Orion 复刻全流程
Orion 从采购、打印、组装到装软件、标定和训练的 80 个步骤,附物料表、购买链接与官方出处。
Orion 是一款从零设计并制造的 12 自由度 ROS2 四足机器人犬。仓库提供 SolidWorks 机械模型、STL/3MF 可打印件、KiCad PCB 设计、URDF 模型,以及 ROS2 和 STM32 控制软件。
打印与加工
- 制造多层 KiCad PCB
制造文档所述的自定义多层 KiCad PCB。
- 建模并打印底盘
在 SolidWorks 中迭代建模底盘,然后进行 3D 打印。
- 制作硅胶脚垫
制作文档所述的二部分式硅胶注射成型脚垫。
- 使用机械模型文件
按照 models/ 的 README 使用 SolidWorks 零件与装配体、STL 和 3MF 导出文件。
- 使用 PCB 工程文件
按照 pcb/ 的 README 使用控制板和电源板的 KiCad 工程。
- 从 SolidWorks 导出 URDF
从 SolidWorks 导出机器人的 URDF 文件。
- 修改链接和关节名称
将链接和关节名称修改为所需名称。
- 修正关节运动限制
修正关节限制,使其不是 360 度范围。
组装
- 组装控制板
组装包含 STM32F401、BNO055 IMU 和 PCA9685 伺服驱动器的控制板。
- 组装电源板
组装电源板,包括电池分配、INA3221 对三条电源轨的电压监测、高电流伺服线路和电池报警。
- 配置 I2C 与调试接口
在多个 I2C 总线上配置 LTC4311 有源终端,并布置测试点和调试排针。
- 安装关节轴承
在全部 12 个关节中安装轴承。
- 安装磁性内部挂载件
安装磁性挂载件,以便无需工具即可接触内部电子设备。
- 制作单腿测试夹具
制作用于单腿测试的直线导轨夹具。
- 添加足部关节
在训练前,为足部添加一个用于 Isaac Lab 触摸传感器的关节。
软件与固件
- 安装 Foxglove Studio
安装 Foxglove Studio。
- 安装 Node.js 16+ 和 npm
准备 Node.js 16 及更高版本和 npm。
- 进入扩展目录
克隆仓库或导航到 rpy-panel 目录。
- 安装依赖项
在 rpy-panel 目录中安装 npm 依赖项。
- 构建扩展
构建 Foxglove Studio 的 RPY 面板扩展。
- 打包扩展
打包扩展并在 dist 文件夹中生成 .foxe 文件。
- 在 Foxglove Studio 中安装扩展
打开 Foxglove Studio,进入 Extensions → Install Extension,然后从 dist 文件夹中选择生成的 .foxe 文件。
- 启动热重载开发模式
运行监视命令,以便开发时自动重新加载。
- 安装开发目录扩展
在 Foxglove Studio 中进入 Extensions → Install Extension,导航到 rpy-panel 目录并选择该目录。
- 定义 RPY ROS 消息
创建包含 roll、pitch 和 yaw 浮点字段的自定义 ROS 消息,并将角度值设为度而不是弧度。
- 添加 RPY 可视化面板
在 Foxglove Studio 中点击“+”按钮,然后选择“RPY Visualization”。
- 选择 RPY ROS 主题
使用面板顶部的下拉菜单,选择包含 RPY 数据的 ROS 主题。
- 自定义仪表颜色
编辑 src/RPYPanel.tsx,在 colors 对象中修改 roll、pitch 和 yaw 的首选颜色。
- 调整仪表尺寸
在 src/RPYPanel.tsx 中修改 CircularGauge 的 size 属性;默认值为 220px。
- 创建 Python 3.11 环境
创建名为 env_isaaclab、使用 Python 3.11 的 Conda 环境并激活它。
- 安装 Isaac Sim 5.1.0
先升级 pip,再从 NVIDIA 额外索引安装 isaacsim 5.1.0 的 all 和 extscache 组件。
- 安装 PyTorch 和 torchvision
从指定的 PyTorch wheel 索引安装 torch 2.7.0 和 torchvision 0.22.0。
- 启动 Isaac Sim
运行 isaacsim 命令启动 Isaac Sim。
- 克隆 IsaacLab 仓库
克隆文档指定的 IsaacLab Git 仓库。
- 安装构建依赖
通过 apt 安装 cmake 和 build-essential。
- 运行 IsaacLab 安装程序
进入克隆的 IsaacLab 目录,并运行其安装脚本。
- 安装正确的 NVIDIA 驱动
选择 NVIDIA 图形配置,并自动安装 Ubuntu 驱动。
- 重启计算机
安装驱动后重启计算机。
- 确认 NVIDIA 配置并登录
运行 prime-select query 并确认输出为 nvidia;然后注销并重新登录,在屏幕右下角选择 Ubuntu on Xorg。
- 导入 Isaac Sim 生成 USD
将模型导入 Isaac Sim,以获得 USD 文件。
- 整理自定义四足机器人文件
将 USD 文件和配置文件夹放入 `custom_quadruped` 文件夹。
- 复制自定义四足机器人配置
将 `custom_quadruped` 文件夹复制到 Isaac Lab 的 velocity 配置目录。
- 进入扩展目录
导航到所需目录,然后进入已创建扩展文件的 rpy-panel/ 目录。
- 安装依赖项
运行 npm install,安装 Foxglove Studio SDK、React 和 TypeScript 依赖项,以及构建工具和 linter。
- 构建扩展
运行 npm run build,将 TypeScript 代码编译成兼容 Foxglove 的扩展。
- 打包扩展
运行 npm run package,在 dist/ 文件夹中生成 .foxe 文件。
- 以开发模式安装
打开 Foxglove Studio,进入 Extensions,选择 Install Extension,导航到 ./rpy-panel,选择整个文件夹而不是单个文件,然后点击 Open。
- 以生产模式安装
打开 Foxglove Studio,进入 Extensions 并选择 Install Extension,导航到 rpy-panel/dist/,选择 .foxe 文件,然后点击 Open。
- 添加面板到布局
在 Foxglove Studio 的布局中点击“+”按钮,搜索“RPY Visualization”,然后点击将其添加到工作区。
- 选择 RPY 主题
点击面板顶部标有“Select RPY Topic”的下拉菜单,选择包含 roll、pitch 和 yaw 数据的 ROS 主题。面板会自动检测名称包含 rpy、orientation 或 attitude 的主题。
- 定义 RPY ROS 消息
创建 `RPYData.msg`,包含 `roll`、`pitch` 和 `yaw` 三个 `float64` 字段。每个字段使用角度单位,范围为 -180 到 +180。
- 发布 RPY 示例消息
创建 Python ROS 发布器,向 `/robot/rpy` 发布 `RPYData`,队列大小为 10,频率为 10 Hz。循环中发布振荡的 Roll 和 Pitch、旋转的 Yaw,并将角度增加 0.1。
- 启用热重载开发模式
运行热重载命令,启动自动监视文件的工具。保存更改后会自动重新构建,Foxglove Studio 会热重载扩展。
- 安装 CMake
安装 CMake,为 STM32 工程配置提供构建工具。
- 安装 STM32CubeIDE 扩展
在 VSCode 中安装 `STM32CubeIDE for VSCode` 扩展。
标定与测试
- 运行空场景教程
运行 00_sim 目录中的 create_empty.py 教程脚本。
- 运行生成 Prim 教程
运行 00_sim 目录中的 spawn_prims.py 教程脚本。
- 再次运行空场景教程
再次运行 00_sim 目录中的 create_empty.py 教程脚本。
- 运行场景创建教程
运行 02_scene 目录中的 create_scene.py 教程脚本。
- 运行四足环境教程
运行 03_envs 目录中的 create_quadruped_base_env.py 教程脚本。
- 再次运行场景创建教程
再次运行 02_scene 目录中的 create_scene.py 教程脚本。
- 排查随机故障
出现随机故障时,依次尝试重启 Isaac Lab 或模拟器、重启计算机,以及重新安装驱动程序或依赖项。
- 调整训练参数和覆盖命令
根据需要调整 `custom_quadruped` 文件夹中的参数,也可以添加覆盖命令。
- 验证逆运动学与步态
在完整集成前,使用单腿直线导轨测试夹具验证逆运动学和步态。
- 运行伺服校准
运行 TestScripts/ 中的伺服校准测试。
- 解读 RPY 仪表刻度
每个仪表顶部(12 点钟方向)表示 0°,正值顺时针旋转,负值逆时针旋转。主刻度每 90° 标记一次,即 -180°、-90°、0° 和 +90°;下方的大号数字显示精确值。
采数据与训练
- 训练并运行四足机器人策略
激活 `env_isaaclab` 环境,进入 RSL-RL 目录,训练 128 个环境,然后运行训练好的模型。
- 在 VS Code 中查看 TensorBoard
在 VS Code 中安装 TensorBoard 扩展,按 `ctrl + shift + P`,然后选择 `~/Isaaclab/scripts/reinforcement-learning/rsl_rl` 文件夹。
- 使用无头模式降低处理器负载
在训练命令中添加 `--headless`,并将电源模式从 `performance` 切换为 `power save`,以避免 Processor 0 过热。
- 运行 Isaac Lab PPO 训练
使用 reinforcement-learning/ 目录中的 Isaac Lab PPO 训练。
- 运行摄像头与深度测试
运行 TestScripts/ 中的摄像头和深度映射测试。
- 查看实时姿态数据
选择一个主题并播放其数据源。Roll 表示绕 X 轴旋转,Pitch 表示绕 Y 轴旋转,Yaw 表示绕 Z 轴旋转。
用起来
- 查看实时 RPY 仪表
消息到达时,三个仪表会实时更新:左侧红色仪表显示 Roll,中间绿色仪表显示 Pitch,右侧蓝色仪表显示 Yaw。