Go to file
2025-09-12 15:21:36 +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 修复:固定底座、无副作用碰撞检测、通用避障与执行收敛等待 2025-09-12 15:21:36 +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: 修复墙体洞口创建和重建问题 2025-09-11 19:44:45 +08:00
config.json 修复:固定底座、无副作用碰撞检测、通用避障与执行收敛等待 2025-09-12 15:21:36 +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

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