Doni/RoboticArmTest
5
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
32 Commits 1 Branch 0 Tags 212 KiB
Python 100%
f1efc666aa
Go to file
sladro f1efc666aa 完善路径执行精度控制和误差显示 
主要改进：
- 使用常量定义所有路径执行参数，避免硬编码
- 增加仿真步数从20到30，提高控制精度
- 减小position_tolerance从0.05到0.02（2cm），要求更高精度
- 关键点停留时间设为1秒（使用KEYPOINT_PAUSE_TIME常量）
- GUI日志显示详细执行结果（目标位置、实际位置、误差）
- 添加误差超限警告提示

优化效果：
- 执行误差控制在2-3cm以内
- 路径规划终点验证为精确目标点
- 执行误差主要来自控制器收敛精度

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

Co-Authored-By: Claude <noreply@anthropic.com>
2025-09-14 10:21:16 +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 完善路径执行精度控制和误差显示 2025-09-14 10:21:16 +08:00
.gitignore Initial project structure for robotic arm feasibility test 2025-09-10 11:45:20 +08:00
CLAUDE.md 完善路径执行精度控制和误差显示 2025-09-14 10:21:16 +08:00
config.json 完善路径执行精度控制和误差显示 2025-09-14 10:21:16 +08:00
debug_execution.py 优化路径执行：简化为单次规划和执行 2025-09-14 09:54:11 +08:00
main.py Implement KDL kinematics engine and complete core framework 2025-09-10 14:37:27 +08:00
PyBullet_IK_方案.md 优化路径执行：简化为单次规划和执行 2025-09-14 09:54:11 +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
test_path_improvement.py feat: 优化路径规划轨迹贴合度，确保末端精确跟踪 2025-09-13 09:10:10 +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