Robot¶
1. 概念介绍¶
Mujoco 使用 mjcf 模型语言来描述机器人模型文件。 在 robopal 中，mjcf 模型由四个部分组成, 分别定义为
manipulatorsgrippersmountsscenes
这些模块对应的模型分别存放在 robopal.assets.models.* 中。利用 commons.xml_splice.py 自动化脚本可以将这四个部分拼接成统一的 MJCF 模型。
2. 模型组合¶
下面是一个简单的示例，演示了如何在 robopal 中创建一个模型。
2.1 初始化模型¶
示例中的 DianaMed 位于 robopal.robots.diana_med.py。
class DianaMed(BaseArm):
""" DianaMed robot base class. """
def __init__(self,
scene='default',
manipulator='DianaMed',
gripper=None,
mount=None
):
super().__init__(
name="diana_med",
scene=scene,
mount=mount,
manipulator=manipulator,
gripper=gripper,
attached_body='0_link7',
)
self.arm_joint_names = [['0_j1', '0_j2', '0_j3', '0_j4', '0_j5', '0_j6', '0_j7']]
self.arm_actuator_names = [['0_a1', '0_a2', '0_a3', '0_a4', '0_a5', '0_a6', '0_a7']]
@property
def init_qpos(self):
""" Robot's init joint position. """
return np.array([0.0, -np.pi / 4.0, 0.0, np.pi / 2.0, 0.00, np.pi / 4.0, 0.0])
2.2 写入配置文件¶
2.3 使用自定义模型¶
除了内置的几种模型外，robopal 还支持使用自定义的模型文件, 下面以命名为 CustomArm.xml 的模型文件为例介绍如何导入自定义模型。
step1：将模型打包好，放入
robopal.assets.models.manipulators.CustomArm, 注意.xml文件的名称与存放该文件的文件夹名称一致，以将机械臂模型设置成可被 robopal 自动识别的内置模型。在放入 manipulators 文件夹后，最好先测试下 xml 文件是否可以导入 mujoco 中。step2：仿照
robopal.robots文件夹中提供内置模型对应的配置文件，创建一个新的配置文件，如robopal.robots.custom_arm.py：
import os
import numpy as np
from robopal.robots.base import BaseRobot
ASSET_DIR = os.path.join(os.path.dirname(__file__), '../assets')
class CustomArm(BaseRobot):
""" CustomArm robot base class. """
def __init__(self,
scene='default',
manipulator='CustomArm', # 与 xml 文件名一致
gripper=None,
mount=None
):
super().__init__(
scene=scene,
mount=mount,
manipulator=manipulator,
gripper=gripper,
attached_body='0_attachment',
)
self.arm_joint_names = {self.agents[0]: ['0_joint1', '0_joint2', '0_joint3', '0_joint4', '0_joint5', '0_joint6', '0_joint7']}
self.arm_actuator_names = {self.agents[0]: ['0_actuator1', '0_actuator2', '0_actuator3', '0_actuator4', '0_actuator5', '0_actuator6', '0_actuator7']}
self.base_link_name = {self.agents[0]: '0_link0'}
self.end_name = {self.agents[0]: '0_attachment'}
self.pos_max_bound = np.array([0.6, 0.2, 0.37])
self.pos_min_bound = np.array([0.3, -0.2, 0.02])
@property
def init_qpos(self):
""" Robot's init joint position. """
return {self.agents[0]: np.array([-0.61, -0.84, 0.47, -2.54, 0.35, 1.75, 0.44])}
step3：在
robopal.robots.__init__.py中导入自定义模型
from .custom_arm import *
上述操作完成后，你的机械臂已经可以被 robopal 识别到了，接下来可以在 robopal.tests.test_controller.py 中引用你的机械臂进行测试。
from robopal.robots import CustomArm
from robopal.envs import RobotEnv
env = RobotEnv(
robot=CustomArm,
render_mode='human',
control_freq=200,
is_interpolate=False,
controller=options['ctrl'],
)
step4：假如测试时有发现机械臂动作执行不正确的情况，需要调整机械臂控制器的参数。例如，如果您使用了 JNTIMP 控制器，可以通过下面的方式调整机械臂的参数：
env.controller.set_jnt_params(
b=20.0 * np.ones(self.dofs),
k=80.0 * np.ones(self.dofs),
)