ai-robot-zhangxiao
Week 14 - 手机遥控与自主探索小乌龟系统
本周完成一个基于 ROS2 与 turtlesim 的综合项目：小乌龟机器人既可以通过手机浏览器远程控制，也可以基于巡墙算法进行迷宫自主探索。
项目目标
- 构建手机端远程控制界面。
- 通过 HTTP 或 WebSocket 将手机指令发送到电脑端服务。
- 使用 Python Bridge Server 将网页指令转换为 ROS2 控制消息。
- 向
/turtle1/cmd_vel发布geometry_msgs/msg/Twist消息控制小乌龟。 - 实现基于 Wall Following 和 Right-Hand Rule 的自主探索逻辑。
文件说明
| 文件 | 说明 |
|---|---|
README.md |
本周综合项目说明。 |
explorer.py |
自主探索控制脚本。 |
img1.png |
手机遥控与自主探索效果截图。 |
week14.pdf |
根据本 README 生成的项目 PDF 报告。 |
系统架构
手机浏览器
↓
网页控制界面 HTML/JS
↓
HTTP / WebSocket
↓
Python Bridge Server
↓
ROS2 Node
↓
/turtle1/cmd_vel
↓
turtlesim
系统由三层组成：
| 层级 | 作用 |
|---|---|
| 前端控制层 | 提供手机端按钮界面，发送方向与模式切换指令。 |
| 桥接通信层 | 接收网页请求，解析控制命令，并发布 ROS2 消息。 |
| ROS2 控制层 | 控制 turtlesim 运动，并执行自主探索逻辑。 |
功能一：手机远程控制
手机端网页提供以下控制能力：
- 前进
forward - 后退
backward - 左转
left - 右转
right - 手动模式
manual - 自动探索模式
auto
前端通过 Fetch API 或 WebSocket 将指令发送到桥接服务。桥接服务根据指令生成 Twist 消息，例如：
| 指令 | 线速度 | 角速度 | 效果 |
|---|---|---|---|
forward |
正值 | 0 | 向前移动 |
backward |
负值 | 0 | 向后移动 |
left |
0 | 正值 | 左转 |
right |
0 | 负值 | 右转 |
功能二：自主探索迷宫
自主探索模块基于经典巡墙算法实现。核心思想是让机器人始终沿着右侧墙壁前进，当遇到不同环境状态时执行不同动作。
感知状态
程序维护两个关键状态：
front_blocked
right_open
front_blocked：前方是否被墙或边界阻挡。right_open：右侧是否存在可通行空间。
控制策略
| 环境状态 | 线速度 | 角速度 | 执行动作 |
|---|---|---|---|
| 前方有障碍 | 0.0 | +1.5 | 原地左转 |
| 右侧空旷 | 1.0 | -1.0 | 向右贴墙 |
| 正常巡墙 | 1.5 | 0.0 | 直线前进 |
核心控制逻辑：
def p_control_loop(self):
if self.front_blocked:
self.msg.linear.x = 0.0
self.msg.angular.z = 1.5
elif self.right_open:
self.msg.linear.x = 1.0
self.msg.angular.z = -1.0
else:
self.msg.linear.x = 1.5
self.msg.angular.z = 0.0
self.publisher_.publish(self.msg)
运行准备
启动 ROS2 环境：
source /opt/ros/humble/setup.bash
启动 turtlesim：
ros2 run turtlesim turtlesim_node
运行自主探索脚本：
python3 explorer.py
如果使用手机遥控，还需要确保手机与电脑位于同一局域网，或通过 Tailscale 加入同一个虚拟局域网。
测试结果
手动遥控测试
测试内容：
- 前进、后退、左转、右转控制。
- 手动模式和自动模式切换。
- 手机端指令发送与 ROS2 节点接收。
测试结果：控制指令可以正常发送，小乌龟运动响应流畅，局域网通信稳定。
自动探索测试
测试内容：
- 墙体跟随能力。
- 转角识别能力。
- 死胡同处理能力。
- 连续探索能力。
测试结果：小乌龟能够基于右手法则持续巡墙，自动绕过障碍区域，并完成连续探索。
效果展示
项目总结
本周项目将前几周学习的 ROS2 控制、远程连接、网页通信和路径探索算法结合起来，形成了一个完整的小型机器人系统。项目验证了从手机端输入到 ROS2 控制输出的完整链路，也为后续接入真实移动机器人平台提供了实践基础。
后续改进方向
- 引入激光雷达或深度相机模拟。
- 使用 SLAM 构建地图。
- 增加最短路径规划能力。
- 支持多机器人协同探索。
- 将 turtlesim 逻辑迁移到真实移动机器人平台。