引言：仓储自动化与强化学习的碰撞
在工业4.0浪潮下，智能仓储系统正经历从传统AGV到自主决策机器人的跨越式发展。本文将深入解析如何利用Gazebo仿真平台与ROS2框架，结合Stable-Baselines3强化学习库，构建具备自主货物分拣能力的智能仓储机器人系统。通过系统化的技术实现，我们将展示从仿真训练到真实场景部署的完整技术链路。
一、开发环境搭建（Ubuntu 20.04+ROS2 Foxy）
1.1 基础环境配置
# 安装ROS2 Foxy
sudo apt install ros-foxy-desktop
# 安装Gazebo 11
sudo apt install gazebo11 libgazebo11-dev
# 创建工作空间
mkdir -p ~/warehouse_ws/src
cd ~/warehouse_ws/
colcon build
1.2 关键依赖安装
# 强化学习环境
pip3 install stable-baselines3[extra] gymnasium torch
# ROS2 Python接口
pip3 install rclpy
# 3D可视化工具
pip3 install pybullet==3.2.5
二、仓储仿真场景构建
2.1 机器人模型设计（URDF）
<!-- warehouse_robot.urdf -->
<robot name="sort_robot">
<link name="base_link">
<visual>
<geometry>
<cylinder radius="0.3" length="0.2"/>
</geometry>
</visual>
<collision>
<geometry>
<cylinder radius="0.35" length="0.25"/>
</geometry>
</collision>
</link>
<!-- 添加激光雷达 -->
<xacro:include filename="$(find warehouse_description)/urdf/sensors/rplidar.urdf.xacro"/>
</robot>
2.2 仓储环境建模（SDF）
<!-- warehouse_world.sdf -->
<world name="default">
<include>
<uri>model://ground_plane</uri>
</include>
<!-- 货架矩阵 -->
<model name="shelf_array">
<include>
<uri>model://warehouse_shelf</uri>
<pose>0 0 0 0 0 0</pose>
</include>
<!-- 复制生成3x4货架矩阵 -->
</model>
</world>
2.3 ROS2节点架构
# warehouse_system.py
import rclpy
from rclpy.node import Node
from geometry_msgs.msg import Twist
from sensor_msgs.msg import LaserScan
class WarehouseController(Node):
def __init__(self):
super().__init__('warehouse_controller')
self.cmd_vel_pub = self.create_publisher(Twist, 'cmd_vel', 10)
self.scan_sub = self.create_subscription(LaserScan, 'scan', self.scan_callback, 10)
self.laser_data = []
PYTHON 复制 全屏
三、强化学习环境实现（Gymnasium接口）
3.1 环境状态空间设计
class WarehouseEnv(gym.Env):
def __init__(self):
super().__init__()
# 状态空间：激光数据(720维)+目标位置(2维)+当前位置(2维)
self.observation_space = gym.spaces.Box(
low=-np.inf, high=np.inf, shape=(724,), dtype=np.float32)
# 动作空间：线速度(0-0.5m/s)+角速度(-1.5-1.5rad/s)
self.action_space = gym.spaces.Box(
low=np.array([0.0, -1.5]), high=np.array([0.5, 1.5]), dtype=np.float32)
3.2 奖励函数设计
def compute_reward(self, action):
# 接近目标奖励
distance_reward = -np.linalg.norm(self.target_pos - self.current_pos)
# 碰撞惩罚
collision_penalty = -50.0 if self.check_collision() else 0.0
# 效率奖励
efficiency_bonus = 0.1 * (1 - abs(action[1])) # 鼓励直线运动
return distance_reward + collision_penalty + efficiency_bonus
