ros2的重力补偿

力传感器重力补偿工作流程（优化版）

本文档介绍了如何在基于 ROS 2 的机器人系统中，使用机器学习模型对力/力矩传感器进行重力补偿，并对整体启动体验进行了优化。

---

✅ 步骤 1：采集数据并训练补偿模型

1.1 采集数据

• 确保机械臂静止，无外力接触。

• 运行数据采集节点：

ros2 run cartesian_controllers_universal_robots record_bias_data.py

将创建文件 ~/workspace/calibration_logs/recorded_bias_data.csv

1.2 建议采集多个姿态

• 手动移动机械臂到不同方向/角度。

• 多次运行采集节点，得到多个文件，如：

  • recorded_bias_data1.csv

  • recorded_bias_data2.csv

  • ...

1.3 合并并训练模型

运行：

ros2 run cartesian_controllers_universal_robots merge_and_train_bias.py

输出模型：

~/workspace/calibration_logs/bias_model.pkl

---

✅ 步骤 2：启用重力补偿节点（优化版）

2.1 修改启动文件

在 robot.launch.py 中添加：

from launch.actions import TimerAction

force_bias_node = TimerAction(
    period=5.0,  # 延迟 5 秒启动，确保 TF 树稳定
    actions=[
        Node(
            package="cartesian_controllers_universal_robots",
            executable="force_republisher_with_bias.py",
            name="force_bias_node",
            output="screen",
            parameters=[]
        )
    ]
)

并在节点列表中加入 force_bias_node：

nodes = [rviz, control_node, robot_state_publisher, flange_tf_node, force_bias_node] + active_spawners + inactive_spawners

2.2 验证话题是否发布成功

ros2 topic echo /ft_sensor_wrench_compensated

应看到已经补偿后的力数据。

---

✅ 步骤 3：更新控制器配置

编辑 controller_manager.yaml：

cartesian_compliance_controller:
  ros__parameters:
    ft_sensor_topic: /ft_sensor_wrench_compensated

然后重启控制器或 launch 文件。

---

✅ 验证效果

对比前后数据：

ros2 topic echo /ft_sensor_wrench_raw
ros2 topic echo /ft_sensor_wrench_compensated

预期结果：

• raw 包含重力分量

• compensated 在静止时应接近零

---

📊 建议技巧

• 姿态越多，模型越准确。

• 使用 scikit-learn 的多项式回归提升拟合效果。

• 确保 base_link 与 tool0 的 TF 始终可用且稳定。

• 建议在启动补偿节点时增加 3-5 秒延迟，避免 tf2 查询失败。

---

📂 文件说明

文件名	作用
record_bias_data.py	记录传感器数据与姿态
merge_and_train_bias.py	合并 CSV 并训练模型
force_republisher_with_bias.py	发布重力补偿后的力数据
bias_model.pkl	已训练的补偿模型

---

使用本流程，你将获得实时的、经过重力补偿的六维力/力矩数据，可用于高精度的柔顺控制或力控任务！✨