54 lines
3.0 KiB
Markdown
54 lines
3.0 KiB
Markdown
# Soft Arm Sim - ROS 2 柔性机械臂深度学习与仿真平台
|
||
|
||
## 此仓库内容为 **src** 文件夹下的代码
|
||
|
||
  
|
||
|
||
这是一个基于 ROS 2 Humble 开发的通用柔性机械臂（Soft Manipulator）仿真与控制平台。
|
||
本项目不仅实现了基于 **常曲率（PCC）** 的运动学模型和高帧率无延迟仿真，还集成了一套完整的 **数据驱动逆运动学（Data-Driven IK）** 深度学习工作流，支持 3D 轨迹规划与避障。
|
||
|
||
## 🤖 机器人参数
|
||
|
||
- **物理构型**：3 段串联 PCC (Piecewise Constant Curvature) 结构。
|
||
- **尺寸参数**：
|
||
- 总长：0.72m (3段 x 0.24m)
|
||
- 磁盘直径：80mm
|
||
- 绳索孔距：33mm
|
||
- **自由度**：6 DoF (Configuration Space: $\theta_1, \phi_1, \dots, \theta_3, \phi_3$)。
|
||
|
||
## ✨ 核心特性
|
||
|
||
1. **零延迟可视化 (Zero-Latency Viz)**：
|
||
- 摒弃传统的 `RobotModel` + TF 插值方案，采用自定义 `MarkerArray` 技术，实现了骨架与圆盘的绝对时序同步，彻底消除 Rviz 中的“视觉拖影”问题。
|
||
|
||
2. **深度学习逆运动学 (Deep Learning IK)**：
|
||
- 基于 PyTorch 的全连接网络 (MLP)。
|
||
- 采用 **三角函数编码 (Trigonometric Encoding)** 解决关节角周期性断崖问题。
|
||
- 实现了 **Sim2AI2Sim** 闭环：数据生成 -> 模型训练 -> 实时推理控制。
|
||
|
||
3. **高度可配置**：
|
||
- 所有物理参数均通过 `config/config.yaml` 管理，无需修改代码即可调整机械臂尺寸。
|
||
|
||
## 📂 项目结构
|
||
|
||
```text
|
||
src/soft_arm_sim/
|
||
├── config/ # [配置] 机器人物理参数与仿真频率配置
|
||
│ └── config.yaml
|
||
├── launch/ # [启动] 一键启动脚本
|
||
├── soft_arm_sim/ # === Python 核心源码 ===
|
||
│ ├── base/ # [可视化层]
|
||
│ │ └── simulation_node.py # 核心仿真器：计算 PCC 正解，发布无延迟 Marker 和 TF
|
||
│ ├── control/ # [传统控制]
|
||
│ │ └── test_controller.py # 简单的正弦波开环控制示例
|
||
│ ├── model/ # [数学层]
|
||
│ │ └── pcc_kinematics.py # 纯数学 PCC 运动学库 (无 ROS 依赖，可被 PyTorch 调用)
|
||
│ └── deeplearning/ # [智能层 - 核心亮点]
|
||
│ ├── dataset_generator.py # 数据生成器：生成平滑约束下的 (Pos -> Angles) 数据集
|
||
│ ├── train.py # 训练脚本：带有归一化和学习率衰减的训练流程
|
||
│ ├── pinn_model.py # 网络定义：支持三角编码的高维 MLP
|
||
│ ├── inference_node.py # 推理节点：加载模型，实现 3D 规划、避障与闭环控制
|
||
│ └── *.pth / *.csv # 训练好的模型权重与数据集
|
||
└── urdf/ # [描述] 机器人的基础 TF 树描述
|
||
```
|