sladro
2ad7049386
主要改进： - 添加初始位置→物体→A点→B点的完整路径规划 - 实现分段路径可视化（紫色/绿色/蓝色区分不同段） - 统一使用单一CollisionChecker实例，支持忽略运输物体 - 修复路径优化器类型错误和移除回退方案 - 调整配置参数（物体高度0.7m，安全边界0.01m） 技术细节： - AIRRTStarPlanner接受外部collision_checker参数 - 路径执行器分段处理，正确控制夹爪动作 - 添加物体、A点、B点的3D标记和文字标签 🤖 Generated with [Claude Code](https://claude.ai/code) Co-Authored-By: Claude <noreply@anthropic.com> |
||
|---|---|---|
| .claude | ||
| models | ||
| src | ||
| tests | ||
| .gitignore | ||
| CLAUDE.md | ||
| config.json | ||
| main.py | ||
| Readme.md | ||
| requirements.txt | ||
| Snipaste_2025-09-11_18-23-45.jpg | ||
机械臂运作可行性测试
本项目是测试机械臂进行工作的可行性，应用于现实中的工程测试。测试内容是机械臂从指定基座位置到达指定位置A点，运送物体穿越障碍（一般是墙体上的洞口或者其它障碍）到达指定点位B的可行性。
项目状态
✅ 开发完成 - 系统已实现所有核心功能，准备进入测试阶段。
核心功能
- 运动学引擎 - 基于KDL的正逆运动学计算
- 路径规划 - AI增强的RRT*算法，智能穿越洞口
- 碰撞检测 - PyBullet物理仿真碰撞检测
- 路径执行 - 实时路径执行与夹爪控制
- 可视化界面 - GUI控制面板与3D仿真显示
技术架构
- 仿真引擎: PyBullet
- 运动学库: KDL (Kinematics and Dynamics Library)
- 路径规划: AI-Enhanced RRT* (智能采样、自适应参数)
- 配置管理: JSON配置驱动设计
快速开始
- 启动主程序：
python src/gui/main_window.py
- 操作流程：
- 点击 "Start Simulation" 启动仿真
- 点击 "Test Reachability" 验证可达性
- 点击 "Plan Path (AI RRT*)" 规划路径
- 点击 "Execute Path" 执行任务
下一步计划
🔬 系统测试阶段：
- 可达性测试：验证A、B点是否在工作空间内
- 路径规划测试：测试不同场景下的规划成功率
- 执行精度测试：验证路径执行的准确性
- 性能测试：评估规划时间和执行效率
- 鲁棒性测试：测试系统在各种配置下的稳定性