ROS2智能移动机器人
ROS2智能移动机器人
项目内容
共3个实验
实验1 实验1：ROS2移动机器人设置
在ROS-dashing环境下的实验配置
实验2 实验2：ROS2移动机器人仿真
TurtleBot3支持可以在仿真中使用虚拟机器人进行编程和开发的开发环境，有两种开发环境：Fake Node和Gazebo。
假节点：可以使用Fake Node和3D可视化工具RViz。用于测试TurtleBot3的模型和机器人的运动。它不支持使用传感器数据，因此不支持SLAM和导航。
Gazebo：Gazebo允许Turtlebot3在模拟器中使用虚拟传感器数据：IMU，LDS和摄像机信息。使用Gazabo模拟带有SLAM或导航的TurtleBot3 。
假节点：可以使用Fake Node和3D可视化工具RViz。用于测试TurtleBot3的模型和机器人的运动。它不支持使用传感器数据，因此不支持SLAM和导航。
Gazebo：Gazebo允许Turtlebot3在模拟器中使用虚拟传感器数据：IMU，LDS和摄像机信息。使用Gazabo模拟带有SLAM或导航的TurtleBot3 。
实验3 实验3：ROS2移动机器人动态避障（基于强化学习）
机器学习是一种数据分析技术，它教会计算机识别自然的人类和动物——通过经验学习。机器学习有三种类型:监督学习、非监督学习、强化学习。
此应用程序通过DQN（Deep Q-Learning）进行强化学习。强化学习关注的是软件代理如何在环境中采取行动，从而最大化累计奖励的概念。
此应用程序通过DQN（Deep Q-Learning）进行强化学习。强化学习关注的是软件代理如何在环境中采取行动，从而最大化累计奖励的概念。
