UniflexAI/tinynav

TinyNav: A lightweight, hackable system to guide your robots anywhere.

TinyNav — 一个轻量级机器人导航系统

TinyNav 是一个开源项目,帮助机器人确定自身位置以及如何到达目标地点。README 将其描述为“一个轻量级、可修改的系统,引导您的机器人去任何地方”。它由名为 Uniflex AI 的团队维护。

功能

TinyNav 为机器人提供基于地图的导航:机器人构建周围环境的地图,确定其在该地图中的位置(称为重定位),然后规划到达目的地的路径。该系统处理完整流程:

  • 感知 — 处理传感器数据(相机、IMU)以理解环境
  • 建图 — 构建和更新地图
  • 规划 — 计算路径和轨迹
  • 控制 — 向机器人电机发送命令

支持的硬件

README 列出了两个初始重点机器人平台:

  • Unitree GO2 — 四足机器人(四条腿)
  • LeKiwi — 轮式机器人

它还支持两种相机类型:

  • Intel RealSense — 常见的深度相机
  • Looper — 一种较新的相机,内置深度感知和视觉惯性里程计(VIO),帮助机器人跟踪运动

对于计算硬件,它可在 Jetson Orin(NVIDIA 的嵌入式 AI 平台)和台式电脑上运行,并计划支持更便宜的平台,如 RK3588。

设计目标

该项目有四个既定目标:

  1. 小巧 — 核心代码紧凑(约 2,000 行代码),易于理解和修改。
  2. 稳健 — 设计用于在不同场景和现实条件下可靠工作。
  3. 多机器人平台 — 旨在为各种机器人类型提供“开箱即用”的支持。
  4. 多芯片平台 — 支持不同的计算硬件以实现更广泛的可用性。

主要功能(来自版本历史)

v0.1(初始版本):

  • 基于地图的导航,支持重定位和全局规划
  • 支持 Unitree 和 LeKiwi 机器人
  • 升级的立体深度模型
  • 针对机器人应用调优的 RealSense 曝光
  • Gazebo 仿真环境
  • Docker 镜像构建流程

v0.2 新增:

  • 3D 高斯溅射(3DGS)地图表示 — 一种高质量可视化地图的方式,并带有直观的编辑器
  • 基于 ESDF 的避障 — 机器人不仅避开障碍物,还保持安全距离
  • 定位基准测试 — 用于衡量改进的标准测试
  • CUDA 图优化 — 在 Jetson Nano 上以超过 20Hz 运行,降低延迟
  • 使用键值数据库(shelve)存储地图,以提高性能
  • 合并了超过 50 个拉取请求

v0.3 新增:

  • IMU-视觉融合 — 将惯性测量数据与相机数据结合,提高俯仰角精度
  • 弹性建图 — 优雅处理消息丢失,并重新设计了可视化工具
  • 统一模型训练 — 一个同时处理感知和规划任务的单一神经模型
  • 改进的 C++ 代码质量检查(clang-tidy、Address Sanitizer)

可选功能:FlexGlue 匹配器

默认情况下,TinyNav 使用一种称为 LightGlue 的特征匹配算法进行建图和重定位。还有一个可选的替代方案 FlexGlue,速度较慢,但在某些情况下可能有用。README 包含基准表,显示 LightGlue 快得多(例如,单对匹配 9.9 毫秒 vs 502.2 毫秒),但 FlexGlue 具有不同的一致性特性。

如何运行

先决条件: git、git-lfs、Docker,以及 NVIDIA Container Toolkit(用于 PC)或 JetPack SDK 6.2+(用于 Jetson Orin)。

快速开始:

  1. 克隆仓库并运行检查脚本以验证环境
  2. 在 VS Code 中使用 Dev Containers 扩展打开项目
  3. 运行演示脚本,播放录制数据集(ROS bag 文件)并使用 RViz(可视化工具)实时显示机器人的规划

演示脚本流式播放预录制数据集,运行感知和规划模块,并显示机器人的状态和规划轨迹。

项目结构

代码组织为:

  • tinynav/core/ — 用于感知、建图、规划和控制的 Python 模块
  • tinynav/cpp/ — 用于性能关键操作的 C++ 后端
  • tinynav/models/ — 预训练模型和转换脚本
  • scripts/ — 用于演示、Docker 管理和数据记录的 Shell 脚本

代码规模

README 包含一个代码行数表,显示所有文件大约 2,660 行,其中约 1,959 行 Python、292 行 C++,以及少量 Shell 脚本、Dockerfile 和配置文件。

社区和支持

  • 赏金计划 — 项目提供付费任务;电子表格列出了可用的赏金和奖励。
  • 贡献者 — 列出了五位代码贡献者。
  • 赞助商 — DeepMirror 和 Looper Robotics 支持该项目。
  • 联系渠道 — 提供了 Discord 服务器和 X(Twitter)账号链接。

下一步计划

README 列出了三个未来目标:

  1. 支持实时感知(≥30 帧/秒)的高优化神经网络模型
  2. 改进地图模块的一致性和准确性
  3. 集成语义信息的端到端轨迹规划

通俗解释

TinyNav 是一个紧凑、开源的“大脑”,用于需要导航的机器人。它接收相机和传感器数据,构建地图,确定机器人位置,并规划安全路径——所有这些都在一个足够小的代码库中,开发者可以轻松修改。它设计用于特定的现成机器人(四足 Unitree 和轮式 LeKiwi),并在 NVIDIA 的嵌入式硬件上运行,重点是足够快以支持实时操作。

相关

  • 项目
  • 项目
  • 项目
  • 项目
  • 项目