ROS/Gazebo/Nav2/MoveIt Pro/RMF学习笔记24-10-06

ROS

ROS（Robot Operating System）系统，尽管严格意义上来说并非一个操作系统，而是一个专为机器人软件开发的开源软件框架集合，它在机器人技术领域中扮演着至关重要的角色。ROS系统的新应用和特性主要体现在以下几个方面：

一、新应用

1. 工业自动化：随着工业自动化的发展，ROS系统被广泛应用于工厂机器人的控制和管理中。它能够实现机器人的自主导航、任务规划、设备控制等功能，提高生产效率和质量。
2. 服务机器人：ROS系统在服务机器人领域也有广泛的应用，如酒店服务机器人、餐厅送餐机器人等。这些机器人能够利用ROS系统实现语音识别、人脸识别、路径规划等功能，提供便捷的服务体验。
3. 农业机器人：在农业领域，ROS系统被用于实现农业机器人的自动化作业，如智能播种、智能施肥、智能收割等。这有助于提高农业生产效率，降低人力成本。
4. 医疗机器人：医疗机器人是ROS系统的另一个重要应用领域。通过ROS系统，医疗机器人可以实现手术辅助、康复训练、病人护理等功能，为医疗行业带来革命性的变化。

二、新特性

1. ROS2的最新版本：ROS2作为ROS系统的升级版，带来了许多新特性和改进。例如，Jazzy Jalisco版本支持一键安装，极大地简化了安装过程；同时，它还支持更多的平台和操作系统，为开发者提供了更广泛的开发环境选择。
2. 更好的集成和互操作性：ROS2在设计和实现上更加注重系统的集成和互操作性。它提供了丰富的工具和库，使得不同厂商和不同类型的机器人可以更加容易地实现互操作和协同工作。
3. 增强的安全性和可靠性：ROS2在安全性和可靠性方面进行了大量的改进。它引入了更严格的权限控制和数据加密机制，保护了系统的安全；同时，它还提供了更加稳定的通信和错误处理机制，提高了系统的可靠性。
4. 支持更多的硬件平台：ROS系统不断扩展其支持的硬件平台范围。从最初的PC和嵌入式系统到现在的各种智能设备和传感器，ROS系统都能够提供灵活且高效的支持。这使得开发者可以更加容易地将ROS系统应用于各种不同类型的机器人和自动化设备中。
5. 与AI技术的融合：随着人工智能技术的不断发展，ROS系统也在积极与AI技术相融合。通过集成深度学习、机器学习等先进技术，ROS系统能够实现更加智能的机器人控制和管理，提高机器人的自主性和适应性。

综上所述，ROS系统在不断发展和完善中，其新应用和特性为机器人技术的发展注入了新的活力。未来，随着技术的不断进步和应用领域的不断拓展，ROS系统有望在更多领域发挥重要作用。

一、产品发布与更新

1. Gazebo Ionic发布：Gazebo Ionic，作为ROS（机器人操作系统）的一个重要仿真平台，近日已正式发布。这一版本的发布为机器人开发者提供了更为强大和灵活的仿真环境，有助于加速机器人应用的开发和测试。
2. 新软件包与更新：ROS Noetic迎来了2个新软件包和99个更新软件包，这些更新和新增的功能将进一步提升ROS Noetic的稳定性和性能。

二、工具与数据集

1. YAETS（Yet Another Execution Tracing System）：这是一款由@fmrico开发的工具，通过甘特图来追踪ROS节点执行顺序，为开发者提供了更为直观和便捷的调试手段。
2. Great Outdoors Dataset（GOD）：这是一个包含多种传感器数据的野外多模态场景数据集，以ROSBag的形式提供，为机器人在复杂环境中的感知和决策提供了丰富的数据支持。

三、行业动态与投资

1. Dexory融资：Dexory公司成功完成了8000万美元的B轮融资，这笔资金将用于支持其在美国市场的扩张计划。Dexory作为机器人技术领域的佼佼者，此次融资将进一步巩固其在行业内的领先地位。
2. 机器人投资增长：据报道，2024年8月，机器人领域的投资额接近10亿美元，这表明机器人技术正受到越来越多的关注和资本青睐。

四、会议与活动

1. ROSCon 2024售票情况：ROSCon 2024的门票已基本售罄，仅剩少量余票。ROSCon是ROS开发者的重要盛会，每年吸引了来自全球各地的开发者、研究者和行业专家。
2. 即将举行的会议：
   • 2024年10月21日至24日，ROSCon 2024将在丹麦奥登塞举行。
   • 2024年11月2日至3日，ROSCon China将在中国深圳举行。
   • 此外，还有多场与机器人技术相关的会议和活动在全球范围内陆续举行，如Aerial Robotics Meeting、ROS Rust Meeting等。

五、研发热点与趋势

1. 机器人感知与决策：随着传感器技术和人工智能的发展，机器人在复杂环境中的感知和决策能力得到了显著提升。ECCV 2024等顶级学术会议上的相关论文和研究成果，展示了机器人在视觉识别、环境感知和路径规划等方面的最新进展。
2. 机器人操作系统与接口：ROS作为主流的机器人操作系统，不断推出新版本和更新，以支持更多类型的硬件设备和应用场景。同时，ROS接口的不断丰富和完善，也为机器人应用的开发提供了更多便利。
3. 机器人与人工智能融合：端到端的人工智能技术在机器人领域得到了广泛应用，通过深度学习等算法，机器人能够更准确地理解环境、识别物体并执行复杂任务。

六、其他

1. 机器人创业公司：随着机器人技术的不断发展和应用领域的不断拓展，越来越多的创业公司涌现出来。这些公司在机器人硬件、软件、算法和服务等方面进行创新，为机器人产业的发展注入了新的活力。
2. 机器人应用场景拓展：机器人正逐渐从传统的工业领域向医疗、服务、农业等更多领域拓展。例如，助老助残机器人、医疗手术机器人、无人配送机器人等新型机器人应用不断涌现，为人们的生活带来了更多便利。

综上所述，ROS领域在本周内取得了多项重要进展和成果，包括产品发布、工具与数据集的推出、行业动态与投资的增长、会议与活动的举行以及研发热点与趋势的展现等。这些进展和成果将进一步推动ROS技术的发展和应用，为机器人产业的繁荣和发展注入新的动力。

---

Gazebo

 

gazebosim org 

Gazebo Harmonic以及之后版本值得学习和研究。

Gazebo Ionic版本发布详解

Gazebo团队欣然宣布其第九个主要版本——Ionic的发布！Ionic不仅是一个版本代号，更标志着Gazebo在技术创新上的又一重要里程碑。作为Gazebo Harmonic与即将发布的Gazebo Jetty之间的过渡版本，Ionic带来了众多新特性和改进。

一、Ionic版本亮点

1. Ionic演示世界：Ionic提供了一个演示世界，展示了该版本的一些亮点功能，包括Nav2和Open-RMF的集成演示。

2. Gazebo Github Action：这是一个重大更新，使得将Gazebo集成到持续集成和部署管道中变得更加简单。通过此Github Action，可以自动在CI实例上安装Gazebo，用于自动化测试。

3. Sphinx文档平台：Gazebo的文档已全面迁移到Sphinx平台。这一迁移使得文档编写更加便捷，文档作者可以预览更改而无需设置本地文档环境。同时，Sphinx的移动支持、明暗模式、搜索功能、SEO优化以及与ROS文档的互操作性等特性也将惠及Gazebo开发者。

4. ROS-Gz启动文件改进：为启动Gazebo、创建实体和启动ros-gz桥接提供了更紧凑和符合习惯的语法，适用于YAML和XML两种启动文件类型。

5. 可组合节点：利用ROS的可组合节点原语，现在可以在同一进程中启动Gazebo、ros_gz_bridge和ROS节点，减少了运行ROS和Gazebo所需的内存和传输开销。

6. 碰撞网格优化：在SDF（要求SDF版本>=1.11）中支持对碰撞网格进行网格优化。目前支持两种优化方法：凸分解和凸包。

7. spdlog日志系统：控制台日志已重新实现为使用spdlog。虽然现有的宏（如gzerr、gzwarn和gzmsg）仍然有效，但现在可以访问原始的spdlog记录器，提供更大的控制和灵活性。同时，提供了新的gztrace宏，适用于调试或数据采集场景。

8. Bullet Featherstone物理引擎改进：gz-physics中的bullet-featherstone插件现在支持嵌套模型、非对角惯性、强制关节速度和力限制、配置求解器迭代等。此外，还包括性能改进和物理稳定性特性，如自动停用、静态对象碰撞优化以及使用凸包形状进行凸分解网格。

9. SDF插件默认加载策略：当用户指定额外插件时，Gazebo Ionic现在会加载默认插件。这简化了SDF文件的编写。可以通过gz:policy设置禁用此策略，以恢复为以前Gazebo版本中的功能。

10. gz-transport消息忽略功能：在gz-transport的SubscriberOptions中添加了选项，以忽略当发布者和订阅者位于同一节点时的消息。这一特性特别有助于避免ros_gz桥接中的循环。

11. gz topic和gz service CLI命令改进：大多数gz-transport功能都可以通过命令行暴露。Gazebo Ionic用户现在可以直接从命令行发出单向服务请求。同步服务请求现在具有默认超时时间，减少了从命令行输入的工作量。同时，允许用户直接从命令行发出无输入服务请求。

12. Gazebo GUI实体跟踪功能：Gazebo用户现在可以使用Gazebo GUI自动跟踪和跟随实体，无需手动跟随机器人或其他实体。只需在GUI中选择跟踪，相机就会跟随所选实体。

13. 动态材料：新的动态材料允许用户通过交互更改对象的颜色和发射率。这些功能使Ionic用户能够模拟灯泡、LED和其他发光物体。

14. 锥形原始形状：现在可以从Gazebo GUI或在SDF文件中创建参数化锥形原始形状。

15. Gazebo/ROS供应商包：使得可以通过命令行使用Apt安装ROS和Gazebo。用户可以快速轻松地与ROS Jazzy和Rolling一起使用Ionic。同时，还可以使用提供的CMake shim构建自己的源代码。

16. Windows原生支持：虽然Gazebo在Windows上的支持仍是实验性的，并且是基于最佳努力提供的，但除了可以在WSL上运行外，Gazebo服务器和GUI现在都可以在Windows上原生运行。

二、平台支持

截至发布日期，目前支持的平台包括：

• Ubuntu Noble（24.04）amd64架构

同时，以最佳努力方式支持的平台包括arm架构、Windows和macOS。

三、安装与文档

完整的安装指南可以在Gazebo的官方文档中找到。由于Gazebo文档已迁移到Sphinx平台，因此安装指南的呈现方式可能有所不同，并且支持暗模式。

对于计划将Gazebo与ROS配合使用的用户，请查阅相关的文档页面以获取指导。与Gazebo Harmonic一样，Ionic支持ROS供应商包，允许用户通过安装一组Apt包来安装和构建Gazebo。

总的来说，Gazebo Ionic版本带来了众多新特性和改进，使得Gazebo在机器人仿真领域的应用更加广泛和便捷。无论是对于机器人开发者还是研究者来说，这都是一个值得尝试的版本。

---

Nav2

Jazzy以及之后版本值得学习和研究。

ROS 2 Nav2导航框架路线图

Nav2导航框架的维护者针对不同ROS 2版本发布，制定了一系列将要完成的主要问题和功能的路线图。这并非计划中功能的详尽列表，也非新版本中可能发现的所有变更。它仅代表对REP-2005存储库中项目的直接承诺事项，以提供对ROS 2路线图中承诺的见解。要了解项目中已完成的重要更改的完整列表，请参阅迁移指南。

Jazzy路线图

• Smac Planner改进（已完成，大型任务）
• 恢复CI绿色状态（已完成，小型任务）
• MPPI多项改进（已完成，中型任务）
• Fuse迁移（进行中，中型任务）
• Ignition迁移（已完成，中型任务）
• Route Graph Planner（进行中，大型任务）
• 提供高级功能教程（如GPS、VIO）（已完成，中型任务）
• ROS时间在整个堆栈中的尊重（已完成，中型任务）
• TwistStamped迁移（已完成，中型任务）
• 速度调度碰撞监测多边形（已完成，中型任务）
• Nav2自动对接功能（已完成，中型任务）

Iron路线图

• 插件化导航器（已完成，中型任务）
• MPPI控制器（已完成，大型任务）
• Route Graph Planner（进行中，大型任务）
• 90%单元测试覆盖率（已完成，小型任务）
• 速度平滑器（已完成，中型任务）
• ROS时间在整个堆栈中的尊重（进行中，中型任务）

Humble路线图

• Nav2每个服务器1个节点（已完成，中型任务）
• Smac Lattice Planner（已完成，大型任务）
• 安全碰撞节点（已完成，中型任务）
• 修复最小范围错误（已完成，小型任务）
• 开发从Master迁移到Rolling（已完成，小型任务）
• 将测试覆盖率提升至88%（已完成，中型任务）
• 完成首次使用指南（已完成，中型任务）
• 旋转Shim控制器（已完成，小型任务）
• 动态组合（已完成，中型任务）

中文详细介绍

Nav2的路线图展示了其在不同版本中的发展方向，涵盖了从功能改进到测试覆盖率提升等多个方面。Jazzy、Iron和Humble分别代表了不同的开发阶段，每个阶段都有其特定的目标和已完成的任务。这些任务包括优化现有的路径规划器、迁移到其他框架、增加新的功能（如自动对接）、提升测试覆盖率以及改善开发流程等。通过这些努力，Nav2旨在为ROS 2用户提供更强大、更可靠的导航解决方案。

 

nav2 org

---

MoveIt Pro

MoveIt Pro 6 发布：ROS 2应用的运行时与开发平台

我们很高兴地宣布MoveIt Pro 6的发布，它进一步增强了针对ROS 2应用的开发平台，特别适用于固定基座机械臂、线性导轨和移动式操纵器。

 

 

 

核心新功能：

1. 全新高精度物理仿真引擎
   • 可以模拟RGBD相机、2D和3D激光雷达，以及最重要的力矩传感器。
   • 仿真器支持多种末端执行器，包括坚固的二指抓手、真空和磁吸抓手，以及形成刚性附件的工具，如焊接和钉钉工具。
   • 无需专用GPU（便于在任何笔记本电脑或云计算环境中使用）。
   • MoveIt Pro默认使用此仿真器，而非Gazebo。
2. MoveIt Pro RRTConnect的新运动规划
   • 引入新的关节空间规划器Pro RRTConnect。
   • 相比OMPL规划器，该规划器具有确定性，计算速度更快，生成的路径更高效。
   • 支持自由空间和笛卡尔路径规划，且像所有MoveIt规划器一样，具有硬件无关性和碰撞感知能力。
3. 力柔顺控制器
   • 新增两种实时控制器，用于力敏感任务：关节轨迹顺应控制器（JTAC）和速度力控制器（VFC）。
   • JTAC适用于物体定位不完全准确或处理重物的情况，如抓取动作和开门。
   • VFC适用于需要在轨迹上施加特定力的情况，如打磨和切割动作。
4. Clearpath + UR的全身操控
   • 移动式操纵器的全身控制。
   • 当机械臂的基座受到过多限制、自由度不足或可达性不够时，全身规划将使基座与机械臂协同移动，以解决冗余问题并提高可达性。
5. 导航支持
   • 通过两个新的MoveIt Pro行为（NavigateToPoseAction和NavigateThroughPosesAction）控制AMR或AGV。
   • 这些行为使用Nav2的行为树将机器人基座送到一个或多个位置。
6. 以机械臂为中心的可视化改进
   • 增加了更直观的3D网格可视化、简化的目标列表和更智能的错误消息。
   • 这使得更容易识别MoveIt运动规划和操控中的失败点。
7. 与PLC交互的IO控制器
   • 新增输入/输出控制器，可通过行为触发ROS启用的二进制IO设备，如激活真空抓手或与PLC通信。

基于开源构建
MoveIt Pro完全遵循ROS 2生态系统，包括其构建系统、包管理、消息格式、中间件等。MoveIt Pro还建立在MoveIt开源之上，遵循常见的开源核心商业模式，提供商业级、高级的实时控制器、规划器、逆解求解器等。我们继续维护MoveIt开源，并为其他关键库（包括ROS 2核心、ROS 2 Control、RobotWebTools等）做出贡献。

---

以上是MoveIt Pro 6的详细介绍，涵盖了其新增的主要功能和特点。 

---

RMF

ROS 2

机器人操作系统（ROS）是一套用于构建机器人应用程序的软件库和工具。从驱动程序到最先进的算法，再到强大的开发工具，ROS为您的下一个机器人项目提供了所需的一切。而且，它完全是开源的。

自2007年ROS诞生以来，机器人和ROS社区发生了巨大变化。ROS 1（最初仅称为“ROS”）最初是作为Willow Garage PR2机器人的开发环境而诞生的，PR2是一款高性能的移动操作平台，旨在用于高级研发。ROS的初衷是为用户提供必要的软件工具，以便他们能够利用这款机器人开展新颖的研发项目。同时，ROS 1开发团队也意识到，PR2不会成为世界上唯一的机器人，也不是最重要的机器人，因此他们希望ROS 1也能在其他机器人上发挥作用。最初的重点是定义抽象级别（通常通过消息接口），以便大量软件能够在其他地方重用。

ROS 1满足了PR2的使用场景，但也在令人惊讶的多种机器人上变得有用。这包括与PR2相似的机器人，以及各种尺寸的轮式机器人、人形机器人、工业机械臂、地面车辆（包括自动驾驶汽车）、航空器、水面航行器等。ROS 1的采用也出现了一个意想不到的转折，它开始进入最初主要关注的学术研究领域之外的其他领域。基于ROS-1的产品开始进入市场，包括制造机器人、农业机器人、商用清洁机器人等。政府机构也在密切关注ROS，考虑将其用于其部署的系统中；例如，NASA计划在部署到国际空间站的Robonaut 2上运行ROS。

所有这些应用无疑以意想不到的方式推动了ROS平台的发展。尽管ROS 1表现良好，但其团队认为，通过直面并解决新的使用场景，他们可以更好地满足更广泛的ROS社区的需求。于是，ROS 2应运而生。

ROS 2项目的初衷是适应不断变化的环境，利用ROS 1的优势并改进其不足。但同时，人们也希望保留现有的ROS 1，使其能够继续工作且不受ROS 2开发的影响。因此，ROS 2被构建为一套可以与ROS 1并行安装且能够与之互操作（例如，通过消息桥）的软件包。

机器人中间件框架（RMF）

想象一下任何一座大型建筑。它可以是购物中心、住宅小区、大学建筑、工作场所、机场、医院、酒店等等。建筑物内部是否有物品递送服务？建筑物楼层是否定期清洁？对于大多数建筑来说，这两个问题的答案都是“是”。

现在，让我们思考一下当机器人开始执行这些任务时会发生什么。在当今的机器人市场中，您可以购买到出色的递送机器人以及出色的地面清洁机器人。但是，如果建筑物内同时在递送物品和清洁地面怎么办？当人类执行清洁和递送任务时，这种情况很容易解决：递送人员推着车和清洁人员打扫地面之间只需快速对视一眼，就能迅速达成妥协。其中一人或两人都会找到一种方法来稍微改变他们任务的时间安排，以便同时完成两项任务。

遗憾的是，机器人在抽象推理、规划和非正式沟通方面的能力远不如人类！这种场景正是机器人中间件框架（RMF）试图避免的情况。在当今的市场中，如果所有机器人都来自同一家制造商，那么这种单一供应商系统中的机器人将知道彼此的存在，并会避免相互冲突。然而，多供应商、多机器人系统仍然是一个悬而未决的问题，我们预计未来所有大型建筑中的多供应商机器人部署将成为常态。为了解决这个问题，RMF提供了一套公约、工具和软件实现，以允许多支机器人队伍相互协作，并与共享的建筑基础设施（如电梯、门、走廊以及其他自然形成的交通流量和任务“瓶颈”）一起工作。

如果没有多供应商机器人框架，当建筑运营商和最终用户被迫选择单一系统或平台提供商时，他们将面临显著但隐藏的风险。隐藏的风险可能会迫使最终用户限制他们从该单一提供商那里选择未来解决方案的范围，以最小化运营风险并避免冗余的集成成本。随着机器人部署的范围和规模增加，这个问题会变得更加严重，导致客户认为除了继续使用当前提供商之外别无选择，并阻止使用市场上新出现的机器人。

除了与不同提供商合作进行部署的成本风险增加之外，还存在对共享资源（如电梯、门口、走廊、网络带宽、充电器、运营中心屏幕“空间”以及人力资源，如IT人员和维修人员）的固有冲突。随着机器人规模的增加，运营团队考虑管理一个大型、异构、多供应商机器人环境会变得更加繁琐。

这些问题陈述是开发RMF的基础动机。

在之前的“清洁和递送”场景中，RMF可以作为交通控制器，帮助递送机器人和清洁机器人根据每项任务的相对优先级和重要性来协商完成两项任务的方法。如果清洁任务很紧急（例如在繁忙的走廊发生泄漏），RMF可以将递送任务通过另一组走廊进行。如果递送任务时间紧迫，RMF可以指示清洁机器人暂停工作并移开，直到递送机器人清空走廊。当然，这些解决方案对于这个特定的“清洁和递送”走廊共享场景来说是显而易见的，并且可以很容易地手动编写。挑战在于试图在许多场景中保持通用性，同时还试图“为未来做好准备”，以便扩展到当前未知的机器人、应用程序和任务领域。

本书其余部分将深入探讨这些细节，展示RMF如何试图预见和预防资源冲突，并提高多供应商、多机器人系统的效率。这里没有魔法！所有实现都是开源的，可供检查和定制。

我们要感谢新加坡政府为启动这个雄心勃勃的研发项目——“开发标准化机器人中间件框架——RMF详细设计和通用服务、大规模虚拟测试农场基础设施以及模拟建模”所提供的远见和支持。该项目得到了卫生部（MOH）和国家机器人计划（NRP）的支持。

本材料中的任何意见、发现、结论或建议均为作者的观点，并不反映NR2PO和MOH的观点。

RMF（机器人移动框架）详解

RMF（Robot Mobility Framework）是一个基于ROS 2（Robot Operating System 2）构建的、可复用且可扩展的库和工具集合。它的主要目的是实现各种类型机器人系统的异构车队之间的互操作性。RMF利用标准化的通信协议与基础设施、环境和自动化进行交互，这些机器人被部署在需要优化关键资源（如机器人、电梯、门、通道等）使用的场景中。通过RMF核心（将在本书后续章节中详细描述），它实现了资源分配，并通过防止共享资源上的冲突，为系统增添了智能。

RMF的特点与优势

• 灵活性与鲁棒性：RMF足够灵活且鲁棒，可以在几乎任何通信层上运行，并与任意数量的物联网（IoT）设备集成。
• 可扩展性：RMF的架构设计允许随着环境中自动化水平的提高而实现可扩展性。
• 多样化的交互方式：系统和用户可以通过API和可定制的用户界面与RMF进行交互。
• 成本节约：一旦部署在环境中，RMF通过允许资源共享和最小化集成来降低成本。

RMF的组成部分与工具

1. RMF架构图：本书将提供RMF的架构图，以直观展示其组成部分和运作方式。

2. 功能区域：RMF包含多个功能区域，这些将在本书的后续章节中详细探讨。但现在，我们可以先了解一些在开发和与RMF集成时有帮助的其他实用工具。

3. RMF演示：这些演示展示了RMF在各种环境中的能力，并作为与RMF集成和工作的起点。

4. 交通编辑器：一个用于创建和注释用于RMF的平面图的图形用户界面（GUI）。通过交通编辑器，用户可以创建交通模式，并引入仿真模型以增强虚拟仿真环境。创建的.yaml文件可以轻松导出并在Gazebo中使用。

5. Free Fleet：一个开源的机器人车队管理系统，适用于没有自己的车队管理器或希望使用并贡献于开源车队管理工具的机器人开发者。

6. RMF调度可视化器：一个基于rviz的RMF核心可视化器和控制面板，旨在为RMF开发者提供实用的工具。

7. RMF Web UI：一个可配置的Web应用程序，提供对RoMi-H系统的整体可视化和控制。与前面提到的调度可视化器相比，该仪表板的设计更加“操作员友好”。

8. RMF仿真：包含用于模拟RMF的仿真插件。插件可在Gazebo和Ignition中使用。

9. 仿真资产：创建和共享开源且可免费分发的仿真资产，以加速仿真工作。

综上所述，RMF为机器人开发者和机器人客户提供了一个强大的框架，使他们能够更高效地开发、部署和管理机器人系统。

---

第七届国际机器人软件工程研讨会

活动概述：

我们非常荣幸地宣布，第七届国际机器人软件工程研讨会（RoSE '25）将于明年（2025年4月27日至5月3日）在加拿大渥太华与国际软件工程大会（ICSE '25）同期举行。

邀请ROS社区参与：

我们诚挚邀请ROS社区的更多成员参与此次盛会。您可以通过提交关于您的研究、工具或软件工程实践的案例研究的论文来参与，也可以参加研讨会并贡献您的见解。

论文征集：

如果您对此感兴趣，请查看研讨会网站上的论文征集信息（RoSE 2025），或随时通过直接消息（DM）或电子邮件向我提出任何问题！例如，“我可以提交关于X的论文吗？”论文提交截止日期为2024年11月11日。

征集主题：

我们欢迎涉及但不限于以下与机器人软件工程相关的主题的投稿：

• 机器人软件工程中的挑战分析
• 机器人软件工程的最佳实践
• 机器人领域的持续集成和部署
• 机器人软件开发中的领域特定语言和工具
• 机器人软件及其工具（包括可用性）的实证研究
• （异构）多机器人系统的工程
• 促进服务质量（如性能、能效）的设计原则的分析
• 大型、真实世界集成机器人软件的工程和部署中的经验教训
• 应用于机器人软件的机器学习
• 衡量非功能性属性（如鲁棒性、可用性等）的指标及其在机器人软件中的应用
• 机器人系统软件库的挖掘
• 应用于机器人软件的模型驱动工程方法和技术
• 支持机器人系统工程和开发的过程和工具
• 机器人系统的软件架构
• 机器人软件工程的最新研究项目、创新想法和基于现场的研究
• 机器人软件的静态和动态分析
• 机器人软件和工具的可用性研究
• 机器人软件中的可变性、模块化和可重用性
• 机器人软件的验证和验证

致谢：

代表RoSE '25组织者，我们向您表示感谢！

---

以上是第七届国际机器人软件工程研讨会的详细介绍，包括活动概述、对ROS社区的邀请、论文征集信息以及征集的主题。我们期待您的参与，共同推动机器人软件工程领域的发展。

---

The Great Outdoors Dataset：越野多模态数据集

 

简介：

The Great Outdoors Dataset：越野多模态数据集是一项旨在推动复杂越野环境下自主导航研究的综合性资源。该数据集通过专为非结构化地形设计的无人地面车辆（UGV）收集，提供了丰富的传感器数据组合，以支持稳健且安全的导航。

传感器配置：

• 64通道LiDAR：用于生成详细的3D点云，提供环境的高精度三维信息。
• 多个RGB摄像头：用于高分辨率的视觉捕捉，提供丰富的色彩和纹理信息。
• 热成像相机：在低能见度或夜间条件下提供红外成像，增强环境感知能力。
• 惯性导航系统（INS）：提供准确的运动和方向测量，确保车辆姿态和轨迹的精确追踪。
• 2D毫米波雷达：在恶劣天气条件下增强感知能力，提高车辆对周围环境的识别精度。
• RTK GPS系统：提供精确的地理定位，确保车辆在全球坐标系中的准确位置。

数据集特点：

• 语义场景理解：数据集强调语义场景理解，通过提供带注释标签的多模态数据，支持3D语义分割，填补了越野自主研究中的空白。
• 针对越野应用：与许多专注于城市环境的数据集不同，该数据集专门针对越野应用，为开发先进的机器学习模型和传感器融合技术提供了关键资源。
• 基于RELLIS-3D的扩展：在RELLIS-3D的基础上，该数据集旨在推动非结构化环境中自主导航的边界，使算法能够有效导航并感知越野环境的复杂动态。

合作者：

• 德克萨斯A&M大学：Peng Jiang、Kasi Viswanath、Akhil Nagariya、George Chustz、Srikanth Saripalli
• CCDC陆军研究实验室：Maggie Wigness、Philip Osteen、Tim Overbye、Christian Ellis、Long Quang

许可证：

本页面上的所有数据集和代码均受我们版权保护，并根据Creative Commons Attribution-NonCommercial-ShareAlike 3.0许可证发布。这意味着您可以在遵守许可协议的前提下，非商业性地使用、分享和改编这些资源，但必须注明出处，并允许他人以相同方式使用您的改编作品。

---

以上是The Great Outdoors Dataset：越野多模态数据集的详细介绍，包括其背景、传感器配置、数据集特点、合作者以及许可证信息。该数据集为越野自主导航研究提供了宝贵的资源和支持。

---

-Fin=End-

---