UniflexAI/tinynav

解決的問題

TinyNav 是一個輕量級、可定制的導航系統，旨在引導機器人在環境中移動。它解決了為各種機器人平台與硬體晶片提供穩健、實時的導航、建圖與定位的挑戰，同時保持程式碼庫精簡，以便於原型設計與社群貢獻。

工作原理

該系統由 Python 與 C++ 組件組成的模組化流水線組成：

• Perception Node：處理感測器數據（例如來自 RealSense 或 Looper 等立體相機的數據）並整合 IMU-visual 融合，以提高定位與俯仰角精度。
• Map Node：構建並維護環境地圖，支援用於高品質視覺化與精確 POI 放置的 3D Gaussian Splatting (3DGS) 等表示形式。
• Planning Node：利用地圖與感知數據計算最優路徑與軌跡，並利用基於 ESDF 的避障功能來保持與障礙物的安全距離。
• Control Node：發送最終控制指令以驅動機器人。

透過用於 Jetson Nano 等平台上的低延遲推理的 CUDA Graph 優化、用於提速的 Numba JIT 以及用於並行模型推理的 asyncio 來優化效能。

適用對象

需要支援多種機器人平台（例如 Unitree GO2、LeKiwi）與各種計算平台（Jetson Orin、RK3588、桌面端）的靈活導航棧的機器人開發者與研究人員。

亮點

• 精簡的程式碼庫：約 2,000 行 Python 程式碼，確保清晰易用。
• 多平台支援：開箱即用支援 Unitree GO2 與 LeKiwi 機器人。
• 進階建圖：整合 3D Gaussian Splatting 用於地圖表示與編輯。
• 硬體優化：透過 CUDA Graphs 針對 NVIDIA Jetson 與其他高性價比晶片進行了優化。
• C++ 後端：效能關鍵型操作由帶有綁定的 C++ 後端處理。
• 模擬支援：包含用於測試的 Gazebo 模擬環境。