/autonomous_navigation

智能移动机器人大作业

Primary LanguagePython

autonomius_navigation_project_2022w

2022冬学期 智能移动机器人大作业

https://github.com/Jh142857/autonomous_navigation

0 代码结构与分工

此次作业由陈俊豪和田娅斌两人共同完成，贡献基本各占50%。

代码结构如下：

  • eband_local_planner：ROS内置包
  • hallucination：主要代码实现部分，LfH算法（参考文献，参考代码）
    • data：不同最大速度下的数据集
    • ego_timer：Ego_planner
    • interesting_models：存放训练练好的模型权重
    • LfD2D/3D：分别对应2D导航和3D导航时运动规划器模型及训练
    • LfH：训练hallucination函数
  • jackal
  • jackal_desktop
  • jackal_helper
  • jackal_simulator
  • res
  • rviz_tool：可视化部分代码
  • scripts

1 导航算法：Learn from Hallucination

算法原理如下：

  • 在自由空间中使用随机策略$\pi$收集自由空间中的运动规划$(p, c_c, c_g)$，得到运动规划数据集$P$；
  • 通过编码器-解码器方式学习参数$\psi^$，得到对应的幻觉函数$g_{\psi^}(p|c_c, c_g)$；
  • 对于$P$中的每个数据$(p, c_c, c_g)$，从$g_{\psi^*}(p|c_c, c_g)$中随机采样障碍物$C_{obst}$，将数据$(C_{obst}, p, c_c, c_g)$加入训练数据集$D_{train}$；
  • 利用训练数据学习运动规划器$f_{\theta}(\cdot )$

2 运行方式

2.1 python虚拟环境搭建

为了更方便进行库管理，首先需要搭建python虚拟环境，python自带的venv或者conda环境均可，下面以venv为例：

sudo apt -y update
sudo apt-get -y install python3-venv
python3 -m venv ~/nav_challenge
export PATH="~/nav_challenge/bin:$PATH"

然后激活虚拟环境：

source ~/nav_challenge/bin/activate

安装下列需要的库：

pip3 install defusedxml rospkg netifaces numpy pyyaml scipy torch==1.7 torchvision==0.8 tensorboard

2.2 安装ros包依赖

进入工作区，运行：

source /opt/ros/noetic/setup.bash
rosdep init 
rosdep update
rosdep install -y --from-paths . --ignore-src --rosdistro=noetic

2.3 构建环境

catkin_make
source ./devel/setup.bash(.zsh)

2.4 运行

单独测试

  • 打开gazebo gui，加上--gui
  • 打开rviz可视化，加上--rviz
cd src/scripts
sudo chmod +x ./run.py
python3 run.py --gui --world_idx 0

在多张地图中进行测试：

cd src/scripts
sudo chmod +x test.sh
./test.sh

对结果进行平均评分：

cd src/scripts
sudo chmod +x ./run.py
python3 report_test.py --out_path out_LfLH.txt

训练幻觉函数：

cd src/hallucinatio/LfH
sudo chmod +x ./LfH_main.py
python3 LfH_main.py

根据幻觉函数采样数据训练规划函数

cd src/hallucinatio/LfD_2D
sudo chmod +x ./LfD_main.py
python3 LfD_main.py