ROS Motion Planning

以 ROS 外掛形式實作 40 多種經典與以學習為基礎之機器人路徑規劃器的單一儲存庫

授權條款

GPL-3.0

概述

ros_motion_planning 是一套完整的機器人運動規劃演算法集，以 ROS 導航堆疊外掛的形式實作：全域規劃器從 A、Theta、D 與 JPS 到 RRT、Informed RRT* 與 Voronoi 規劃器；區域規劃器包括 DWA、TEB 風格、PID、LQR 與 MPC；曲線生成（Bezier、Dubins、Reeds-Shepp、B-spline）；以及 DDPG 等以學習為基礎的規劃器。每個演算法都在相同的 Gazebo/RViz 環境中執行，使它成為在相同基準上比較規劃器時格外實用的參考。

這個儲存庫將數十種規劃器包裝在標準的 ROS nav_core 外掛介面之後，因此任何演算法都能直接放進 move_base（ROS 1）中（另有配套的 ROS 2 實作），並在相同的代價地圖、機器人與 Gazebo 世界中測試。全域規劃涵蓋圖搜尋（Dijkstra、A、D、LPA、D Lite、Theta、Lazy Theta、JPS、GBFS）、取樣式方法（RRT、RRT、Informed RRT、RRT-Connect）、智慧／演化式方法（ACO、GA、PSO），以及 Voronoi 圖規劃。區域規劃涵蓋 PID、DWA、APF、LQR 與 MPC 控制器，曲線生成模組則實作 Dubins、Reeds-Shepp、Bezier 與 spline 路徑。以學習為基礎的規劃器（例如以 DDPG 為基礎的強化學習導航）則讓整套工具更完整。Docker 映像、大量逐一演算法的動畫，以及配套的 Python 視覺化儲存庫，讓它既適合作為課程參考，也適合作為開發生產用規劃器的起點。

為何重要

這是經典運動規劃演算法在可運作的 ROS 程式碼中最完整的單一實作：論文中通常只以虛擬碼呈現的教科書演算法，在這裡全都在一致的堆疊中實際執行，這也是它成為導航工程師與機器人學生首選參考的原因。

解決的問題

要公平比較路徑規劃器，必須把每一種都實作在同一個導航堆疊中，這需要好幾個月的外掛工程。ros_motion_planning 已經為 40 多種演算法完成這項工作，讓規劃器的選擇與教學只需更改設定。

重點

• 40 多種規劃器：圖搜尋、取樣式、演化式、曲線生成、以學習為基礎
• 全部以標準的 ROS 導航外掛實作，可在相同的 Gazebo/RViz 環境中執行
• 支援 ROS 1 與 ROS 2，並提供 Docker 映像以便快速上手
• 區域規劃器包括 DWA、APF、PID、LQR 與 MPC 控制器
• 配套的 Python 儲存庫提供對應的演算法視覺化，方便學習

適用對象

• 為自主移動機器人（AMR）／AGV 選擇規劃器的導航工程師
• 學習路徑規劃演算法的機器人學生
• 以經典演算法評測新規劃器的研究人員
• 建立運動規劃課程的教育者

限制

• 重廣度而非深度：個別規劃器是參考實作，並非經過調校的生產用控制器
• GPL-3.0 授權限制了閉源再利用
• 主要針對 2D 輪式機器人導航（不含操作規劃）