移动机器人项目：导航闭环与Nav2集成

项目任务是在有障碍的室内地图中，从起点到达目标；已知障碍变化时重新规划，并说明每一层使用的数据。先做可检查的小模型，再接入完整系统，能把规划、跟踪、定位和通信错误分开。

先运行随附实验

下载navigation_lab.py，使用Python 3运行，不需要第三方库：

python navigation_lab.py

它在26×20格、每格0.25米的地图上做四邻接A*。底盘抽象为半径0.12米的圆盘，障碍再做一格保守膨胀。输出路径由一个有限线速度/角速度的差速运动学控制器跟踪，控制器每步读取理想当前位置和朝向，并对误差反馈。之后在路径上的指定状态加入两个已知障碍格，更新地图后重新规划。

控制器先朝向下一路点，再根据朝向误差和距离限制速度；接近路点时减速。它会逐步检查中心点是否进入膨胀障碍，并设置最大步数，避免无限循环。控制周期0.02秒，线速度上限0.45米/秒，角速度上限2弧度/秒。

2026-10-24在Python 3.12.14执行，两个场景均到达目标，检查结果如下。

原始检查记录包含行驶距离和步数。第二行的起点已经前进了五个路径节点，所以边数与时间不能和第一行直接比较优劣。这里的时间是累计仿真时间，不是程序运行耗时。

**本实验假设完整地图、理想位姿和已知新增障碍。**没有模拟激光、编码器、IMU、SLAM、延迟或轮胎打滑，未运行Nav2，也没有真机碰撞测试。因此只能证明这两个小模型场景中，规划、更新与运动学跟踪按脚本完成。

把每一层替换成ROS 2接口

完整Nav2分支按以下顺序集成，具体安装与启动文件使用目标发行版的官方首次配置指南，不要混用旧Gazebo Classic教程与现代Gazebo配置。

1. 机身与传感器：确定轮径、轮距、碰撞外形、激光位置及单位；发布机身到传感器的固定TF和关节状态。先验证转向符号及外形，而非直接启动导航。
2. 里程计与时间：提供带时间的里程计和odom→base_link；检查运动方向、速度、协方差、仿真时钟和TF缓存。融合IMU时避免重复融合同源信息。
3. 地图与定位：先用SLAM建图并保存，再用已有地图定位，或明确选择边建图边导航。map→odom由所选定位/SLAM模块提供。启动位置不确定时先完成定位初始化。官方建图与定位说明列出这两个流程。
4. 代价地图与规划：配置静态、障碍与膨胀层，核对观测源、清除逻辑、量程和未知区策略；选择适合底盘运动约束的规划器，确认路径不会穿过狭窄但实际上无法通过的区域。
5. 控制与任务：将路径交给跟踪控制器，设置速度/加速度、进度与到达条件，再由行为树管理重规划与恢复。动作结果、取消及停止确认按任务执行章节记录。

若规划出来但不动，先检查生命周期状态、action反馈、速度命令类型、控制器接口与超时。若来回振荡，检查定位/时间、路径形状、障碍余量、速度和控制参数，不能先把到达容差无限放大。

两级验收

数值模型的练习包括增加机器人半径、减小通道宽度、改变角速度上限、把新增障碍放在目标旁。每次记录规划是否可行、控制是否超时、最小余量与终点误差。对离散碰撞检查的采样分辨率要保留说明，不能据此声称连续安全保证。

Nav2集成应另存配置、地图、场景、版本、rosbag与任务日志，测试多个起终点、动态障碍、定位失效、传感器暂停、无路及取消任务。明确到达率、碰撞判据、规划/控制周期、恢复次数和停止延迟。该分支和实物步骤尚未执行；完成时应新增实测记录，而不是沿用本页小模型的数字。