双缓冲、采样、协调切换可运行;P 矩阵与多处参数缺失。
核心方法可运行履带车尚未实测
双经验回放、认知采样、安全切换、动作融合和学习器已有可运行实现。实验室已确认使用 BUNKER MINI 2.0 与 ROS 2 Humble;厂家驱动接口和本项目动作适配代码已核对。现场传感器、导航程序与实车运行仍待验证。
色带只表示下方 12 个审查项的分类,不代表实验完成百分比或论文复现率。
已核对 AgileX 的 Twist 驱动接口,并写好动作适配器;ROS 在线未验证。
已知 BUNKER MINI 2.0 / Humble;缺现场传感器映射、导航程序与实车测试。
论文框架在当前项目中的路径
点击节点看代码与缺口。图示为软件关系,不是机器人实时控制图。
查看它在代码中做了什么,以及距离论文原实验还差什么。
代码到底复现到哪一步?
状态依据英文论文第 III–IV 节及实际代码。点击卡片查看证据。
“公式流程已测”只代表本项目中的实现和相关单元测试,不代表作者原始实现或安全证明。
这些组件分别在做什么?
Gazebo 是外部训练场,不是机器人身体的一部分。
相机、雷达、IMU
采集障碍、位置和倾斜等原始数据;视觉和状态估计把它们整理成算法能读的观测。
学习智能体 / 经验回放
把走过的动作和结果存起来,再通过认知采样和 DDPG 改进策略。
Interactive-FAR / 协调器
规划避障并在危险状态接管。当前代码有切换逻辑,但还没有履带车可用的保底控制器。
ROS 2 / 底盘控制器
ROS 2 负责传消息,底盘控制器把速度命令变成左右履带的电机运动。
Gazebo 森林世界
电脑里的地形、树、石头。本项目新生成了三份替代场景;还需加真实车型模型和驱动插件。
论文实验与履带车的关系
不要求场景完全相同;重点是核心方法在履带机器人上正确接通并经实车验证。
一张可编辑的森林练习场
下面是本项目生成的 SDF 场景俯视图。切换固定随机种子,可看到树木、石块和小起伏的不同分布。它是文件预览,尚未在 Gazebo 运行,也没有履带车模型。
下载当前 SDF 场景 ↗正在读取场景布局…
安全集合如何切换?
这里用浏览器重算论文公布的两个安全谓词,便于看懂协调器。它不调用本地 Python,也没有连接机器人。履带车的阈值必须现场重新设计。
位于示例安全集合内
协调器会选择 Learning-Agent 的动作。
实验室履带车:先查什么,再做什么
勾选只保存在此浏览器,用来整理现场信息;勾选本身不表示通过安全验证。
展开只读环境检查命令
在实验室控制电脑的原有终端运行;只用于了解环境,不会控制车辆。
cat /etc/os-release
python3 --version
printenv ROS_DISTRO
command -v ros2
ros2 node list
ros2 topic list -t确认某个话题真实存在后,再用 ros2 topic info <实际话题名> -v 查看消息类型。
本机确实跑通了什么
2026-11-10 · Windows · 未安装 ROS 2 CLI