROS 2
University of Klagenfurt(克拉根福大学)
最近提出了一个统一的数学模型的同步和群集。每个系统实体,称为“swarmalator”,以这两个属性相互耦合的方式与其他实体协调其内部相位和位置。本文首次在技术系统中认识和研究了自适应振荡器的概念。我们适应和扩展其使用移动机器人的原始模型,并在机器人操作系统2(ROS 2)中实现它。小型机器人的仿真和实验证明了该模型的可行性,并显示其潜在的应用于现实世界的系统。在理论上实现的所有类型的时空模式都可以在实践中重现。应用可以在监测、探索、娱乐和艺术等领域找到。
2019-09-12 cs.RO
HyperDog: An Open-Source Quadruped Robot Platform Based on ROS2 and micro-ROS
Skoltech(斯科尔科沃科学技术研究院)
四足步行机器人的设计与开发是目前一个十分活跃的科研领域。事实上,与其他移动机器人相比,足式机器人由于其适应恶劣地形和各种环境条件的能力而变得流行。随着人们对足式机器人实验的需求越来越高,越来越多的研究者和工程师需要一种经济、快速的运动算法开发方法。在本文中,我们提出了一种新的开源四足机器人HyperDog平台,它具有12个RC伺服电机,板载NVIDIA Jetson纳米计算机和STM32 F4 Discovery板。HyperDog是一个用于四足机器人软件开发的开源平台,它基于Robot操作系统2(ROS 2)和micro-ROS。此外,HyperDog是一种完全由3D打印部件和碳纤维制成的四足机器狗,这使得机器人具有较轻的重量和良好的强度。这项工作的想法是展示一个负担得起的和可定制的机器人开发方式,并提供研究和工程师与足式机器人平台,在不同的算法可以在仿真和真实环境中进行测试和验证。已开发的项目和代码可在GitHub(https://github.com/NDHANA94/hyperdog_ros2)上获得。
2022-09-19 cs.RO
A Comparison of Modern General-Purpose Visual SLAM Approaches
Samsung Research Russia(三星俄罗斯研究院);Samsung Research America(三星美国研究院)
移动和腿式机器人技术的不断成熟正在改变机器人部署和发现的环境。这一创新要求对同时定位与地图构建(SLAM)系统进行转型,以支持新一代服务和消费机器人。传统上强大的2D激光雷达系统不再占主导地位,而机器人正在部署在多层室内,室外非结构化和城市领域,具有越来越便宜的立体声和RGB-D相机。Visual SLAM(VSLAM)系统几十年来一直是研究的主题,少数公开可用的实现已经脱颖而出:ORB-SLAM 3,OpenVSLAM和RTABMap。本文提出了一个比较这3个现代的,功能丰富的,独特的强大的VSLAM技术,还没有对彼此进行基准测试,使用几个不同的数据集跨越多个域的服务机器人协商。ORB-SLAM 3和OpenVSLAM都没有与文献中的至少一个数据集进行比较,我们通过这个镜头提供了见解。该分析旨在寻找通用、功能完整和多域VSLAM选项,以支持广泛的机器人应用,从而集成到新的和改进的ROS 2 Nav 2系统中,作为传统2D激光雷达解决方案的合适替代方案。
2021-08-05 cs.RO
WetExplorer: Automating Wetland Greenhouse-Gas Surveys with an Autonomous Mobile Robot
Department of Mechanical and Production Engineering, Aarhus University(机械与生产工程系,奥胡斯大学)
针对湿地温室气体人工采样费力耗时的问题,提出自主履带式机器人WetExplorer,其集成多模块于ROS2栈,经试验验证定位、位姿估计及运动规划精度,实现采样自动化,支持高频多站点测量与密集长期数据采集。
2025-11-14 cs.RO cs.SY eess.SY
An Online Semantic Mapping System for Extending and Enhancing Visual SLAM
Otto von Guericke University Magdeburg(马格德堡奥托·冯·格里克大学)
我们提出了一个实时的语义映射方法,移动视觉系统的2D到3D目标检测管道和生成的地标快速数据关联。除了语义地图富集之外,还将相关联的检测作为语义约束引入到用于姿态校正目的的同时定位与地图构建(SLAM)系统中。通过这种方式,我们能够生成允许实现更高级别任务的附加有意义的信息,同时利用目标检测的视图不变性来提高里程估计的准确性和鲁棒性。我们提出了局部关联对象观测的轨迹来处理模糊和错误的预测,以及一个基于不确定性的贪婪关联计划,以加速处理时间。我们的系统达到了实时能力,平均迭代持续时间为65 ms,并且能够在公共数据集上将最先进的SLAM的姿态估计提高高达68%。此外,我们将我们的方法实现为模块化ROS包,这使得它可以直接集成到任意基于图形的SLAM方法中。
2022-03-08 cs.AI cs.CV cs.RO