在Navigation2中使用Planner Selector和Controller Selector的实践指南
2025-06-26 17:25:22作者:裴麒琰
概述
Navigation2作为ROS2中的导航框架,提供了灵活的规划器和控制器选择机制。本文将详细介绍如何在Navigation2中配置和使用Planner Selector与Controller Selector功能,实现不同场景下的动态规划器和控制器切换。
配置基础环境
在开始配置前,需要确保已正确安装Navigation2框架,并了解基本的导航参数配置。本文以Humble版本为例,系统环境为Ubuntu 22.04.4。
Planner和Controller的多插件配置
首先需要在planner_server的配置文件中声明多个规划器插件:
planner_server:
ros__parameters:
planner_plugins: ["GridBased_navfn", "GridBased_smac"]
GridBased_navfn:
plugin: "nav2_navfn_planner/NavfnPlanner"
GridBased_smac:
plugin: "nav2_smac_planner/SmacPlannerHybrid"
同样地,对于控制器也可以在controller_server中配置多个控制器插件。
行为树配置关键点
在行为树配置中,有两个关键节点需要注意:
- PlannerSelector节点:用于动态选择规划器
- ControllerSelector节点:用于动态选择控制器
典型的行为树配置示例如下:
<BehaviorTree ID="MainTree">
<RecoveryNode number_of_retries="6" name="NavigateRecovery">
<PipelineSequence name="NavigateWithReplanning">
<ControllerSelector selected_controller="{selected_controller}"
default_controller="FollowPath_DWB"
topic_name="controller_selector"/>
<PlannerSelector selected_planner="{selected_planner}"
default_planner="GridBased_navfn"
topic_name="planner_selector"/>
<!-- 其他节点 -->
</PipelineSequence>
</RecoveryNode>
</BehaviorTree>
常见问题解决
-
主题不可见问题:PlannerSelector和ControllerSelector使用的主题可能不会立即出现在ros2 topic list中,这是由于其使用了特定的QoS设置(transient local)。可以通过直接发布消息到该主题来验证功能是否正常。
-
行为树加载问题:确保在nav2_params.yaml中正确指定了行为树文件路径,使用
default_nav_to_pose_bt_xml参数而非default_bt_xml。
实际应用建议
- 场景化规划器选择:可以根据不同环境特点(如开阔区域、狭窄走廊)选择最适合的规划器。
- 动态性能调整:在需要高精度控制时选择更精确的控制器,在开阔区域选择更高效的控制器。
- 故障恢复机制:结合行为树的恢复节点,可以在规划或控制失败时自动尝试其他规划器或控制器。
总结
Navigation2的Planner Selector和Controller Selector功能为机器人导航提供了极大的灵活性。通过合理配置多个规划器和控制器,并在行为树中实现动态选择机制,可以显著提升机器人在复杂环境中的导航性能。开发者在实现时需要注意主题的QoS设置和行为树文件的正确加载路径,这些细节往往决定了功能是否能正常工作。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
538
3.76 K
Ascend Extension for PyTorch
Python
343
411
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++
886
604
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
337
181
暂无简介
Dart
775
192
deepin linux kernel
C
27
11
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.34 K
757
React Native鸿蒙化仓库
JavaScript
303
356
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
987
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
895