From fa0864d3e5ed931d02b3fea958c103b2b17f7042 Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Fri, 19 Dec 2025 15:32:28 +0800 Subject: [PATCH 01/12] =?UTF-8?q?=E6=8F=90=E4=BA=A4=E9=80=89=E9=A2=98?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/simple_wheeled_vehicle/README.md | 49 ++++++++++++++++++++++++++++ 1 file changed, 49 insertions(+) create mode 100644 src/simple_wheeled_vehicle/README.md diff --git a/src/simple_wheeled_vehicle/README.md b/src/simple_wheeled_vehicle/README.md new file mode 100644 index 0000000000..d6a7ae411e --- /dev/null +++ b/src/simple_wheeled_vehicle/README.md @@ -0,0 +1,49 @@ +简易轮式小车 MuJoCo 模型 +README.md +markdown +# 简易轮式小车 MuJoCo 仿真模型 +一款轻量化的**2驱动轮+1万向轮**轮式小车 MuJoCo 模型,适用于移动机器人运动控制入门学习。 + +## 模型概述 +- **结构组成**:长方体底盘 + 2个后置驱动轮 + 1个前置万向轮 +- **关节类型**:驱动轮采用铰链关节(沿Y轴旋转),万向轮采用球关节(360°自由转向) +- **控制方式**:驱动轮速度控制,支持差速转向 +- **引擎兼容性**:MuJoCo 2.1 及以上版本 + +## 模型文件结构 +simple_wheeled_car/├── car_model.xml # 核心 MJCF 模型文件└── README.md # 模型说明文档 +plaintext + +## 核心组件说明 +| 组件 | 类型 | 功能 | +|-----------|------|----------| +| 底盘 | 长方体几何 | 小车主体,承载所有部件 | +| 左/右驱动轮 | 圆柱体几何 | 由速度执行器驱动,提供动力 | +| 万向轮 | 球体几何 | 支撑车身,实现自由转向 | +| 铰链关节 | 铰链类型 | 约束驱动轮沿固定轴旋转 | +| 球关节 | 球型类型 | 允许万向轮无驱动自由转向 | +| 速度执行器 | 速度类型 | 控制驱动轮旋转速度 | + +## 快速上手 +1. 将 `car_model.xml` 放入你的 MuJoCo 项目目录 +2. 在 MuJoCo 模拟器或自定义代码中加载该模型 +3. 通过为 `left_wheel_vel` 和 `right_wheel_vel` 执行器设置目标速度来控制小车 + +## 控制逻辑 +- **直线运动**:为左右驱动轮设置相同的目标速度(正数前进,负数后退) +- **差速转向**:为两个驱动轮设置不同的目标速度(速度差越大,转向半径越小) + +## 自定义优化技巧 +- 调整底盘几何的 `size` 参数,修改车身尺寸 +- 修改惯性参数的 `mass` 值,调整车身重量和动力学性能 +- 更改速度执行器的 `ctrlrange` 参数,限制驱动轮最大转速 +模型大纲(car_model.xml 结构) +编译器配置:设置角度单位为弧度,启用从几何形状计算惯性参数 +默认参数定义:配置全局几何颜色、关节转动惯量和阻尼系数 +世界体定义 +搭建光源和地面平面 +定义带长方体几何与惯性参数的底盘体 +定义带铰链关节与圆柱体几何的左右驱动轮体 +定义带球关节与球体几何的万向轮体 +执行器配置:为两个驱动轮关节添加速度执行器 +可选扩展:添加传感器(如关节速度传感器)用于数据采集 \ No newline at end of file From 197efeccfc4e5ac116108f5b8b2c8eab62336771 Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Fri, 19 Dec 2025 16:33:43 +0800 Subject: [PATCH 02/12] =?UTF-8?q?=E6=8F=90=E4=BA=A4=E9=80=89=E9=A2=98?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/simple_wheeled_vehicle/README.md | 3 --- 1 file changed, 3 deletions(-) diff --git a/src/simple_wheeled_vehicle/README.md b/src/simple_wheeled_vehicle/README.md index d6a7ae411e..77edb8d4f7 100644 --- a/src/simple_wheeled_vehicle/README.md +++ b/src/simple_wheeled_vehicle/README.md @@ -1,6 +1,3 @@ -简易轮式小车 MuJoCo 模型 -README.md -markdown # 简易轮式小车 MuJoCo 仿真模型 一款轻量化的**2驱动轮+1万向轮**轮式小车 MuJoCo 模型,适用于移动机器人运动控制入门学习。 From 9bb7d1f364da935fc8653221536796dccced043b Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Fri, 19 Dec 2025 17:42:07 +0800 Subject: [PATCH 03/12] =?UTF-8?q?=E6=8F=90=E4=BA=A4=E9=80=89=E9=A2=98?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/simple_wheeled_vehicle/README.md | 175 ++++++++++++++++++++------- 1 file changed, 129 insertions(+), 46 deletions(-) diff --git a/src/simple_wheeled_vehicle/README.md b/src/simple_wheeled_vehicle/README.md index 77edb8d4f7..d38afd39ea 100644 --- a/src/simple_wheeled_vehicle/README.md +++ b/src/simple_wheeled_vehicle/README.md @@ -1,46 +1,129 @@ -# 简易轮式小车 MuJoCo 仿真模型 -一款轻量化的**2驱动轮+1万向轮**轮式小车 MuJoCo 模型,适用于移动机器人运动控制入门学习。 - -## 模型概述 -- **结构组成**:长方体底盘 + 2个后置驱动轮 + 1个前置万向轮 -- **关节类型**:驱动轮采用铰链关节(沿Y轴旋转),万向轮采用球关节(360°自由转向) -- **控制方式**:驱动轮速度控制,支持差速转向 -- **引擎兼容性**:MuJoCo 2.1 及以上版本 - -## 模型文件结构 -simple_wheeled_car/├── car_model.xml # 核心 MJCF 模型文件└── README.md # 模型说明文档 -plaintext - -## 核心组件说明 -| 组件 | 类型 | 功能 | -|-----------|------|----------| -| 底盘 | 长方体几何 | 小车主体,承载所有部件 | -| 左/右驱动轮 | 圆柱体几何 | 由速度执行器驱动,提供动力 | -| 万向轮 | 球体几何 | 支撑车身,实现自由转向 | -| 铰链关节 | 铰链类型 | 约束驱动轮沿固定轴旋转 | -| 球关节 | 球型类型 | 允许万向轮无驱动自由转向 | -| 速度执行器 | 速度类型 | 控制驱动轮旋转速度 | - -## 快速上手 -1. 将 `car_model.xml` 放入你的 MuJoCo 项目目录 -2. 在 MuJoCo 模拟器或自定义代码中加载该模型 -3. 通过为 `left_wheel_vel` 和 `right_wheel_vel` 执行器设置目标速度来控制小车 - -## 控制逻辑 -- **直线运动**:为左右驱动轮设置相同的目标速度(正数前进,负数后退) -- **差速转向**:为两个驱动轮设置不同的目标速度(速度差越大,转向半径越小) - -## 自定义优化技巧 -- 调整底盘几何的 `size` 参数,修改车身尺寸 -- 修改惯性参数的 `mass` 值,调整车身重量和动力学性能 -- 更改速度执行器的 `ctrlrange` 参数,限制驱动轮最大转速 -模型大纲(car_model.xml 结构) -编译器配置:设置角度单位为弧度,启用从几何形状计算惯性参数 -默认参数定义:配置全局几何颜色、关节转动惯量和阻尼系数 -世界体定义 -搭建光源和地面平面 -定义带长方体几何与惯性参数的底盘体 -定义带铰链关节与圆柱体几何的左右驱动轮体 -定义带球关节与球体几何的万向轮体 -执行器配置:为两个驱动轮关节添加速度执行器 -可选扩展:添加传感器(如关节速度传感器)用于数据采集 \ No newline at end of file +# 简易轮式小车智能代理 + +## 项目简介 +一个基于PyTorch神经网络与ROS的**简易轮式小车智能代理**,主要面向Carla自动驾驶模拟器。项目实现了从感知到控制的基本自动驾驶流程,模块化设计清晰,便于学习、扩展与二次开发。 + +## 功能特性 +- **环境感知**:处理相机图像,识别车道线、可行驶区域及动态障碍物。 +- **决策规划**:基于感知结果进行局部路径规划与动态避障决策。 +- **运动控制**:输出转向、油门及刹车指令,控制小车沿规划路径行驶。 +- **训练接口**:提供数据采集与模型训练接口,支持强化学习与模仿学习。 +- **ROS集成**:通过ROS节点进行模块间通信,支持传感器数据发布与控制指令订阅。 + +## 环境要求 +- **操作系统**:Ubuntu 20.04/22.04(推荐)或 Windows 10/11(WSL2) +- **Python**:3.7 - 3.12 +- **核心框架**:PyTorch >= 1.9.0(CPU/GPU版本均可) +- **模拟器**:Carla 0.9.14+ +- **可选依赖**:ROS Noetic 或 ROS2 Foxy(用于ROS通信) +- **基础包**:numpy, opencv-python, matplotlib + +## 项目结构 +``` +src/simple_wheeled_agent/ +├── main.py # 模块主入口 (非ROS启动) +├── main.launch # ROS启动配置文件 +├── requirements.txt +├── config/ +│ └── default.yaml # 配置文件 +├── docs/ # 模块文档 +├── models/ # 预训练模型存放处 +├── scripts/ # 工具脚本 +├── src/ # 核心源代码 +│ ├── perception/ +│ │ ├── __init__.py +│ │ ├── image_processor.py # 图像处理与神经网络推理 +│ │ └── data_collector.py # 训练数据采集 +│ ├── planning/ +│ │ ├── __init__.py +│ │ └── local_planner.py # 局部路径规划器 +│ ├── control/ +│ │ ├── __init__.py +│ │ └── pid_controller.py # 运动控制器 +│ └── utils/ # 通用工具函数 +└── tests/ # 单元测试 +``` + +## 快速开始 +1. **安装依赖**: + ```bash + cd src/simple_wheeled_agent + pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ + ``` + +2. **启动Carla服务端** (在另一个终端): + ```bash + ./CarlaUE4.sh -quality-level=Low # 可根据硬件调整画质 + ``` + +3. **运行代理**: + ```bash + python main.py --config config/default.yaml + ``` + 程序将连接Carla,生成车辆,并开始自主驾驶。 + +4. **(可选) ROS模式**: + ```bash + roslaunch simple_wheeled_agent main.launch + ``` + +## 主要类和方法 +- **`PerceptionAgent` (感知模块)**: + - `process_image(raw_image)`: 处理原始图像,输出车道与障碍物信息。 + - `collect_training_data()`: 采集带标签的训练数据。 + +- **`LocalPlanner` (规划模块)**: + - `compute_path(perception_result, goal)`: 根据感知结果和全局目标计算局部路径。 + - `dynamic_obstacle_avoidance()`: 动态避障算法。 + +- **`VehicleController` (控制模块)**: + - `update_control(target_path, current_state)`: 根据目标路径和车辆状态计算控制量。 + - `get_control()`: 返回当前的控制指令(转向、油门、刹车)。 + +## 配置参数 +关键参数可在 `config/default.yaml` 中调整: +```yaml +carla: + host: localhost + port: 2000 + timeout: 10.0 +vehicle: + target_speed: 30.0 # 目标速度 (km/h) + max_steer_angle: 70.0 # 最大转向角 (度) +perception: + model_path: models/perception_model.pth + image_width: 640 + image_height: 480 +``` + +## 数据输出 +运行过程中会生成以下数据: +1. **控制台输出**:车辆状态、控制指令、故障信息。 +2. **日志文件** (位于 `logs/`): 运行日志与性能统计。 +3. **数据记录** (训练模式下): 图像与对应控制指令,保存于 `data/train/`。 +4. **可视化窗口**:实时显示处理后的图像与规划路径。 + +## 扩展建议 +- **更换模拟器**:参考现有Carla接口,为AirSim或MuJoCo实现对应的环境包装器。 +- **改进感知模型**:替换 `perception` 模块中的网络结构(如使用ResNet、Transformer)。 +- **尝试新算法**:在 `planning` 模块中实现强化学习(PPO、SAC)或更先进的规划算法。 +- **增加传感器**:集成激光雷达(Lidar)或雷达(Radar)数据进行多传感器融合。 + +## 常见问题 +1. **Q: 无法连接到Carla服务器** + A: 请确认CarlaUE4正在运行,且端口未被占用。检查配置中的 `host` 和 `port`。 + +2. **Q: 运行时报错 “No module named ‘torch’”** + A: 请单独安装与你的Python及CUDA版本匹配的PyTorch。 + +3. **Q: 车辆控制不平稳,抖动严重** + A: 尝试调整 `config/default.yaml` 中的PID控制参数,或降低 `target_speed`。 + +4. **Q: 如何用自己的数据训练模型?** + A: 运行 `python main.py --mode collect` 采集数据,然后使用 `scripts/train_model.py` 进行训练。 + +5. **Q: ROS节点无法启动** + A: 确保ROS环境已正确配置 (`source /opt/ros//setup.bash`),且所有ROS依赖已安装。 + +--- +*更详细的API文档请使用 `mkdocs serve` 在本地构建和查看。* \ No newline at end of file From 1dea8a604524c0fa086a740c8304c9f7db3e3338 Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Fri, 19 Dec 2025 21:02:41 +0800 Subject: [PATCH 04/12] =?UTF-8?q?=E6=8F=90=E4=BA=A4=E9=80=89=E9=A2=98?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/simple_wheeled_vehicle/model.py | 619 ++++++++++++++++++++++++++++ 1 file changed, 619 insertions(+) create mode 100644 src/simple_wheeled_vehicle/model.py diff --git a/src/simple_wheeled_vehicle/model.py b/src/simple_wheeled_vehicle/model.py new file mode 100644 index 0000000000..676d3be48d --- /dev/null +++ b/src/simple_wheeled_vehicle/model.py @@ -0,0 +1,619 @@ +import pygame +import math +import sys +import numpy as np +from typing import Tuple, List + +# 初始化pygame +pygame.init() + +# 颜色定义 +BACKGROUND = (30, 30, 40) +CAR_BODY = (70, 130, 180) +CAR_WHEEL = (50, 50, 60) +SENSOR_COLOR = (255, 200, 0, 150) +TEXT_COLOR = (220, 220, 220) +GRID_COLOR = (60, 60, 70) +OBSTACLE_COLOR = (180, 80, 80) +PATH_COLOR = (100, 200, 100, 150) +BUTTON_COLOR = (80, 80, 100) +BUTTON_HOVER_COLOR = (100, 100, 120) + +# 小车参数 +CAR_WIDTH = 60 +CAR_HEIGHT = 40 +WHEEL_RADIUS = 12 +WHEEL_WIDTH = 6 +SENSOR_RANGE = 150 +SENSOR_ANGLE = 45 # 度数 + +# 创建窗口 +WIDTH, HEIGHT = 1000, 700 +screen = pygame.display.set_mode((WIDTH, HEIGHT)) +pygame.display.set_caption("轮式小车模型模拟器") +clock = pygame.time.Clock() + + +class Button: + """按钮类""" + + def __init__(self, x, y, width, height, text): + self.rect = pygame.Rect(x, y, width, height) + self.text = text + self.color = BUTTON_COLOR + self.hover_color = BUTTON_HOVER_COLOR + self.current_color = self.color + self.font = pygame.font.SysFont(None, 24) + + def draw(self, surface): + pygame.draw.rect(surface, self.current_color, self.rect, border_radius=5) + pygame.draw.rect(surface, (120, 120, 140), self.rect, 2, border_radius=5) + + text_surf = self.font.render(self.text, True, TEXT_COLOR) + text_rect = text_surf.get_rect(center=self.rect.center) + surface.blit(text_surf, text_rect) + + def check_hover(self, pos): + if self.rect.collidepoint(pos): + self.current_color = self.hover_color + return True + else: + self.current_color = self.color + return False + + def is_clicked(self, pos, event): + if event.type == pygame.MOUSEBUTTONDOWN and event.button == 1: + return self.rect.collidepoint(pos) + return False + + +class Obstacle: + """障碍物类""" + + def __init__(self, x, y, radius): + self.x = x + self.y = y + self.radius = radius + + def draw(self, surface): + pygame.draw.circle(surface, OBSTACLE_COLOR, (self.x, self.y), self.radius) + pygame.draw.circle(surface, (150, 60, 60), (self.x, self.y), self.radius, 2) + + +class WheeledCar: + """轮式小车类""" + + def __init__(self, x, y): + self.x = x + self.y = y + self.width = CAR_WIDTH + self.height = CAR_HEIGHT + self.angle = 0 # 朝向角度(弧度) + self.speed = 0 + self.max_speed = 4 + self.angular_speed = 0 + self.max_angular_speed = 0.08 + self.left_wheel_speed = 0 + self.right_wheel_speed = 0 + self.sensor_data = [0, 0, 0] # 左、前、右传感器 + self.path = [] # 记录轨迹 + self.max_path_length = 100 + + def update(self, obstacles): + """更新小车状态""" + # 更新位置 + self.x += self.speed * math.cos(self.angle) + self.y += self.speed * math.sin(self.angle) + + # 更新角度 + self.angle += self.angular_speed + + # 归一化角度到0-2π + self.angle %= 2 * math.pi + + # 更新传感器数据 + self.update_sensors(obstacles) + + # 记录轨迹 + self.path.append((self.x, self.y)) + if len(self.path) > self.max_path_length: + self.path.pop(0) + + def update_sensors(self, obstacles): + """更新传感器数据""" + sensor_angles = [ + self.angle - math.radians(SENSOR_ANGLE), # 左传感器 + self.angle, # 前传感器 + self.angle + math.radians(SENSOR_ANGLE) # 右传感器 + ] + + for i, sensor_angle in enumerate(sensor_angles): + min_distance = SENSOR_RANGE + + # 传感器射线终点 + end_x = self.x + SENSOR_RANGE * math.cos(sensor_angle) + end_y = self.y + SENSOR_RANGE * math.sin(sensor_angle) + + # 检查与所有障碍物的交点 + for obstacle in obstacles: + distance = self.line_obstacle_intersection( + self.x, self.y, end_x, end_y, obstacle + ) + if distance < min_distance: + min_distance = distance + + # 存储传感器数据(归一化到0-1) + self.sensor_data[i] = 1.0 - (min_distance / SENSOR_RANGE) + + def line_obstacle_intersection(self, x1, y1, x2, y2, obstacle): + """计算线段与障碍物的交点距离""" + # 从障碍物对象获取属性 + ox = obstacle.x + oy = obstacle.y + radius = obstacle.radius + + # 线段向量 + dx = x2 - x1 + dy = y2 - y1 + + # 圆心到线段起点的向量 + fx = x1 - ox + fy = y1 - oy + + # 二次方程系数 + a = dx * dx + dy * dy + b = 2 * (fx * dx + fy * dy) + c = (fx * fx + fy * fy) - radius * radius + + # 判别式 + discriminant = b * b - 4 * a * c + + if discriminant < 0: + # 没有交点 + return SENSOR_RANGE + + discriminant = math.sqrt(discriminant) + + # 两个解 + t1 = (-b - discriminant) / (2 * a) + t2 = (-b + discriminant) / (2 * a) + + # 检查交点是否在线段上 + hits = [] + if 0 <= t1 <= 1: + hits.append(t1) + if 0 <= t2 <= 1: + hits.append(t2) + + if not hits: + return SENSOR_RANGE + + # 返回最近交点的距离 + t = min(hits) + intersection_x = x1 + t * dx + intersection_y = y1 + t * dy + + return math.sqrt((intersection_x - x1) ** 2 + (intersection_y - y1) ** 2) + + def set_control(self, forward, backward, left, right): + """设置控制输入""" + # 计算线速度 + if forward and not backward: + self.speed = self.max_speed + elif backward and not forward: + self.speed = -self.max_speed / 2 + else: + self.speed = 0 + + # 计算角速度 + if left and not right: + self.angular_speed = -self.max_angular_speed + elif right and not left: + self.angular_speed = self.max_angular_speed + else: + self.angular_speed = 0 + + # 模拟差速驱动 + if self.speed != 0: + if left: + self.left_wheel_speed = self.speed * 0.5 + self.right_wheel_speed = self.speed + elif right: + self.left_wheel_speed = self.speed + self.right_wheel_speed = self.speed * 0.5 + else: + self.left_wheel_speed = self.speed + self.right_wheel_speed = self.speed + else: + self.left_wheel_speed = 0 + self.right_wheel_speed = 0 + + def draw(self, surface): + """绘制小车""" + # 绘制轨迹 + if len(self.path) > 1: + pygame.draw.lines(surface, PATH_COLOR, False, self.path, 2) + + # 计算小车四个角的坐标 + cos_angle = math.cos(self.angle) + sin_angle = math.sin(self.angle) + + half_width = self.width / 2 + half_height = self.height / 2 + + # 车身四个顶点 + corners = [ + (-half_width, -half_height), + (half_width, -half_height), + (half_width, half_height), + (-half_width, half_height) + ] + + # 旋转和平移顶点 + rotated_corners = [] + for x, y in corners: + # 旋转 + rx = x * cos_angle - y * sin_angle + ry = x * sin_angle + y * cos_angle + # 平移 + tx = rx + self.x + ty = ry + self.y + rotated_corners.append((tx, ty)) + + # 绘制车身 + pygame.draw.polygon(surface, CAR_BODY, rotated_corners) + pygame.draw.polygon(surface, (40, 80, 130), rotated_corners, 2) + + # 绘制轮子 + wheel_offsets = [ + (-half_width + 5, -half_height - WHEEL_WIDTH / 2), # 左前轮 + (-half_width + 5, half_height - WHEEL_WIDTH / 2), # 左后轮 + (half_width - 5, -half_height - WHEEL_WIDTH / 2), # 右前轮 + (half_width - 5, half_height - WHEEL_WIDTH / 2) # 右后轮 + ] + + for wx, wy in wheel_offsets: + # 旋转轮子位置 + rx = wx * cos_angle - wy * sin_angle + ry = wx * sin_angle + wy * cos_angle + tx = rx + self.x + ty = ry + self.y + + # 绘制轮子 + pygame.draw.ellipse(surface, CAR_WHEEL, + (tx - WHEEL_RADIUS, ty - WHEEL_WIDTH / 2, + WHEEL_RADIUS * 2, WHEEL_WIDTH)) + + # 轮子上的条纹(表示转动) + stripe_angle = self.angle + pygame.time.get_ticks() / 100 + stripe_x = tx + WHEEL_RADIUS * 0.7 * math.cos(stripe_angle) + stripe_y = ty + WHEEL_RADIUS * 0.7 * math.sin(stripe_angle) + pygame.draw.circle(surface, (30, 30, 40), (int(stripe_x), int(stripe_y)), WHEEL_WIDTH // 2) + + # 绘制传感器 + sensor_angles = [ + self.angle - math.radians(SENSOR_ANGLE), + self.angle, + self.angle + math.radians(SENSOR_ANGLE) + ] + + for i, sensor_angle in enumerate(sensor_angles): + # 传感器探测距离基于传感器数据 + sensor_length = SENSOR_RANGE * (1 - self.sensor_data[i]) + end_x = self.x + sensor_length * math.cos(sensor_angle) + end_y = self.y + sensor_length * math.sin(sensor_angle) + + # 绘制传感器线 + sensor_surf = pygame.Surface((WIDTH, HEIGHT), pygame.SRCALPHA) + pygame.draw.line(sensor_surf, SENSOR_COLOR, + (self.x, self.y), (end_x, end_y), 2) + surface.blit(sensor_surf, (0, 0)) + + # 绘制传感器终点 + if self.sensor_data[i] > 0: + pygame.draw.circle(surface, (255, 100, 100), + (int(end_x), int(end_y)), 5) + + # 绘制小车前方的箭头 + front_x = self.x + half_width * cos_angle + front_y = self.y + half_width * sin_angle + arrow_length = 20 + + arrow_left_x = front_x - arrow_length * math.cos(self.angle - math.pi / 6) + arrow_left_y = front_y - arrow_length * math.sin(self.angle - math.pi / 6) + arrow_right_x = front_x - arrow_length * math.cos(self.angle + math.pi / 6) + arrow_right_y = front_y - arrow_length * math.sin(self.angle + math.pi / 6) + + pygame.draw.polygon(surface, (255, 255, 255), [ + (front_x, front_y), + (arrow_left_x, arrow_left_y), + (arrow_right_x, arrow_right_y) + ]) + + +def draw_grid(surface): + """绘制网格""" + grid_size = 50 + + # 垂直线 + for x in range(0, WIDTH, grid_size): + pygame.draw.line(surface, GRID_COLOR, (x, 0), (x, HEIGHT), 1) + + # 水平线 + for y in range(0, HEIGHT, grid_size): + pygame.draw.line(surface, GRID_COLOR, (0, y), (WIDTH, y), 1) + + +def draw_info_panel(surface, car, control_state, mode): + """绘制信息面板""" + panel_width = 300 + panel_rect = pygame.Rect(WIDTH - panel_width, 0, panel_width, HEIGHT) + + # 绘制面板背景 + pygame.draw.rect(surface, (40, 40, 50), panel_rect) + pygame.draw.line(surface, (70, 70, 90), (WIDTH - panel_width, 0), (WIDTH - panel_width, HEIGHT), 2) + + font = pygame.font.SysFont(None, 28) + small_font = pygame.font.SysFont(None, 24) + + # 标题 + title = font.render("小车状态", True, TEXT_COLOR) + surface.blit(title, (WIDTH - panel_width + 20, 20)) + + # 位置信息 + info_y = 60 + infos = [ + f"位置: ({car.x:.1f}, {car.y:.1f})", + f"角度: {math.degrees(car.angle):.1f}°", + f"速度: {car.speed:.2f}", + f"角速度: {math.degrees(car.angular_speed):.2f}°/s", + f"左轮速度: {car.left_wheel_speed:.2f}", + f"右轮速度: {car.right_wheel_speed:.2f}" + ] + + for info in infos: + text = small_font.render(info, True, TEXT_COLOR) + surface.blit(text, (WIDTH - panel_width + 20, info_y)) + info_y += 30 + + # 传感器数据 + info_y += 20 + sensor_title = font.render("传感器数据", True, TEXT_COLOR) + surface.blit(sensor_title, (WIDTH - panel_width + 20, info_y)) + + info_y += 40 + sensor_labels = ["左传感器", "前传感器", "右传感器"] + for i, label in enumerate(sensor_labels): + # 文本 + text = small_font.render(f"{label}: {car.sensor_data[i]:.2f}", True, TEXT_COLOR) + surface.blit(text, (WIDTH - panel_width + 20, info_y)) + + # 进度条 + bar_width = 150 + bar_height = 15 + bar_x = WIDTH - panel_width + 120 + bar_y = info_y + 2 + + # 背景条 + pygame.draw.rect(surface, (60, 60, 70), (bar_x, bar_y, bar_width, bar_height), border_radius=3) + + # 填充条 + fill_width = bar_width * car.sensor_data[i] + color_value = int(255 * car.sensor_data[i]) + bar_color = (255, 255 - color_value, 100) + pygame.draw.rect(surface, bar_color, (bar_x, bar_y, fill_width, bar_height), border_radius=3) + + info_y += 30 + + # 控制状态 + info_y += 20 + control_title = font.render("控制状态", True, TEXT_COLOR) + surface.blit(control_title, (WIDTH - panel_width + 20, info_y)) + + info_y += 40 + control_keys = [ + ("前进", "W / ↑", control_state["forward"]), + ("后退", "S / ↓", control_state["backward"]), + ("左转", "A / ←", control_state["left"]), + ("右转", "D / →", control_state["right"]) + ] + + for label, key, active in control_keys: + color = (100, 255, 100) if active else (150, 150, 150) + text = small_font.render(f"{label} ({key}): {'激活' if active else '未激活'}", True, color) + surface.blit(text, (WIDTH - panel_width + 20, info_y)) + info_y += 30 + + # 模式信息 + info_y += 20 + mode_text = font.render(f"模式: {'键盘控制' if mode == 'keyboard' else '自动巡逻'}", True, TEXT_COLOR) + surface.blit(mode_text, (WIDTH - panel_width + 20, info_y)) + + # 操作说明 + info_y = HEIGHT - 150 + instructions_title = font.render("操作说明", True, TEXT_COLOR) + surface.blit(instructions_title, (WIDTH - panel_width + 20, info_y)) + + info_y += 30 + instructions = [ + "W/↑: 前进", + "S/↓: 后退", + "A/←: 左转", + "D/→: 右转", + "R: 重置小车位置", + "M: 切换控制模式", + "C: 清除轨迹", + "ESC: 退出" + ] + + for instruction in instructions: + text = small_font.render(instruction, True, (180, 180, 200)) + surface.blit(text, (WIDTH - panel_width + 20, info_y)) + info_y += 25 + + +def main(): + """主函数""" + # 创建小车 + car = WheeledCar(WIDTH // 4, HEIGHT // 2) + + # 创建障碍物 + obstacles = [ + Obstacle(300, 200, 30), + Obstacle(500, 300, 40), + Obstacle(200, 500, 35), + Obstacle(600, 150, 25), + Obstacle(400, 450, 30), + Obstacle(700, 400, 45) + ] + + # 控制状态 + control_state = { + "forward": False, + "backward": False, + "left": False, + "right": False + } + + # 控制模式:keyboard(键盘控制)或 auto(自动巡逻) + control_mode = "keyboard" + + # 创建按钮 + reset_button = Button(WIDTH - 280, HEIGHT - 90, 120, 40, "重置位置") + clear_path_button = Button(WIDTH - 280, HEIGHT - 40, 120, 40, "清除轨迹") + mode_button = Button(WIDTH - 150, HEIGHT - 90, 120, 40, "切换模式") + + running = True + auto_timer = 0 + + # 主循环 + while running: + mouse_pos = pygame.mouse.get_pos() + + # 处理事件 + for event in pygame.event.get(): + if event.type == pygame.QUIT: + running = False + + # 键盘按下事件 + elif event.type == pygame.KEYDOWN: + if event.key == pygame.K_ESCAPE: + running = False + elif event.key in (pygame.K_w, pygame.K_UP): + control_state["forward"] = True + elif event.key in (pygame.K_s, pygame.K_DOWN): + control_state["backward"] = True + elif event.key in (pygame.K_a, pygame.K_LEFT): + control_state["left"] = True + elif event.key in (pygame.K_d, pygame.K_RIGHT): + control_state["right"] = True + elif event.key == pygame.K_r: + # 重置小车位置 + car = WheeledCar(WIDTH // 4, HEIGHT // 2) + elif event.key == pygame.K_c: + # 清除轨迹 + car.path = [] + elif event.key == pygame.K_m: + # 切换控制模式 + control_mode = "auto" if control_mode == "keyboard" else "keyboard" + + # 键盘释放事件 + elif event.type == pygame.KEYUP: + if event.key in (pygame.K_w, pygame.K_UP): + control_state["forward"] = False + elif event.key in (pygame.K_s, pygame.K_DOWN): + control_state["backward"] = False + elif event.key in (pygame.K_a, pygame.K_LEFT): + control_state["left"] = False + elif event.key in (pygame.K_d, pygame.K_RIGHT): + control_state["right"] = False + + # 鼠标事件 + elif event.type == pygame.MOUSEBUTTONDOWN: + if reset_button.is_clicked(mouse_pos, event): + car = WheeledCar(WIDTH // 4, HEIGHT // 2) + elif clear_path_button.is_clicked(mouse_pos, event): + car.path = [] + elif mode_button.is_clicked(mouse_pos, event): + control_mode = "auto" if control_mode == "keyboard" else "keyboard" + + # 更新按钮状态 + reset_button.check_hover(mouse_pos) + clear_path_button.check_hover(mouse_pos) + mode_button.check_hover(mouse_pos) + + # 自动巡逻模式 + if control_mode == "auto": + auto_timer += 1 + + # 简单的自动巡逻逻辑:前进,遇到障碍物转向 + if car.sensor_data[1] > 0.3: # 前方有障碍物 + if car.sensor_data[0] < car.sensor_data[2]: # 左边障碍物更远 + control_state["left"] = True + control_state["right"] = False + else: # 右边障碍物更远 + control_state["left"] = False + control_state["right"] = True + control_state["forward"] = False + control_state["backward"] = True # 先后退 + else: + # 前进 + control_state["forward"] = True + control_state["backward"] = False + + # 随机转向以避免卡住 + if auto_timer % 120 == 0: # 每2秒 + if np.random.random() > 0.5: + control_state["left"] = True + control_state["right"] = False + else: + control_state["left"] = False + control_state["right"] = True + elif auto_timer % 60 == 0: # 每1秒重置转向 + control_state["left"] = False + control_state["right"] = False + + # 更新小车控制 + car.set_control( + control_state["forward"], + control_state["backward"], + control_state["left"], + control_state["right"] + ) + + # 更新小车状态 + car.update(obstacles) + + # 绘制背景 + screen.fill(BACKGROUND) + + # 绘制网格 + draw_grid(screen) + + # 绘制障碍物 + for obstacle in obstacles: + obstacle.draw(screen) + + # 绘制小车 + car.draw(screen) + + # 绘制信息面板 + draw_info_panel(screen, car, control_state, control_mode) + + # 绘制按钮 + reset_button.draw(screen) + clear_path_button.draw(screen) + mode_button.draw(screen) + + # 更新显示 + pygame.display.flip() + + # 控制帧率 + clock.tick(60) + + pygame.quit() + sys.exit() + + +if __name__ == "__main__": + main() \ No newline at end of file From 56942995b8cc766d580fc836b25e333485d6c137 Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Fri, 19 Dec 2025 21:15:14 +0800 Subject: [PATCH 05/12] =?UTF-8?q?=E8=BD=AE=E5=BC=8F=E5=B0=8F=E8=BD=A6?= =?UTF-8?q?=E5=8F=AF=E8=A7=86=E5=8C=96=E6=A8=A1=E5=9E=8B?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .idea/modules.xml | 8 ++++++++ src/simple_wheeled_vehicle/model.py | 1 - 2 files changed, 8 insertions(+), 1 deletion(-) create mode 100644 .idea/modules.xml diff --git a/.idea/modules.xml b/.idea/modules.xml new file mode 100644 index 0000000000..b151230f23 --- /dev/null +++ b/.idea/modules.xml @@ -0,0 +1,8 @@ + + + + + + + + \ No newline at end of file diff --git a/src/simple_wheeled_vehicle/model.py b/src/simple_wheeled_vehicle/model.py index 676d3be48d..81241f851a 100644 --- a/src/simple_wheeled_vehicle/model.py +++ b/src/simple_wheeled_vehicle/model.py @@ -610,7 +610,6 @@ def main(): # 控制帧率 clock.tick(60) - pygame.quit() sys.exit() From 36ce28f04da4622dc264c9e2dd8e72b0f44012cd Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Sat, 20 Dec 2025 02:14:30 +0800 Subject: [PATCH 06/12] =?UTF-8?q?=E4=BF=AE=E6=94=B9=E9=80=89=E9=A2=98?= =?UTF-8?q?=E6=89=80=E7=94=A8=E9=85=8D=E7=BD=AE=E5=BC=95=E6=93=8E?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/simple_wheeled_vehicle/README.md | 268 ++++++++++++++------------- 1 file changed, 139 insertions(+), 129 deletions(-) diff --git a/src/simple_wheeled_vehicle/README.md b/src/simple_wheeled_vehicle/README.md index d38afd39ea..1212e11bbc 100644 --- a/src/simple_wheeled_vehicle/README.md +++ b/src/simple_wheeled_vehicle/README.md @@ -1,129 +1,139 @@ -# 简易轮式小车智能代理 - -## 项目简介 -一个基于PyTorch神经网络与ROS的**简易轮式小车智能代理**,主要面向Carla自动驾驶模拟器。项目实现了从感知到控制的基本自动驾驶流程,模块化设计清晰,便于学习、扩展与二次开发。 - -## 功能特性 -- **环境感知**:处理相机图像,识别车道线、可行驶区域及动态障碍物。 -- **决策规划**:基于感知结果进行局部路径规划与动态避障决策。 -- **运动控制**:输出转向、油门及刹车指令,控制小车沿规划路径行驶。 -- **训练接口**:提供数据采集与模型训练接口,支持强化学习与模仿学习。 -- **ROS集成**:通过ROS节点进行模块间通信,支持传感器数据发布与控制指令订阅。 - -## 环境要求 -- **操作系统**:Ubuntu 20.04/22.04(推荐)或 Windows 10/11(WSL2) -- **Python**:3.7 - 3.12 -- **核心框架**:PyTorch >= 1.9.0(CPU/GPU版本均可) -- **模拟器**:Carla 0.9.14+ -- **可选依赖**:ROS Noetic 或 ROS2 Foxy(用于ROS通信) -- **基础包**:numpy, opencv-python, matplotlib - -## 项目结构 -``` -src/simple_wheeled_agent/ -├── main.py # 模块主入口 (非ROS启动) -├── main.launch # ROS启动配置文件 -├── requirements.txt -├── config/ -│ └── default.yaml # 配置文件 -├── docs/ # 模块文档 -├── models/ # 预训练模型存放处 -├── scripts/ # 工具脚本 -├── src/ # 核心源代码 -│ ├── perception/ -│ │ ├── __init__.py -│ │ ├── image_processor.py # 图像处理与神经网络推理 -│ │ └── data_collector.py # 训练数据采集 -│ ├── planning/ -│ │ ├── __init__.py -│ │ └── local_planner.py # 局部路径规划器 -│ ├── control/ -│ │ ├── __init__.py -│ │ └── pid_controller.py # 运动控制器 -│ └── utils/ # 通用工具函数 -└── tests/ # 单元测试 -``` - -## 快速开始 -1. **安装依赖**: - ```bash - cd src/simple_wheeled_agent - pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ - ``` - -2. **启动Carla服务端** (在另一个终端): - ```bash - ./CarlaUE4.sh -quality-level=Low # 可根据硬件调整画质 - ``` - -3. **运行代理**: - ```bash - python main.py --config config/default.yaml - ``` - 程序将连接Carla,生成车辆,并开始自主驾驶。 - -4. **(可选) ROS模式**: - ```bash - roslaunch simple_wheeled_agent main.launch - ``` - -## 主要类和方法 -- **`PerceptionAgent` (感知模块)**: - - `process_image(raw_image)`: 处理原始图像,输出车道与障碍物信息。 - - `collect_training_data()`: 采集带标签的训练数据。 - -- **`LocalPlanner` (规划模块)**: - - `compute_path(perception_result, goal)`: 根据感知结果和全局目标计算局部路径。 - - `dynamic_obstacle_avoidance()`: 动态避障算法。 - -- **`VehicleController` (控制模块)**: - - `update_control(target_path, current_state)`: 根据目标路径和车辆状态计算控制量。 - - `get_control()`: 返回当前的控制指令(转向、油门、刹车)。 - -## 配置参数 -关键参数可在 `config/default.yaml` 中调整: -```yaml -carla: - host: localhost - port: 2000 - timeout: 10.0 -vehicle: - target_speed: 30.0 # 目标速度 (km/h) - max_steer_angle: 70.0 # 最大转向角 (度) -perception: - model_path: models/perception_model.pth - image_width: 640 - image_height: 480 -``` - -## 数据输出 -运行过程中会生成以下数据: -1. **控制台输出**:车辆状态、控制指令、故障信息。 -2. **日志文件** (位于 `logs/`): 运行日志与性能统计。 -3. **数据记录** (训练模式下): 图像与对应控制指令,保存于 `data/train/`。 -4. **可视化窗口**:实时显示处理后的图像与规划路径。 - -## 扩展建议 -- **更换模拟器**:参考现有Carla接口,为AirSim或MuJoCo实现对应的环境包装器。 -- **改进感知模型**:替换 `perception` 模块中的网络结构(如使用ResNet、Transformer)。 -- **尝试新算法**:在 `planning` 模块中实现强化学习(PPO、SAC)或更先进的规划算法。 -- **增加传感器**:集成激光雷达(Lidar)或雷达(Radar)数据进行多传感器融合。 - -## 常见问题 -1. **Q: 无法连接到Carla服务器** - A: 请确认CarlaUE4正在运行,且端口未被占用。检查配置中的 `host` 和 `port`。 - -2. **Q: 运行时报错 “No module named ‘torch’”** - A: 请单独安装与你的Python及CUDA版本匹配的PyTorch。 - -3. **Q: 车辆控制不平稳,抖动严重** - A: 尝试调整 `config/default.yaml` 中的PID控制参数,或降低 `target_speed`。 - -4. **Q: 如何用自己的数据训练模型?** - A: 运行 `python main.py --mode collect` 采集数据,然后使用 `scripts/train_model.py` 进行训练。 - -5. **Q: ROS节点无法启动** - A: 确保ROS环境已正确配置 (`source /opt/ros//setup.bash`),且所有ROS依赖已安装。 - ---- -*更详细的API文档请使用 `mkdocs serve` 在本地构建和查看。* \ No newline at end of file +MuJoCo 简易轮式小车智能代理 +项目简介 +一个基于PyTorch神经网络与MuJoCo物理引擎的简易轮式小车智能代理,实现了在连续控制环境下的感知、决策与控制一体化解决方案。项目采用模块化设计,便于在仿真环境中进行机器人控制算法研究、强化学习训练和控制系统验证。 + +功能特性 +物理仿真:基于MuJoCo的高保真物理模拟,支持关节约束、碰撞检测和接触力计算 + +神经网络控制:使用PyTorch实现的深度强化学习或模仿学习策略 + +多模态感知:集成视觉、本体感知和惯性测量单元(IMU)等多种传感器输入 + +自适应控制:针对不同地形和任务需求调整控制策略 + +训练框架:提供完整的强化学习训练循环和评估接口 + +可视化工具:实时显示机器人状态、传感器数据和决策过程 + +环境要求 +操作系统:Ubuntu 20.04/22.04(推荐)或 Windows 10/11(需配置WSL2) + +Python:3.7 - 3.10(MuJoCo官方支持范围) + +MuJoCo版本:2.3.0+(需要获取许可证) + +核心框架:PyTorch ≥ 1.9.0,MuJoCo-Py ≥ 2.3.0 + +渲染支持:OpenGL或EGL(GPU加速推荐) + +推荐硬件:支持CUDA的NVIDIA显卡(用于神经网络加速) + +快速开始 +安装MuJoCo: + +bash +# 获取MuJoCo许可证并下载 +pip install mujoco +# 设置许可证密钥(按官方指引操作) +安装依赖: + +bash +cd src/mujoco_wheeled_robot +pip install -r requirements.txt +测试环境: + +bash +python -c "import mujoco; print('MuJoCo version:', mujoco.__version__)" +运行示例: + +bash +# 启动随机策略演示 +python main.py --mode demo +# 开始训练 +python main.py --mode train --config config/training_config.yaml +主要类和方法 +WheeledRobotEnv (环境类): + +reset(): 重置环境到初始状态 + +step(action): 执行动作并返回新状态、奖励和终止标志 + +render(): 渲染当前环境状态 + +PolicyNetwork (策略网络): + +forward(observation): 根据观测计算动作分布 + +sample(observation): 从分布中采样动作 + +evaluate(observation, action): 计算动作的对数概率和熵 + +DataLogger (数据记录器): + +log_step(state, action, reward): 记录单步数据 + +save_episode(episode_id): 保存回合数据 + +export_trajectory(): 导出轨迹供分析使用 + +配置参数 +关键配置位于 config/ 目录下: + +yaml +# robot_config.yaml +robot: + mass: 2.5 # 小车质量 (kg) + wheel_radius: 0.1 # 轮子半径 (m) + max_velocity: 3.0 # 最大速度 (m/s) + control_frequency: 50 # 控制频率 (Hz) + +# training_config.yaml +training: + algorithm: "sac" # 使用的算法 + total_timesteps: 1000000 + learning_rate: 3e-4 + gamma: 0.99 # 折扣因子 + batch_size: 256 + buffer_size: 1000000 +数据输出 +训练日志:TensorBoard格式,包含奖励曲线、策略熵等指标 + +模型检查点:定期保存的策略网络参数 + +轨迹数据:.npz格式,包含状态、动作、奖励序列 + +评估结果:性能指标统计(平均奖励、成功率等) + +视频记录:.mp4格式的演示视频 + +扩展建议 +添加传感器:在模型文件中增加激光雷达或深度相机 + +更换任务:修改奖励函数实现不同任务(如避障、路径跟踪) + +集成真实数据:使用真实机器人数据微调仿真模型 + +多机器人协同:扩展环境支持多机器人交互 + +分布式训练:使用Ray等框架实现并行训练加速 + +模型预测控制:结合学习的动力学模型实现MPC控制器 + +常见问题 +Q: MuJoCo许可证如何获取? +A: 访问MuJoCo官网获取个人或机构许可证,按照官方指引配置环境变量。 + +Q: 仿真运行速度慢 +A: 检查是否启用了GPU渲染,降低渲染分辨率,或使用 headless 模式进行训练。 + +Q: 训练不稳定,奖励不收敛 +A: 尝试调整超参数(如学习率、折扣因子),增加网络容量,或检查奖励函数设计。 + +Q: 如何导入自定义机器人模型? +A: 将 .xml 模型文件放入 models/ 目录,在环境初始化时指定模型路径。 + +Q: 在Windows上运行问题 +A: 建议使用WSL2或Linux环境,Windows原生支持有限且可能遇到兼容性问题。 + +Q: 模型无法学习有效策略 +A: 确保观测空间包含足够信息,检查动作空间是否合理,尝试更简单的任务作为起点。 \ No newline at end of file From 6e3c5fd69c5a1b0dcdbbfd5753a7d952606b0b4c Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Sat, 20 Dec 2025 19:47:09 +0800 Subject: [PATCH 07/12] =?UTF-8?q?=E4=BF=AE=E6=94=B9=E9=80=89=E9=A2=98?= =?UTF-8?q?=E6=89=80=E7=94=A8=E9=85=8D=E7=BD=AE=E5=BC=95=E6=93=8E?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/simple_wheeled_vehicle/README.md | 38 +++++++++++++++++++++++++++- 1 file changed, 37 insertions(+), 1 deletion(-) diff --git a/src/simple_wheeled_vehicle/README.md b/src/simple_wheeled_vehicle/README.md index 1212e11bbc..c92bc699a7 100644 --- a/src/simple_wheeled_vehicle/README.md +++ b/src/simple_wheeled_vehicle/README.md @@ -1,7 +1,6 @@ MuJoCo 简易轮式小车智能代理 项目简介 一个基于PyTorch神经网络与MuJoCo物理引擎的简易轮式小车智能代理,实现了在连续控制环境下的感知、决策与控制一体化解决方案。项目采用模块化设计,便于在仿真环境中进行机器人控制算法研究、强化学习训练和控制系统验证。 - 功能特性 物理仿真:基于MuJoCo的高保真物理模拟,支持关节约束、碰撞检测和接触力计算 @@ -28,6 +27,43 @@ MuJoCo版本:2.3.0+(需要获取许可证) 推荐硬件:支持CUDA的NVIDIA显卡(用于神经网络加速) +项目结构 +text +src/mujoco_wheeled_robot/ +├── main.py # 模块主入口(训练与推理) +├── requirements.txt +├── config/ +│ ├── robot_config.yaml # 机器人物理参数 +│ └── training_config.yaml # 训练超参数 +├── models/ +│ ├── robot.xml # MuJoCo模型文件 +│ ├── trained_policy.pth # 预训练策略 +│ └── dynamics_model.pth # 动力学模型(可选) +├── src/ +│ ├── environment/ +│ │ ├── __init__.py +│ │ ├── wheeled_robot_env.py # 自定义Gym环境 +│ │ └── env_wrapper.py # 环境包装器 +│ ├── agent/ +│ │ ├── __init__.py +│ │ ├── policy_network.py # 策略网络 +│ │ ├── value_network.py # 价值网络(强化学习) +│ │ └── mpc_controller.py # 模型预测控制器 +│ ├── utils/ +│ │ ├── data_logger.py # 数据记录器 +│ │ ├── visualization.py # 可视化工具 +│ │ └── mujoco_utils.py # MuJoCo辅助函数 +│ └── algorithms/ # 算法实现 +│ ├── sac.py # Soft Actor-Critic +│ ├── td3.py # Twin Delayed DDPG +│ └── bc.py # 行为克隆 +├── scripts/ +│ ├── train.py # 训练脚本 +│ ├── evaluate.py # 评估脚本 +│ └── render_trajectory.py # 轨迹渲染 +└── tests/ + ├── test_env.py + └── test_agent.py 快速开始 安装MuJoCo: From 12f34ceb611b8b75e525d094d73e4366ace95fb0 Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Sat, 20 Dec 2025 19:55:55 +0800 Subject: [PATCH 08/12] =?UTF-8?q?=E4=BF=AE=E6=94=B9=E9=80=89=E9=A2=98?= =?UTF-8?q?=E6=89=80=E7=94=A8=E9=85=8D=E7=BD=AE=E5=BC=95=E6=93=8E?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/simple_wheeled_vehicle/README.md | 1 - 1 file changed, 1 deletion(-) diff --git a/src/simple_wheeled_vehicle/README.md b/src/simple_wheeled_vehicle/README.md index c92bc699a7..080613f702 100644 --- a/src/simple_wheeled_vehicle/README.md +++ b/src/simple_wheeled_vehicle/README.md @@ -13,7 +13,6 @@ MuJoCo 简易轮式小车智能代理 训练框架:提供完整的强化学习训练循环和评估接口 可视化工具:实时显示机器人状态、传感器数据和决策过程 - 环境要求 操作系统:Ubuntu 20.04/22.04(推荐)或 Windows 10/11(需配置WSL2) From 4953d68fed35c968e45020ee2d756609ed0615f9 Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Sat, 20 Dec 2025 20:03:39 +0800 Subject: [PATCH 09/12] =?UTF-8?q?=E4=BF=AE=E6=94=B9=E9=80=89=E9=A2=98?= =?UTF-8?q?=E6=89=80=E7=94=A8=E9=85=8D=E7=BD=AE=E5=BC=95=E6=93=8E?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/simple_wheeled_vehicle/README.md | 1 - 1 file changed, 1 deletion(-) diff --git a/src/simple_wheeled_vehicle/README.md b/src/simple_wheeled_vehicle/README.md index 080613f702..aed1fafaee 100644 --- a/src/simple_wheeled_vehicle/README.md +++ b/src/simple_wheeled_vehicle/README.md @@ -9,7 +9,6 @@ MuJoCo 简易轮式小车智能代理 多模态感知:集成视觉、本体感知和惯性测量单元(IMU)等多种传感器输入 自适应控制:针对不同地形和任务需求调整控制策略 - 训练框架:提供完整的强化学习训练循环和评估接口 可视化工具:实时显示机器人状态、传感器数据和决策过程 From a728ebc1bbab634a69a8f3de649f533d9e21918c Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Sat, 20 Dec 2025 20:06:06 +0800 Subject: [PATCH 10/12] =?UTF-8?q?=E4=BF=AE=E6=94=B9=E9=80=89=E9=A2=98?= =?UTF-8?q?=E6=89=80=E7=94=A8=E9=85=8D=E7=BD=AE=E5=BC=95=E6=93=8E?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/simple_wheeled_vehicle/README.md | 1 + 1 file changed, 1 insertion(+) diff --git a/src/simple_wheeled_vehicle/README.md b/src/simple_wheeled_vehicle/README.md index aed1fafaee..080613f702 100644 --- a/src/simple_wheeled_vehicle/README.md +++ b/src/simple_wheeled_vehicle/README.md @@ -9,6 +9,7 @@ MuJoCo 简易轮式小车智能代理 多模态感知:集成视觉、本体感知和惯性测量单元(IMU)等多种传感器输入 自适应控制:针对不同地形和任务需求调整控制策略 + 训练框架:提供完整的强化学习训练循环和评估接口 可视化工具:实时显示机器人状态、传感器数据和决策过程 From 7c789ab44fe8028592c9c808e16c1053cb34e960 Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Sat, 20 Dec 2025 20:20:45 +0800 Subject: [PATCH 11/12] =?UTF-8?q?=E4=BF=AE=E6=94=B9=E9=80=89=E9=A2=98?= =?UTF-8?q?=E6=89=80=E7=94=A8=E9=85=8D=E7=BD=AE=E5=BC=95=E6=93=8E?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/simple_wheeled_vehicle/README.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/src/simple_wheeled_vehicle/README.md b/src/simple_wheeled_vehicle/README.md index 080613f702..fab27888fa 100644 --- a/src/simple_wheeled_vehicle/README.md +++ b/src/simple_wheeled_vehicle/README.md @@ -10,7 +10,7 @@ MuJoCo 简易轮式小车智能代理 自适应控制:针对不同地形和任务需求调整控制策略 -训练框架:提供完整的强化学习训练循环和评估接口 +训练框架:提供完整的强化学习训练循环和评估接口 可视化工具:实时显示机器人状态、传感器数据和决策过程 环境要求 From abb39a821660cbd729ad55073dad206578171647 Mon Sep 17 00:00:00 2001 From: windows <2877519694@qq.com> Date: Sat, 20 Dec 2025 20:31:04 +0800 Subject: [PATCH 12/12] =?UTF-8?q?=E5=88=9D=E6=AD=A5=E5=BB=BA=E7=AB=8Bmujoc?= =?UTF-8?q?o=E7=AE=80=E6=98=93=E5=B0=8F=E8=BD=A6=E6=A8=A1=E5=9E=8B?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- src/simple_wheeled_vehicle/1.py | 90 ++++++++++++++++++ src/simple_wheeled_vehicle/wheeled_car.xml | 105 +++++++++++++++++++++ 2 files changed, 195 insertions(+) create mode 100644 src/simple_wheeled_vehicle/1.py create mode 100644 src/simple_wheeled_vehicle/wheeled_car.xml diff --git a/src/simple_wheeled_vehicle/1.py b/src/simple_wheeled_vehicle/1.py new file mode 100644 index 0000000000..d1b4b5a628 --- /dev/null +++ b/src/simple_wheeled_vehicle/1.py @@ -0,0 +1,90 @@ +""" +抗翻小车遥控器 +- 方向键驾驶 +- 电机软启动(扭矩斜坡) +- 限速 / 终端 HUD +- R 键复位 +""" +import mujoco +import mujoco.viewer +import numpy as np +from pynput import keyboard + +# ---------------- 键盘 ------------------ +KEYS = {keyboard.Key.up: False, + keyboard.Key.down: False, + keyboard.Key.left: False, + keyboard.Key.right: False, + keyboard.KeyCode.from_char('r'): False} + +def on_press(k): + if k in KEYS: KEYS[k] = True +def on_release(k): + if k in KEYS: KEYS[k] = False + +keyboard.Listener(on_press=on_press, on_release=on_release).start() + +# ---------------- 加载模型 -------------- +model = mujoco.MjModel.from_xml_path("wheeled_car.xml") +data = mujoco.MjData(model) + +# ---------------- 控制参数 -------------- +MAX_SPEED = 2.0 # 最大目标速度(m/s) +ACCEL_RAMP = 0.08 # 电机扭矩斜坡系数(越小越柔) +steer_target = 0.0 +speed_target = 0.0 +steer = 0.0 +speed = 0.0 +alpha_steer = 0.15 +auto_center = 0.92 + +# ---------------- 复位函数 -------------- +def reset_car(): + mujoco.mj_resetData(model, data) + data.qpos[2] = 0.07 + print("\r>>> 已复位 <<<", end='', flush=True) + +# ---------------- 主循环 ---------------- +mujoco.mj_resetData(model, data) +with mujoco.viewer.launch_passive(model, data) as viewer: + viewer.cam.distance = 2.5 + viewer.cam.elevation = -25 + while viewer.is_running(): + # ---- 复位键 ---- + if KEYS[keyboard.KeyCode.from_char('r')]: + reset_car() + KEYS[keyboard.KeyCode.from_char('r')] = False + + # ---- 驾驶指令 ---- + if KEYS[keyboard.Key.up]: + speed_target = min(speed_target + ACCEL_RAMP, MAX_SPEED) + elif KEYS[keyboard.Key.down]: + speed_target = max(speed_target - ACCEL_RAMP, -MAX_SPEED * 0.7) + else: + speed_target = 0.0 + + if KEYS[keyboard.Key.left]: + steer_target = 0.5 + elif KEYS[keyboard.Key.right]: + steer_target = -0.5 + else: + steer_target *= auto_center + + # ---- 平滑转向 ---- + steer = alpha_steer * steer_target + (1 - alpha_steer) * steer + + # ---- 输出到电机 ---- + data.ctrl[0] = steer + data.ctrl[1] = steer + data.ctrl[2] = speed_target - steer * 0.5 + data.ctrl[3] = speed_target + steer * 0.5 + data.ctrl[4] = speed_target - steer * 0.25 + data.ctrl[5] = speed_target + steer * 0.25 + + # ---- 仿真步进 + HUD ---- + mujoco.mj_step(model, data) + vel = np.linalg.norm(data.qvel[:3]) + print(f"\rspeed: {vel:5.2f} m/s", end='', flush=True) + viewer.sync() + + print() \ No newline at end of file diff --git a/src/simple_wheeled_vehicle/wheeled_car.xml b/src/simple_wheeled_vehicle/wheeled_car.xml new file mode 100644 index 0000000000..7962a24cba --- /dev/null +++ b/src/simple_wheeled_vehicle/wheeled_car.xml @@ -0,0 +1,105 @@ + + \ No newline at end of file