UniflexAI/tinynav

解决的问题

TinyNav 是一个轻量级、可定制的导航系统，旨在引导机器人在环境中移动。它解决了为各种机器人平台和硬件芯片提供鲁棒、实时的导航、建图和定位的挑战，同时保持代码库精简，以便于原型设计和社区贡献。

工作原理

该系统由 Python 和 C++ 组件组成的模块化流水线组成：

• Perception Node：处理传感器数据（例如来自 RealSense 或 Looper 等立体摄像机的数据）并集成 IMU-visual 融合，以提高定位和俯仰角精度。
• Map Node：构建并维护环境地图，支持用于高质量可视化和精确 POI 放置的 3D Gaussian Splatting (3DGS) 等表示形式。
• Planning Node：利用地图和感知数据计算最优路径和轨迹，并利用基于 ESDF 的避障功能来保持与障碍物的安全距离。
• Control Node：发送最终控制命令以驱动机器人。

通过用于 Jetson Nano 等平台上的低延迟推理的 CUDA Graph 优化、用于提速的 Numba JIT 以及用于并发模型推理的 asyncio 来优化性能。

适用对象

需要支持多种机器人平台（例如 Unitree GO2、LeKiwi）和各种计算平台（Jetson Orin、RK3588、桌面端）的灵活导航栈的机器人开发者和研究人员。

亮点

• 精简的代码库：约 2,000 行 Python 代码，确保清晰易用。
• 多平台支持：开箱即用支持 Unitree GO2 和 LeKiwi 机器人。
• 高级建图：集成 3D Gaussian Splatting 用于地图表示和编辑。
• 硬件优化：通过 CUDA Graphs 针对 NVIDIA Jetson 和其他高性价比芯片进行了优化。
• C++ 后端：性能关键型操作由带有绑定的 C++ 后端处理。
• 仿真支持：包含用于测试的 Gazebo 仿真环境。