sea-bass/turtlebot3_behavior_demos

解决的问题

该项目提供了一组使用行为树实现自主机器人行为的演示。它特别解决了在模拟的 TurtleBot3 和 TurtleBot 4 机器人上协调复杂任务（例如，前往多个位置寻找特定颜色的物体）的问题。

工作原理

该项目使用行为树来管理机器人的决策过程。行为树通过以下两种方式实现：

• Python： 使用 py_trees 库。
• C++： 使用 BehaviorTree.CPP 库。

物体检测通过在 HSV 颜色空间中使用简单的阈值处理实现。整个环境使用 Gazebo、ROS 2 Jazzy 和 Ubuntu 24.04 进行模拟，使用 Docker Compose 简化模拟和行为节点的设置与部署。

适用人群

该项目主要面向希望在 ROS 2 环境中学习如何实现自主导航和物体检测行为树的机器人开发者和学生。

主要亮点

• 双语言实现： 提供 Python 和 C++ 两种语言的示例。
• 可视化支持： 与 py_trees_ros_viewer 和 Groot2 集成，支持实时行为树可视化。
• 容器化工作流： 使用 Docker Compose 提供一致的开发环境和 ROS 2 工作空间。
• 硬件兼容性： 支持 TurtleBot3 和 TurtleBot 4 的模拟。