XR-Corgi-ROS: Профессиональная робоплатформа с открытой архитектурой

Время чтения: 12 минут

Модель Xiao-r XR-Corgi ROS Proffesional позиционируется как комплексное решение для интеграторов, требующих стабильной работы с ROS без длительной начальной настройки.

Представленные характеристики демонстрируют, что XR Corgi ROS — это полноценная платформа для серьёзных проектов.

Особого внимания заслуживает время работы XR-Corgi от батареи до 40 минут, что является конкурентоспособным показателем для мобильных роботов данного класса.

Конструкция робота-собаки XR-Corgi ROS Professional базируется на алюминиевом корпусе, обеспечивающем жёсткость и защиту внутренних компонентов. Мехатронная часть построена на тринадцати сервоприводах XR-S300.

Плата расширения предлагает набор интерфейсов для подключения дополнительного оборудования: UART, SPI, I2C, GPIO и USB. Беспроводная связь осуществляется через Wi-Fi 802.11b/g/n, что обеспечивает управление и передачу данных на расстоянии до 20 метров. Энергосистема рассчитана на напряжение 8.4 В и потребляемый ток до 9 А при пиковых нагрузках.

Платформа оснащена комплексом для полноценного восприятия окружающего пространства. Основой для построения карты является TOF LiDAR, сканирующий окружение в реальном времени. Информация о положении и ориентации корпуса поступает с 6-осевого IMU-гироскопа. Для задач компьютерного зрения служит RGB-камера, а опциональная глубинная камера значительно расширяет возможности для 3D-навигации и распознавания объектов.

В стандартной поставке драйверы для сенсоров уже интегрированы в ROS Melodic. Для работы камеры используется пакет image_transport, данные с IMU обрабатываются конвейером imu_pipeline, а данные лидара публикуются в стандартный топик /scan.

Программная архитектура разделена между двумя контроллерами. Низкоуровневое управление сервоприводами и обратная кинематика работают на ESP32 под управлением FreeRTOS. Высокоуровневые задачи — ROS-стека, навигации и зрения — выполняются на Raspberry Pi 4 под Linux.

Взаимодействие между модулями происходит через стандартные ROS-топики и сервисы. Робот публикует и подписывается на знакомые каждому ROS-разработчику сообщения:

Запуск демонстрационных приложений, например, картографирования, выполняется стандартными командами roslaunch.

Практическое взаимодействие с платформой через ROS интуитивно понятно. Для отправки команд движения достаточно короткого Python-скрипта на rospy. XR-Corgi с примером кода rospy cmd_vel демонстрирует базовый функционал управления.

python
#!/usr/bin/env python
import rospy
from geometry_msgs.msg import Twist
rospy.init_node('corgi_controller')
cmd_vel_pub = rospy.Publisher('/cmd_vel', Twist, queue_size=1)
move_cmd = Twist()
# Движение вперёд со скоростью 0.1 м/с
move_cmd.linear.x = 0.1
# Поворот на месте со скоростью 0.2 рад/с
move_cmd.angular.z = 0.2
rate = rospy.Rate(10) # 10 Hz
while not rospy.is_shutdown():
cmd_vel_pub.publish(move_cmd)
rate.sleep()

Запуск SLAM-картографирования с использованием лидара и сохранение результата производится набором команд в терминале. Рекомендуется использовать алгоритм Hector SLAM, хорошо зарекомендовавший себя для работы без данных одометрии.

bash
# Запуск узла лидара и SLAM (пример для существующего конфига)
roslaunch corgi_slam mapping.launch
# После построения карты сохранить её
rosrun map_server map_saver -f my_office_map

Для записи и воспроизведения данных с сенсоров удобно использовать инструмент rosbag.

Квадрапедный робот для SLAM находит применение в различных профессиональных сценариях благодаря своей мобильности и открытой архитектуре. Платформа особенно востребована в проектах, где требуется автономная навигация в сложной среде с перепадами высот и препятствиями, непреодолимыми для колёсных роботов.

Рассмотрим основные направления использования этого робототехнического комплекта:

При планировании проектов следует учитывать ограничение по payload — дополнительная нагрузка не должна превышать 500 грамм для сохранения стабильности работы gait-algorithm.

Аппаратные модификации требуют учёта ограничений по питанию и вычислительной мощности. Добавление дополнительных сенсоров или модулей лучше проводить через внешний источник питания. Для отладки алгоритмов движения и навигации рекомендуется использовать Gazebo, где доступна симуляция физики и сенсоров робота.

Критически важна реализация watchdog-механизмов для безопасности. Необходимо программно ограничивать максимальную скорость и отслеживать отсутствие команд по топику /cmd_vel, публикуя нулевые скорости при превышении таймаута, чтобы избежать неконтролируемого движения.