Doni/RoboticArmTest
5
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
15 Commits 1 Branch 0 Tags 212 KiB
Python 100%
32bbd5c44c
Go to file
sladro 32bbd5c44c fix: 修复配置更新后路径规划组件未重新初始化的问题 
问题描述：
- 修改配置文件后运行路径规划报错"Joint index out-of-range"
- CollisionChecker持有无效的robot_id引用

解决方案：
- 在on_config_applied方法中重新初始化路径规划组件
- 确保路径规划组件使用新的arm_controller实例

影响文件：
- src/gui/main_window.py: 添加_initialize_planning_components()调用
- CLAUDE.md: 更新已知问题文档

🤖 Generated with [Claude Code](https://claude.ai/code)

Co-Authored-By: Claude <noreply@anthropic.com>
2025-09-13 08:22:40 +08:00
.claude Implement AI-Enhanced RRT* path planning system 2025-09-11 17:53:38 +08:00
models Implement KDL kinematics engine and complete core framework 2025-09-10 14:37:27 +08:00
src fix: 修复配置更新后路径规划组件未重新初始化的问题 2025-09-13 08:22:40 +08:00
tests Implement KDL kinematics engine and complete core framework 2025-09-10 14:37:27 +08:00
.gitignore Initial project structure for robotic arm feasibility test 2025-09-10 11:45:20 +08:00
CLAUDE.md fix: 修复配置更新后路径规划组件未重新初始化的问题 2025-09-13 08:22:40 +08:00
config.json fix: 修复配置更新后路径规划组件未重新初始化的问题 2025-09-13 08:22:40 +08:00
debug_coordinates.py refactor: 重构配置管理，遵循单一职责原则 2025-09-12 22:40:11 +08:00
debug_execution.py refactor: 重构配置管理，遵循单一职责原则 2025-09-12 22:40:11 +08:00
main.py Implement KDL kinematics engine and complete core framework 2025-09-10 14:37:27 +08:00
Readme.md Implement AI-Enhanced RRT* path planning system 2025-09-11 17:53:38 +08:00
requirements.txt Initial project structure for robotic arm feasibility test 2025-09-10 11:45:20 +08:00
Snipaste_2025-09-11_18-23-45.jpg feat: 添加A/B任务点可视化标记 2025-09-11 19:58:51 +08:00

Readme.md

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

  1. 运动学引擎 - 基于KDL的正逆运动学计算
  2. 路径规划 - AI增强的RRT*算法，智能穿越洞口
  3. 碰撞检测 - PyBullet物理仿真碰撞检测
  4. 路径执行 - 实时路径执行与夹爪控制
  5. 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

  1. 启动主程序：
python src/gui/main_window.py
  1. 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