Kachaka API异步客户端使用指南
2025-06-10 00:47:05作者:咎竹峻Karen
概述
Kachaka API异步客户端库(kachaka_api.aio.KachakaApiClient)为开发者提供了便捷的方式来控制Kachaka机器人,无需直接处理底层的gRPC通信细节。该库采用异步编程模式,适合需要高效并发处理的场景。
环境准备
在使用异步客户端前,需要确保已安装必要的依赖库:
%pip install -q matplotlib numpy
import matplotlib.pyplot as plt
import numpy as np
from IPython.display import Image, clear_output, display
这些可视化库主要用于后续可能的数据展示和分析。
客户端初始化
创建异步客户端实例非常简单:
import kachaka_api
client = kachaka_api.aio.KachakaApiClient()
如果需要连接远程Kachaka设备,可以指定IP地址和端口:
client = kachaka_api.aio.KachakaApiClient("<机器人IP地址:26400>")
机器人基本信息获取
获取序列号
await client.get_robot_serial_number()
获取软件版本
await client.get_robot_version()
位置与家具管理
位置信息
获取所有已定义的位置信息,包括ID和坐标(单位:米和弧度):
await client.get_locations()
获取默认位置ID:
await client.get_default_location_id()
家具信息
获取所有家具信息:
await client.get_shelves()
获取当前搭载的家具ID:
await client.get_moving_shelf_id()
机器人控制命令
基本移动控制
移动家具到指定位置:
await client.move_shelf("S01", "L01")
使用名称而非ID进行操作(需先更新解析器):
await client.update_resolver()
await client.move_shelf("书架", "餐厅")
返回家具到原位:
await client.return_shelf("S01")
# 或返回当前搭载的家具
await client.return_shelf()
放下当前搭载的家具:
await client.undock_shelf()
移动到指定位置:
await client.move_to_location("L01")
返回充电站:
await client.return_home()
家具操作
搭载前方的家具:
await client.dock_shelf()
移动到指定位置并搭载任意家具(自动注册新家具):
await client.dock_any_shelf_with_registration("L01", False)
语音功能
机器人语音播报:
await client.speak("你好,我是Kachaka")
精确控制
移动到地图上的指定坐标:
await client.move_to_pose(0.5, 0.0, 0)
前后移动(负值表示后退):
await client.move_forward(0.5) # 前进0.5米
await client.move_forward(-0.4, speed=0.3) # 以0.3m/s速度后退0.4米
原地旋转(弧度制):
import math
await client.rotate_in_place(math.pi) # 旋转180度
位置校准:
await client.localize()
命令管理
命令控制
取消当前命令:
await client.cancel_command()
检查命令状态:
await client.is_command_running() # 是否正在执行
await client.get_running_command() # 获取当前执行命令
await client.get_last_command_result() # 获取最后命令结果
await client.get_history_list() # 获取命令历史
等待控制
设置等待状态(30秒):
await client.lock(30.0)
await client.speak("等待状态已解除", cancel_all=False)
提前结束等待:
await client.proceed()
高级功能
快捷命令
获取快捷命令列表:
await client.get_shortcuts()
执行快捷命令:
shortcut_id = min((await client.get_shortcuts()).keys())
await client.start_shortcut_command(shortcut_id, True)
家具位置重置
当家具被手动移动后,重置其位置信息:
await client.reset_shelf_pose("S01")
自动充电设置
启用/禁用自动充电功能:
await client.set_auto_homing_enabled(True)
音量控制
获取当前音量(0-10):
await client.get_speaker_volume()
设置音量:
await client.set_speaker_volume(10)
手动控制模式
进入手动控制模式(60秒后自动退出):
await client.set_manual_control_enabled(True)
检查手动模式状态:
await client.get_manual_control_enabled()
发送速度指令(线速度m/s,角速度rad/s):
for i in range(100):
await client.set_robot_velocity(0.0, 0.3) # 原地旋转
传感器数据
获取电池状态(电量百分比,充电状态):
await client.get_robot_power_status()
充电状态可能返回:
- 充电中:
PowerSupplyStatus.POWER_SUPPLY_STATUS_CHARGING(=1) - 放电中:
PowerSupplyStatus.POWER_SUPPLY_STATUS_DISCHARGING(=2)
最佳实践
- 错误处理:所有API调用都应添加适当的异常处理
- 状态检查:在执行命令前检查机器人当前状态
- 资源释放:使用完毕后关闭客户端连接
- 异步优化:合理使用asyncio.gather等并发执行方法提高效率
通过这套异步API,开发者可以轻松实现复杂的机器人控制逻辑,充分发挥Kachaka机器人的各项功能。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210