首页
/ Ruckig 项目使用教程

Ruckig 项目使用教程

2024-09-14 07:08:14作者:蔡怀权

1. 项目介绍

Ruckig 是一个用于机器人和机器的实时运动生成库。它能够在飞行中生成轨迹,使机器人和机器能够即时响应传感器输入。Ruckig 计算到目标的轨迹,从任何初始状态开始,受限于速度、加速度和加加速度(jerk)约束。除了目标状态,Ruckig 还允许定义中间位置以进行路径点跟随。对于状态到状态的运动,Ruckig 保证时间最优的解决方案。

Ruckig 的主要特点包括:

  • 实时性:能够在控制循环中即时生成轨迹。
  • 加加速度约束:支持加加速度约束,确保平滑的运动。
  • 时间最优:对于状态到状态的运动,保证时间最优的解决方案。
  • 中间路径点:支持定义中间路径点,计算路径和时间参数化。

2. 项目快速启动

安装

Ruckig 没有外部依赖(除了测试),可以使用 CMake 进行构建。以下是安装步骤:

mkdir -p build
cd build
cmake -DCMAKE_BUILD_TYPE=Release ..
make

要安装 Ruckig 到系统目录,可以使用以下命令:

sudo make install

使用示例

以下是一个简单的使用示例,展示如何在 CMake 项目中使用 Ruckig:

cmake_minimum_required(VERSION 3.1)
project(ruckig_example)

find_package(ruckig REQUIRED)

add_executable(ruckig_example main.cpp)
target_link_libraries(ruckig_example ruckig::ruckig)

main.cpp 中,可以编写如下代码:

#include <ruckig/ruckig.hpp>

int main() {
    // 创建 Ruckig 实例
    ruckig::Ruckig<3> otg {0.001}; // 3 DoFs, control cycle 1 ms

    // 输入参数
    ruckig::InputParameter<3> input;
    input.current_position = {0.0, 0.0, 0.0};
    input.current_velocity = {0.0, 0.0, 0.0};
    input.current_acceleration = {0.0, 0.0, 0.0};
    input.target_position = {1.0, 1.0, 1.0};
    input.target_velocity = {0.0, 0.0, 0.0};
    input.target_acceleration = {0.0, 0.0, 0.0};
    input.max_velocity = {1.0, 1.0, 1.0};
    input.max_acceleration = {1.0, 1.0, 1.0};
    input.max_jerk = {1.0, 1.0, 1.0};

    // 输出参数
    ruckig::OutputParameter<3> output;

    // 控制循环
    while (otg.update(input, output) == ruckig::Result::Working) {
        // 使用新的状态
        // 例如:robot->setJointPositions(output.new_position);
        output.pass_to_input(input);
    }

    return 0;
}

3. 应用案例和最佳实践

应用案例

  1. 机器人控制:Ruckig 可以用于机器人的实时运动控制,确保机器人能够平滑且快速地响应环境变化。
  2. 自动化生产线:在自动化生产线上,Ruckig 可以用于控制各种机械臂和传送带,确保生产过程的流畅和高效。
  3. 医疗机器人:在医疗机器人领域,Ruckig 可以用于精确控制手术机器人,确保手术过程的安全和精确。

最佳实践

  1. 实时性优化:在实时应用中,确保控制循环的周期尽可能短,以提高系统的响应速度。
  2. 参数调整:根据具体的应用场景,调整速度、加速度和加加速度的限制,以达到最佳的运动效果。
  3. 错误处理:在实际应用中,确保对 Ruckig 的返回结果进行适当的错误处理,以应对可能的异常情况。

4. 典型生态项目

Ruckig 作为一个强大的运动生成库,已经被多个知名项目采用,形成了丰富的生态系统。以下是一些典型的生态项目:

  1. MoveIt 2:用于轨迹生成和运动规划。
  2. CoppeliaSim:从版本 4.3 开始,用于机器人仿真。
  3. Frankx:用于控制 Franka Emika 机器人臂。
  4. Struckig:Ruckig 的结构化文本(ST - IEC61131-3)移植版本,用于 PLC 控制。

这些项目与 Ruckig 的结合,展示了其在不同应用场景中的广泛适用性和强大功能。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
514
557
docsdocs
暂无描述
Markdown
861
5.71 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.05 K
2.53 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
843
1.29 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
857
1.72 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.36 K
876
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
517
350
llvm-projectllvm-project
本仓库fork自上游llvm-project仓,面向openEuler社区提供了前端C/C++语言的支持,中端通用优化能力的增强,以及后端多架构的支持,包括AArch64/X86/LoongArch/RISC-V/SW64等。
C++
159
64
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.26 K
1.39 K
kernelkernel
deepin linux kernel
C
33
16