在实际机器人开发中仿真环境是验证算法、测试硬件接口、进行安全训练的关键环节。对于水下机器人这类复杂且昂贵的系统直接在真实水域中进行算法调试和功能测试不仅成本高昂也伴随着巨大的风险。因此一个能够逼真模拟水下动力学、传感器数据流和控制指令交互的仿真平台对于研发团队来说至关重要。ROS2 提供了现代化的机器人软件框架Gazebo 是强大的物理仿真引擎而 ArduSub 则是经过实战检验的无人潜航器UUV自动驾驶仪固件。将三者结合意味着我们可以在一个高保真的虚拟海洋环境中使用真实的自动驾驶仪软件栈来驱动一个虚拟的机器人模型从而完成从底层控制到上层自主决策的完整开发与测试闭环。本文旨在为机器人开发者特别是对水下机器人或复杂系统仿真感兴趣的工程师和学生提供一个从零搭建 ROS2 Gazebo ArduSub 集成仿真环境的详细指南。我们将一步步完成环境配置、模型构建、软件桥接和自主控制逻辑验证。通过本文你将能够搭建一个可运行的水下机器人仿真场景理解三者之间的数据流并在此基础上进行自主导航、任务规划等算法的开发与测试。1. 理解 ROS2、Gazebo 与 ArduSub 的协同工作流在开始动手之前必须厘清这三个核心组件各自的角色以及它们如何协同工作。这决定了后续所有配置和代码编写的逻辑。1.1 核心组件角色定义ROS2 (Robot Operating System 2): 扮演“神经系统”和“消息总线”的角色。它不负责具体的物理计算或底层控制而是提供了一套基于节点Node的分布式通信框架。在仿真中ROS2 节点用于发布传感器数据如 IMU、深度计、相机图像。订阅控制指令如目标深度、航向、速度。运行高级算法如 SLAM、路径规划。管理整个系统的启动和配置。Gazebo: 扮演“物理世界模拟器”和“传感器模拟器”的角色。它基于物理引擎如 ODE、Bullet计算机器人模型在水下的运动浮力、阻力、推进器推力并生成逼真的传感器输出。Gazebo 通过其插件系统与外部世界交互。ArduSub: 扮演“机器人大脑自动驾驶仪”的角色。它是一套专为无人潜航器设计的固件运行在 Pixhawk 系列或类似的飞控硬件上。在仿真中我们并不运行在真实硬件上而是运行其SITL (Software In The Loop)版本。ArduSub SITL 接收来自 Gazebo通过 MAVLink的传感器数据运行其内部的控制律PID 控制器等并计算出推进器指令再发送回 Gazebo 驱动模型运动。1.2 数据流与集成架构三者集成的核心在于MAVLink协议。MAVLink 是一种轻量级的消息传递协议专为无人机/无人车通信设计也是 ArduPilot/ArduSub 生态的通用语言。整个仿真系统的数据流如下Gazebo加载一个水下机器人模型包含推进器、传感器等插件。Gazebo内部的一个插件如libgazebo_mavlink_interface.so充当MAVLink 网关。它将 Gazebo 中的模型姿态、IMU 数据等封装成 MAVLink 消息发送出去同时它也接收外部的 MAVLink 控制指令并转化为 Gazebo 中模型的力和力矩。ArduSub SITL作为一个独立进程运行。它通过 UDP 端口与 Gazebo 的 MAVLink 插件进行通信。它接收传感器数据运行控制算法并发出执行器舵机、电机控制指令。ROS2如何介入有两种主要方式方式一直接: 通过ros2的mavros或mavlink相关包直接与 ArduSub SITL 的 MAVLink 端口通信从而实现 ROS2 话题与服务到 MAVLink 消息的转换。这是最接近真实硬件的模式。方式二通过 Gazebo: 利用 Gazebo-ROS2 的桥接功能。Gazebo 中的传感器插件如相机、IMU可以直接将数据发布到 ROS2 话题上同时也可以编写 ROS2 节点来订阅 Gazebo 中的模型状态或通过服务调用控制模型。这种方式更侧重于利用 ROS2 进行感知和高级规划而底层控制仍由 ArduSub 处理。本文将重点介绍方式一因为它更完整地复现了真实系统中 ROS2 与飞控的交互模式是进行自主控制算法开发的更佳起点。2. 基础环境搭建与依赖安装一个稳定、版本匹配的基础环境是成功的第一步。以下步骤在 Ubuntu 22.04 LTS 上进行验证这是目前 ROS2 Humble Hawksbill 的推荐系统。2.1 安装 ROS2 Humble如果系统已安装 ROS2请跳过此步。确保安装的是桌面完整版Desktop-Full以包含 Gazebo 和 RViz 等可视化工具。# 1. 设置语言环境 sudo apt update sudo apt install locales sudo locale-gen en_US en_US.UTF-8 sudo update-locale LC_ALLen_US.UTF-8 LANGen_US.UTF-8 export LANGen_US.UTF-8 # 2. 添加 ROS2 软件源 sudo apt install software-properties-common sudo add-apt-repository universe sudo apt update sudo apt install curl -y sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg echo deb [arch$(dpkg --print-architecture) signed-by/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(. /etc/os-release echo $UBUNTU_CODENAME) main | sudo tee /etc/apt/sources.list.d/ros2.list /dev/null # 3. 安装 ROS2 Humble 桌面完整版 sudo apt update sudo apt install ros-humble-desktop-full # 4. 设置环境变量建议写入 ~/.bashrc echo “source /opt/ros/humble/setup.bash” ~/.bashrc source ~/.bashrc2.2 安装 Gazebo Harmonic 与 ROS2 桥接Ubuntu 22.04 默认的 Gazebo 版本可能较旧。我们安装较新的 Gazebo Harmonic并通过源码编译其 ROS2 桥接包。# 1. 安装 Gazebo Harmonic sudo apt install wget sudo wget https://packages.osrfoundation.org/gazebo.gpg -O /usr/share/keyrings/pkgs-osrf-archive-keyring.gpg echo “deb [arch$(dpkg --print-architecture) signed-by/usr/share/keyrings/pkgs-osrf-archive-keyring.gpg] http://packages.osrfoundation.org/gazebo/ubuntu-stable $(lsb_release -cs) main” | sudo tee /etc/apt/sources.list.d/gazebo-stable.list /dev/null sudo apt update sudo apt install gazebo-harmonic libgazebo-harmonic-dev # 2. 创建工作空间并下载 gazebo_ros_pkgs 源码 mkdir -p ~/underwater_ws/src cd ~/underwater_ws/src git clone -b humble https://github.com/ros/gazebo_ros_pkgs.git # 3. 安装依赖并编译 cd ~/underwater_ws sudo apt install python3-rosdep2 sudo rosdep init rosdep update rosdep install -i --from-path src --rosdistro humble -y colcon build --symlink-install # 4. 将工作空间加入环境变量 echo “source ~/underwater_ws/install/setup.bash” ~/.bashrc source ~/.bashrc2.3 安装 ArduSub SITL 及相关工具ArduSub 是 ArduPilot 项目的一部分。我们通过其官方工具ardupilot-gazebo和ardupilot源码来搭建 SITL 环境。# 1. 安装通用依赖 sudo apt install git cmake build-essential genromfs ninja-build libgsl-dev libeigen3-dev libxml2-dev libblas-dev liblapack-dev libopenblas-dev libarmadillo-dev python3-dev python3-pip python3-matplotlib python3-lxml python3-future python3-pexpect python3-serial # 2. 克隆 ArduPilot 源码包含 ArduSub cd ~ git clone https://github.com/ArduPilot/ardupilot.git cd ardupilot git submodule update --init --recursive # 3. 安装 ardupilot-gazebo 插件用于 Gazebo 与 SITL 通信 cd ~ git clone https://github.com/ArduPilot/ardupilot_gazebo.git cd ardupilot_gazebo mkdir build cd build cmake .. -DCMAKE_BUILD_TYPERelWithDebInfo make -j4 sudo make install # 4. 设置环境变量非常重要 echo ‘export PATH$PATH:$HOME/ardupilot/Tools/autotest’ ~/.bashrc echo ‘export PATH/usr/lib/ccache:$PATH’ ~/.bashrc echo ‘export ARDUPILOT_GAZEBO_PATH$HOME/ardupilot_gazebo’ ~/.bashrc # 假设插件安装在此 source ~/.bashrc2.4 安装 MAVROS 与 MAVLink 工具MAVROS 是 ROS 与 MAVLink 设备如 ArduSub通信的官方节点。# 安装 MAVROS 及相关包 sudo apt install ros-humble-mavros ros-humble-mavros-extras ros-humble-mavros-msgs # 安装地理围栏数据MAVROS 需要 wget https://raw.githubusercontent.com/mavlink/mavros/master/mavros/scripts/install_geographiclib_datasets.sh sudo bash ./install_geographiclib_datasets.sh3. 构建仿真场景与启动完整系统环境就绪后我们需要准备一个水下机器人模型并编写启动文件将三者串联起来。3.1 获取或创建水下机器人模型我们可以使用ardupilot_gazebo中自带的蓝鳍金枪鱼BlueROV2模型这是一个经典且配置完善的水下机器人模型。# 检查模型是否已安装 ls /usr/share/gazebo-*/models/ | grep -i bluerov2 # 如果未找到可以手动从 ardupilot_gazebo 仓库复制假设你克隆在 ~/ardupilot_gazebo # 模型通常位于 ~/ardupilot_gazebo/models模型目录通常包含.sdf模型描述文件、meshes/模型网格文件和materials/材质文件。关键是要确保模型中的推进器plugin name”thruster”和 IMU 等传感器的命名与 ArduSub 的期望相匹配。3.2 编写集成启动文件我们将创建一个 ROS2 包来管理启动配置。在~/underwater_ws/src下cd ~/underwater_ws/src ros2 pkg create underwater_simulation --build-type ament_python --dependencies rclpy launch_ros cd underwater_simulation mkdir launch在launch/目录下创建bluerov2_ardusub.launch.py文件# launch/bluerov2_ardusub.launch.py import os from ament_index_python.packages import get_package_share_directory from launch import LaunchDescription from launch.actions import ExecuteProcess, IncludeLaunchDescription, RegisterEventHandler from launch.event_handlers import OnProcessExit from launch.launch_description_sources import PythonLaunchDescriptionSource from launch.substitutions import FindExecutable, PathJoinSubstitution from launch_ros.actions import Node def generate_launch_description(): # 定义路径和命令 ardupilot_dir os.path.expanduser(‘~/ardupilot’) model_name ‘bluerov2_heavy’ world_name ‘underwater.world’ # 可以自定义或使用默认的 empty.world # 1. 启动 Gazebo 服务器和客户端并加载水下世界和机器人模型 # 这里我们使用 ardupilot_gazebo 提供的启动文件如果存在 # 或者直接使用 gazebo_ros 启动一个空世界然后通过服务调用生成模型 gazebo_launch IncludeLaunchDescription( PythonLaunchDescriptionSource([ PathJoinSubstitution([ get_package_share_directory(‘gazebo_ros’), ‘launch’, ‘gazebo.launch.py’ ]) ]), launch_arguments{ ‘world’: [‘worlds/’, world_name], ‘verbose’: ‘true’, # 有助于调试 }.items() ) # 2. 在 Gazebo 中生成 BlueROV2 模型 spawn_entity Node( package‘gazebo_ros’, executable‘spawn_entity.py’, arguments[‘-entity’, model_name, ‘-file’, f‘/usr/share/gazebo-11/models/{model_name}/model.sdf’, ‘-x’, ‘0’, ‘-y’, ‘0’, ‘-z’, ‘-5’, ‘-R’, ‘0’, ‘-P’, ‘0’, ‘-Y’, ‘0’], output‘screen’ ) # 3. 启动 ArduSub SITL # 注意ardupilot 的 sitl 需要在其目录下运行并指定车型和参数 sitl_cmd ExecuteProcess( cmd[ ‘bash’, ‘-c’, f‘cd {ardupilot_dir} sim_vehicle.py -v ArduSub -f gazebo-{model_name} --modelJSON --console --map’ ], cwdardupilot_dir, output‘screen’, shellTrue ) # 4. 启动 MAVROS 节点连接 SITL # SITL 默认在 UDP 端口 14550 和 14551 监听 mavros_node Node( package‘mavros’, executable‘mavros_node’, name‘mavros’, output‘screen’, parameters[{ ‘fcu_url’: ‘udp://:14550localhost:14557’, ‘gcs_url’: ‘’, ‘target_system_id’: 1, ‘target_component_id’: 1, ‘fcu_protocol’: ‘v2.0’, }] ) # 5. (可选) 启动一个简单的 ROS2 控制节点用于发送测试指令 test_controller_node Node( package‘underwater_simulation’, executable‘simple_controller’, name‘simple_controller’, output‘screen’ ) return LaunchDescription([ gazebo_launch, spawn_entity, sitl_cmd, mavros_node, # test_controller_node, # 初始测试时可先注释掉 RegisterEventHandler( event_handlerOnProcessExit( target_actionspawn_entity, on_exit[sitl_cmd], # 确保模型生成后再启动 SITL但顺序可能需调整 ) ), ])注意上述启动文件是一个概念框架实际路径如模型文件路径、SITL 命令需要根据你的具体安装和模型进行调整。ardupilot_gazebo项目可能提供了更集成的启动方式。3.3 编写一个简单的测试控制器在underwater_simulation包中创建节点脚本simple_controller.py用于通过 MAVROS 向 ArduSub 发送指令。# underwater_simulation/underwater_simulation/simple_controller.py import rclpy from rclpy.node import Node from geometry_msgs.msg import TwistStamped from mavros_msgs.msg import OverrideRCIn import time class SimpleController(Node): def __init__(self): super().__init__(‘simple_controller’) # 方式1通过 MAVROS 的 /mavros/rc/override 话题直接发送 RC 通道值 # 这是最底层、最直接的控制方式对应飞控的 RC 输入 self.rc_override_pub self.create_publisher(OverrideRCIn, ‘/mavros/rc/override’, 10) # 方式2通过 /mavros/setpoint_velocity/cmd_vel 发送速度指令需要飞控在相应模式 # self.vel_pub self.create_publisher(TwistStamped, ‘/mavros/setpoint_velocity/cmd_vel’, 10) self.timer self.create_timer(0.1, self.timer_callback) # 10Hz self.get_logger().info(‘Simple controller node started’) def timer_callback(self): msg OverrideRCIn() # 假设通道映射1- Roll, 2- Pitch, 3- Throttle, 4- Yaw, 5- Forward, 6- Lateral, 7- Camera Pan, 8- Camera Tilt # PWM 值通常在 1100-1900 之间1500 为中立点。 # 例如设置油门通道3为 1600使机器人缓慢上浮。 msg.channels[0] 1500 # Ch1 msg.channels[1] 1500 # Ch2 msg.channels[2] 1600 # Ch3 - Throttle (上浮) msg.channels[3] 1500 # Ch4 msg.channels[4] 1500 # Ch5 msg.channels[5] 1500 # Ch6 msg.channels[6] 1500 # Ch7 msg.channels[7] 1500 # Ch8 self.rc_override_pub.publish(msg) self.get_logger().info(‘Publishing RC override: Throttle1600’) def main(argsNone): rclpy.init(argsargs) controller SimpleController() rclpy.spin(controller) controller.destroy_node() rclpy.shutdown() if __name__ ‘__main__’: main()别忘了在setup.py中配置入口点# setup.py 片段 entry_points{ ‘console_scripts’: [ ‘simple_controller underwater_simulation.simple_controller:main’, ], },编译工作空间cd ~/underwater_ws colcon build --packages-select underwater_simulation source install/setup.bash4. 运行验证与数据流分析现在我们可以启动整个系统并观察其运行状态。4.1 启动仿真系统cd ~/underwater_ws source install/setup.bash ros2 launch underwater_simulation bluerov2_ardusub.launch.py如果一切顺利你应该会看到Gazebo 客户端界面打开一个水下世界中出现 BlueROV2 模型。一个终端窗口运行 ArduSub SITL显示初始化信息最后出现ArduSub提示符。另一个终端运行 MAVROS 节点显示连接状态。机器人模型可能开始运动取决于你的控制器指令或默认参数。4.2 关键数据流检查点使用ros2 topic list和ros2 topic echo命令来验证数据流是否畅通。检查点ROS2 话题预期内容说明Gazebo - ArduSub(非 ROS 话题通过 MAVLink UDP)模型姿态、IMU 数据在 SITL 终端查看是否有传感器数据输入。ArduSub - Gazebo(非 ROS 话题通过 MAVLink UDP)执行器电机指令在 Gazebo 中观察机器人是否按指令运动。MAVROS 连接状态/mavros/stateconnected: True,armed: True/False确认 MAVROS 已连接到 SITL。飞控状态/mavros/global_position/globalGPS 坐标仿真中可能为 0确认定位数据流。IMU 数据/mavros/imu/data加速度、角速度、姿态四元数确认 IMU 数据已从仿真环境通过 SITL 转发到 ROS2。RC 指令覆盖/mavros/rc/override8个通道的 PWM 值这是我们控制器发布的话题用于手动控制。本地位置/mavros/local_position/pose相对于 Home 点的位置和姿态这是进行自主导航如 OFFBOARD 模式的关键反馈。4.3 发送第一个自主任务定深在 ArduSub SITL 的控制台中我们可以切换模式并发送指令。更符合 ROS2 集成的方式是使用 MAVROS 服务。解锁并切换模式通过 MAVROS 服务# 在新的终端中 source ~/underwater_ws/install/setup.bash # 解锁Arm飞控 ros2 service call /mavros/cmd/arming mavros_msgs/srv/CommandBool “{value: true}” # 将模式切换为 “ALT_HOLD” (定深模式) ros2 service call /mavros/set_mode mavros_msgs/srv/SetMode “{base_mode: 0, custom_mode: ‘ALT_HOLD’}”发送目标深度通过 MAVROS 话题# 发布一个目标深度消息例如-2米水面为0水下为负 ros2 topic pub /mavros/setpoint_position/global geographic_msgs/msg/GeoPoseStamped “{header: {stamp: {sec: 0, nanosec: 0}, frame_id: ‘’}, pose: {position: {latitude: 0.0, longitude: 0.0, altitude: -2.0}, orientation: {x: 0.0, y: 0.0, z: 0.0, w: 1.0}}}” -1在 ALT_HOLD 模式下飞控会尝试维持当前深度。通过发布目标位置包含深度可以指令机器人下潜或上浮到指定深度。观察 Gazebo 中的机器人是否开始向目标深度运动。5. 常见问题排查与调试集成过程复杂遇到问题是常态。以下是按优先级排序的排查清单。5.1 Gazebo 相关问题问题现象可能原因检查与解决Gazebo 无法启动或黑屏显卡驱动、渲染器问题1. 尝试gazebo --verbose查看详细日志。2. 使用软件渲染export LIBGL_ALWAYS_SOFTWARE1后再启动。3. 检查是否安装了gazebo-harmonic和libgazebo-harmonic-dev。模型无法生成spawn失败模型文件路径错误、模型依赖缺失1. 检查spawn_entity.py命令中的-file参数路径是否正确。2. 在 Gazebo 中手动插入模型测试Edit - Model Editor - 保存为.sdf再在终端中检查路径。模型加载后沉底或飞上天模型物理参数质量、浮力错误1. 检查模型.sdf文件中的mass、inertia和buoyancy插件配置。2. 参考ardupilot_gazebo中已有模型的配置进行对比。推进器不工作推进器插件配置错误或与 SITL 通道映射不匹配1. 在 Gazebo 中选中模型查看左侧 “World” 面板检查关节Joint是否有力/速度输出。2. 检查模型.sdf中plugin name”thruster”的jointName和topicName。确保 SITL 输出的通道号与 Gazebo 插件订阅的关节名对应。5.2 ArduSub SITL 相关问题问题现象可能原因检查与解决sim_vehicle.py命令找不到环境变量PATH未设置正确1. 确认已执行source ~/.bashrc。2. 检查$HOME/ardupilot/Tools/autotest是否在 PATH 中echo $PATH。3. 尝试在ardupilot目录下直接运行./Tools/autotest/sim_vehicle.py。SITL 启动失败提示 JSON 解析错误模型参数文件缺失或路径错误1. 检查-f gazebo-bluerov2对应的参数文件如gazebo-bluerov2.param是否存在于ardupilot/Tools/autotest/default_params/或相关目录。2. 可以尝试使用-f vehicle而不指定 gazebo 前缀使用默认参数启动。SITL 无法连接到 GazeboUDP 端口冲突或 Gazebo 插件未加载1. 确认 Gazebo 模型加载时其 MAVLink 插件已正确初始化查看 Gazebo 终端输出。2. 检查 SITL 启动时指定的--modelJSON和-I实例号参数。默认通信端口为14550和14551。3. 使用netstat -uap查看 UDP 端口监听情况。5.3 MAVROS 与 ROS2 通信问题问题现象可能原因检查与解决/mavros/state显示connected: FalseMAVROS 无法连接到 SITL 的 MAVLink 端点1. 检查mavros_node启动参数中的fcu_url。SITL 默认在14550端口发送在14551端口接收。常见配置为udp://:14550localhost:14557其中14557是 MAVROS 本地监听端口。2. 确认 SITL 已成功启动并开始输出数据。3. 尝试使用mavlink-router或QGroundControl连接 SITL先确认 MAVLink 链路本身是通的。话题列表中没有预期的 MAVROS 话题MAVROS 节点未启动或命名空间错误1. 使用ros2 node list查看mavros节点是否存在。2. 使用ros2 node info /mavros查看其发布和订阅的话题。3. 检查启动文件中mavros_node的name和namespace参数。发送服务调用如解锁失败飞控未准备就绪未校准、模式不对1. 在 SITL 控制台输入arm throttle尝试直接解锁查看反馈信息。2. 检查status话题确认传感器如罗盘是否已校准。在 SITL 中通常需要运行calibrate命令。3. 确保飞行模式不是INITIALISING。5.4 综合调试建议分步启动不要一次性启动所有组件。先单独启动 Gazebo 并加载模型确认模型物理表现正常。再单独启动 ArduSub SITL看其是否能独立运行。最后启动 MAVROS 进行桥接。善用日志为每个启动命令添加--verbose或output‘screen’参数仔细阅读终端输出。错误信息通常就在前几行。检查版本兼容性这是最隐蔽的问题。确保ardupilot_gazebo插件版本与你的 Gazebo 版本Harmonic兼容。必要时从源码编译指定分支的插件。简化测试初次集成时使用最简单的模型如一个立方体和最基础的通信测试如只发送 RC 指令看模型是否动逐步增加复杂性。6. 进阶应用与最佳实践当基础仿真链路跑通后可以在此基础上构建更复杂的应用。6.1 开发自主导航节点利用 ROS2 的导航栈Nav2或自定义的规划算法结合/mavros/local_position/pose位姿和/mavros/setpoint_position/local目标点话题实现水下路径跟踪。获取定位信息融合来自 Gazebo通过 SITL的 IMU、深度计、DVL多普勒计程仪数据在 ROS2 中运行扩展卡尔曼滤波EKF节点提供更平滑的odometry。路径规划使用nav2或自定义的全局/局部规划器生成从 A 点到 B 点的路径一系列位姿点。控制接口将规划出的路径点通过/mavros/setpoint_position/local话题发送给飞控。需要将飞控模式设置为OFFBOARD并确保位姿估计源已设置正确。6.2 集成自定义传感器与执行器Gazebo 允许你为模型添加各种传感器插件如相机、声呐、机械臂。添加传感器在模型的.sdf文件中添加sensor标签例如一个前视相机。Gazebo 的 ROS2 插件会自动将其数据发布到类似/camera/image_raw的 ROS2 话题上。处理传感器数据编写 ROS2 节点订阅这些话题进行图像处理、目标检测或点云处理。控制执行器例如控制一个机械爪。可以在模型中添加一个夹持器关节并通过plugin使其可被 ROS2 服务控制。你的自主任务节点可以在到达目标点后调用该服务执行抓取动作。6.3 仿真环境配置优化水下环境模拟Gazebo 的默认世界是空气。需要修改世界文件.world设置流体的密度、粘度来模拟水。ardupilot_gazebo的worlds目录下可能有现成的underwater.world。添加海流与扰动在水下世界中添加匀速或随机的海流测试控制器的鲁棒性。这可以通过 Gazebo 的wind插件或自定义的力场插件实现。多机器人仿真复制机器人模型为每个实例分配不同的 MAVLink 系统 IDsysid并在启动时指定不同的 UDP 端口可以实现多水下机器人协同仿真。6.4 迈向真实部署的检查清单仿真通过后若计划部署到真实机器人需注意硬件在环HITL测试将 SITL 替换为真实的 Pixhawk 硬件通过 USB/UART 连接在 Gazebo 中测试真实飞控的响应。这是验证参数和逻辑的关键一步。参数迁移与校准仿真中调试好的 PID 等控制参数需要谨慎地迁移到真实飞控。真实环境必须进行完整的传感器罗盘、加速度计、水平仪校准。通信链路可靠性仿真中使用的是本地 UDP 回环延迟极低。真实系统中需考虑数传电台的带宽、延迟和丢包并在 ROS2 节点中增加相应的超时和重试机制。安全机制在真实系统中必须实现心跳监测、失控保护Return-to-Launch、紧急上浮等安全逻辑这些在仿真阶段就应设计并测试。通过 ROS2 Gazebo ArduSub 的集成我们构建了一个从算法仿真到硬件在环的完整水下机器人研发管道。这个管道极大地降低了开发风险与成本使得复杂的自主水下任务开发变得可迭代、可测试。接下来的方向是根据你的具体任务需求在 Gazebo 中构建更逼真的水下场景在 ROS2 中开发更智能的感知与决策节点并利用 ArduSub 稳定的底层控制最终将代码安全地部署到真实的海洋探索者身上。 从零搭建水下机器人仿真环境：ROS2、Gazebo与ArduSub集成指南
在实际机器人开发中仿真环境是验证算法、测试硬件接口、进行安全训练的关键环节。对于水下机器人这类复杂且昂贵的系统直接在真实水域中进行算法调试和功能测试不仅成本高昂也伴随着巨大的风险。因此一个能够逼真模拟水下动力学、传感器数据流和控制指令交互的仿真平台对于研发团队来说至关重要。ROS2 提供了现代化的机器人软件框架Gazebo 是强大的物理仿真引擎而 ArduSub 则是经过实战检验的无人潜航器UUV自动驾驶仪固件。将三者结合意味着我们可以在一个高保真的虚拟海洋环境中使用真实的自动驾驶仪软件栈来驱动一个虚拟的机器人模型从而完成从底层控制到上层自主决策的完整开发与测试闭环。本文旨在为机器人开发者特别是对水下机器人或复杂系统仿真感兴趣的工程师和学生提供一个从零搭建 ROS2 Gazebo ArduSub 集成仿真环境的详细指南。我们将一步步完成环境配置、模型构建、软件桥接和自主控制逻辑验证。通过本文你将能够搭建一个可运行的水下机器人仿真场景理解三者之间的数据流并在此基础上进行自主导航、任务规划等算法的开发与测试。1. 理解 ROS2、Gazebo 与 ArduSub 的协同工作流在开始动手之前必须厘清这三个核心组件各自的角色以及它们如何协同工作。这决定了后续所有配置和代码编写的逻辑。1.1 核心组件角色定义ROS2 (Robot Operating System 2): 扮演“神经系统”和“消息总线”的角色。它不负责具体的物理计算或底层控制而是提供了一套基于节点Node的分布式通信框架。在仿真中ROS2 节点用于发布传感器数据如 IMU、深度计、相机图像。订阅控制指令如目标深度、航向、速度。运行高级算法如 SLAM、路径规划。管理整个系统的启动和配置。Gazebo: 扮演“物理世界模拟器”和“传感器模拟器”的角色。它基于物理引擎如 ODE、Bullet计算机器人模型在水下的运动浮力、阻力、推进器推力并生成逼真的传感器输出。Gazebo 通过其插件系统与外部世界交互。ArduSub: 扮演“机器人大脑自动驾驶仪”的角色。它是一套专为无人潜航器设计的固件运行在 Pixhawk 系列或类似的飞控硬件上。在仿真中我们并不运行在真实硬件上而是运行其SITL (Software In The Loop)版本。ArduSub SITL 接收来自 Gazebo通过 MAVLink的传感器数据运行其内部的控制律PID 控制器等并计算出推进器指令再发送回 Gazebo 驱动模型运动。1.2 数据流与集成架构三者集成的核心在于MAVLink协议。MAVLink 是一种轻量级的消息传递协议专为无人机/无人车通信设计也是 ArduPilot/ArduSub 生态的通用语言。整个仿真系统的数据流如下Gazebo加载一个水下机器人模型包含推进器、传感器等插件。Gazebo内部的一个插件如libgazebo_mavlink_interface.so充当MAVLink 网关。它将 Gazebo 中的模型姿态、IMU 数据等封装成 MAVLink 消息发送出去同时它也接收外部的 MAVLink 控制指令并转化为 Gazebo 中模型的力和力矩。ArduSub SITL作为一个独立进程运行。它通过 UDP 端口与 Gazebo 的 MAVLink 插件进行通信。它接收传感器数据运行控制算法并发出执行器舵机、电机控制指令。ROS2如何介入有两种主要方式方式一直接: 通过ros2的mavros或mavlink相关包直接与 ArduSub SITL 的 MAVLink 端口通信从而实现 ROS2 话题与服务到 MAVLink 消息的转换。这是最接近真实硬件的模式。方式二通过 Gazebo: 利用 Gazebo-ROS2 的桥接功能。Gazebo 中的传感器插件如相机、IMU可以直接将数据发布到 ROS2 话题上同时也可以编写 ROS2 节点来订阅 Gazebo 中的模型状态或通过服务调用控制模型。这种方式更侧重于利用 ROS2 进行感知和高级规划而底层控制仍由 ArduSub 处理。本文将重点介绍方式一因为它更完整地复现了真实系统中 ROS2 与飞控的交互模式是进行自主控制算法开发的更佳起点。2. 基础环境搭建与依赖安装一个稳定、版本匹配的基础环境是成功的第一步。以下步骤在 Ubuntu 22.04 LTS 上进行验证这是目前 ROS2 Humble Hawksbill 的推荐系统。2.1 安装 ROS2 Humble如果系统已安装 ROS2请跳过此步。确保安装的是桌面完整版Desktop-Full以包含 Gazebo 和 RViz 等可视化工具。# 1. 设置语言环境 sudo apt update sudo apt install locales sudo locale-gen en_US en_US.UTF-8 sudo update-locale LC_ALLen_US.UTF-8 LANGen_US.UTF-8 export LANGen_US.UTF-8 # 2. 添加 ROS2 软件源 sudo apt install software-properties-common sudo add-apt-repository universe sudo apt update sudo apt install curl -y sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg echo deb [arch$(dpkg --print-architecture) signed-by/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(. /etc/os-release echo $UBUNTU_CODENAME) main | sudo tee /etc/apt/sources.list.d/ros2.list /dev/null # 3. 安装 ROS2 Humble 桌面完整版 sudo apt update sudo apt install ros-humble-desktop-full # 4. 设置环境变量建议写入 ~/.bashrc echo “source /opt/ros/humble/setup.bash” ~/.bashrc source ~/.bashrc2.2 安装 Gazebo Harmonic 与 ROS2 桥接Ubuntu 22.04 默认的 Gazebo 版本可能较旧。我们安装较新的 Gazebo Harmonic并通过源码编译其 ROS2 桥接包。# 1. 安装 Gazebo Harmonic sudo apt install wget sudo wget https://packages.osrfoundation.org/gazebo.gpg -O /usr/share/keyrings/pkgs-osrf-archive-keyring.gpg echo “deb [arch$(dpkg --print-architecture) signed-by/usr/share/keyrings/pkgs-osrf-archive-keyring.gpg] http://packages.osrfoundation.org/gazebo/ubuntu-stable $(lsb_release -cs) main” | sudo tee /etc/apt/sources.list.d/gazebo-stable.list /dev/null sudo apt update sudo apt install gazebo-harmonic libgazebo-harmonic-dev # 2. 创建工作空间并下载 gazebo_ros_pkgs 源码 mkdir -p ~/underwater_ws/src cd ~/underwater_ws/src git clone -b humble https://github.com/ros/gazebo_ros_pkgs.git # 3. 安装依赖并编译 cd ~/underwater_ws sudo apt install python3-rosdep2 sudo rosdep init rosdep update rosdep install -i --from-path src --rosdistro humble -y colcon build --symlink-install # 4. 将工作空间加入环境变量 echo “source ~/underwater_ws/install/setup.bash” ~/.bashrc source ~/.bashrc2.3 安装 ArduSub SITL 及相关工具ArduSub 是 ArduPilot 项目的一部分。我们通过其官方工具ardupilot-gazebo和ardupilot源码来搭建 SITL 环境。# 1. 安装通用依赖 sudo apt install git cmake build-essential genromfs ninja-build libgsl-dev libeigen3-dev libxml2-dev libblas-dev liblapack-dev libopenblas-dev libarmadillo-dev python3-dev python3-pip python3-matplotlib python3-lxml python3-future python3-pexpect python3-serial # 2. 克隆 ArduPilot 源码包含 ArduSub cd ~ git clone https://github.com/ArduPilot/ardupilot.git cd ardupilot git submodule update --init --recursive # 3. 安装 ardupilot-gazebo 插件用于 Gazebo 与 SITL 通信 cd ~ git clone https://github.com/ArduPilot/ardupilot_gazebo.git cd ardupilot_gazebo mkdir build cd build cmake .. -DCMAKE_BUILD_TYPERelWithDebInfo make -j4 sudo make install # 4. 设置环境变量非常重要 echo ‘export PATH$PATH:$HOME/ardupilot/Tools/autotest’ ~/.bashrc echo ‘export PATH/usr/lib/ccache:$PATH’ ~/.bashrc echo ‘export ARDUPILOT_GAZEBO_PATH$HOME/ardupilot_gazebo’ ~/.bashrc # 假设插件安装在此 source ~/.bashrc2.4 安装 MAVROS 与 MAVLink 工具MAVROS 是 ROS 与 MAVLink 设备如 ArduSub通信的官方节点。# 安装 MAVROS 及相关包 sudo apt install ros-humble-mavros ros-humble-mavros-extras ros-humble-mavros-msgs # 安装地理围栏数据MAVROS 需要 wget https://raw.githubusercontent.com/mavlink/mavros/master/mavros/scripts/install_geographiclib_datasets.sh sudo bash ./install_geographiclib_datasets.sh3. 构建仿真场景与启动完整系统环境就绪后我们需要准备一个水下机器人模型并编写启动文件将三者串联起来。3.1 获取或创建水下机器人模型我们可以使用ardupilot_gazebo中自带的蓝鳍金枪鱼BlueROV2模型这是一个经典且配置完善的水下机器人模型。# 检查模型是否已安装 ls /usr/share/gazebo-*/models/ | grep -i bluerov2 # 如果未找到可以手动从 ardupilot_gazebo 仓库复制假设你克隆在 ~/ardupilot_gazebo # 模型通常位于 ~/ardupilot_gazebo/models模型目录通常包含.sdf模型描述文件、meshes/模型网格文件和materials/材质文件。关键是要确保模型中的推进器plugin name”thruster”和 IMU 等传感器的命名与 ArduSub 的期望相匹配。3.2 编写集成启动文件我们将创建一个 ROS2 包来管理启动配置。在~/underwater_ws/src下cd ~/underwater_ws/src ros2 pkg create underwater_simulation --build-type ament_python --dependencies rclpy launch_ros cd underwater_simulation mkdir launch在launch/目录下创建bluerov2_ardusub.launch.py文件# launch/bluerov2_ardusub.launch.py import os from ament_index_python.packages import get_package_share_directory from launch import LaunchDescription from launch.actions import ExecuteProcess, IncludeLaunchDescription, RegisterEventHandler from launch.event_handlers import OnProcessExit from launch.launch_description_sources import PythonLaunchDescriptionSource from launch.substitutions import FindExecutable, PathJoinSubstitution from launch_ros.actions import Node def generate_launch_description(): # 定义路径和命令 ardupilot_dir os.path.expanduser(‘~/ardupilot’) model_name ‘bluerov2_heavy’ world_name ‘underwater.world’ # 可以自定义或使用默认的 empty.world # 1. 启动 Gazebo 服务器和客户端并加载水下世界和机器人模型 # 这里我们使用 ardupilot_gazebo 提供的启动文件如果存在 # 或者直接使用 gazebo_ros 启动一个空世界然后通过服务调用生成模型 gazebo_launch IncludeLaunchDescription( PythonLaunchDescriptionSource([ PathJoinSubstitution([ get_package_share_directory(‘gazebo_ros’), ‘launch’, ‘gazebo.launch.py’ ]) ]), launch_arguments{ ‘world’: [‘worlds/’, world_name], ‘verbose’: ‘true’, # 有助于调试 }.items() ) # 2. 在 Gazebo 中生成 BlueROV2 模型 spawn_entity Node( package‘gazebo_ros’, executable‘spawn_entity.py’, arguments[‘-entity’, model_name, ‘-file’, f‘/usr/share/gazebo-11/models/{model_name}/model.sdf’, ‘-x’, ‘0’, ‘-y’, ‘0’, ‘-z’, ‘-5’, ‘-R’, ‘0’, ‘-P’, ‘0’, ‘-Y’, ‘0’], output‘screen’ ) # 3. 启动 ArduSub SITL # 注意ardupilot 的 sitl 需要在其目录下运行并指定车型和参数 sitl_cmd ExecuteProcess( cmd[ ‘bash’, ‘-c’, f‘cd {ardupilot_dir} sim_vehicle.py -v ArduSub -f gazebo-{model_name} --modelJSON --console --map’ ], cwdardupilot_dir, output‘screen’, shellTrue ) # 4. 启动 MAVROS 节点连接 SITL # SITL 默认在 UDP 端口 14550 和 14551 监听 mavros_node Node( package‘mavros’, executable‘mavros_node’, name‘mavros’, output‘screen’, parameters[{ ‘fcu_url’: ‘udp://:14550localhost:14557’, ‘gcs_url’: ‘’, ‘target_system_id’: 1, ‘target_component_id’: 1, ‘fcu_protocol’: ‘v2.0’, }] ) # 5. (可选) 启动一个简单的 ROS2 控制节点用于发送测试指令 test_controller_node Node( package‘underwater_simulation’, executable‘simple_controller’, name‘simple_controller’, output‘screen’ ) return LaunchDescription([ gazebo_launch, spawn_entity, sitl_cmd, mavros_node, # test_controller_node, # 初始测试时可先注释掉 RegisterEventHandler( event_handlerOnProcessExit( target_actionspawn_entity, on_exit[sitl_cmd], # 确保模型生成后再启动 SITL但顺序可能需调整 ) ), ])注意上述启动文件是一个概念框架实际路径如模型文件路径、SITL 命令需要根据你的具体安装和模型进行调整。ardupilot_gazebo项目可能提供了更集成的启动方式。3.3 编写一个简单的测试控制器在underwater_simulation包中创建节点脚本simple_controller.py用于通过 MAVROS 向 ArduSub 发送指令。# underwater_simulation/underwater_simulation/simple_controller.py import rclpy from rclpy.node import Node from geometry_msgs.msg import TwistStamped from mavros_msgs.msg import OverrideRCIn import time class SimpleController(Node): def __init__(self): super().__init__(‘simple_controller’) # 方式1通过 MAVROS 的 /mavros/rc/override 话题直接发送 RC 通道值 # 这是最底层、最直接的控制方式对应飞控的 RC 输入 self.rc_override_pub self.create_publisher(OverrideRCIn, ‘/mavros/rc/override’, 10) # 方式2通过 /mavros/setpoint_velocity/cmd_vel 发送速度指令需要飞控在相应模式 # self.vel_pub self.create_publisher(TwistStamped, ‘/mavros/setpoint_velocity/cmd_vel’, 10) self.timer self.create_timer(0.1, self.timer_callback) # 10Hz self.get_logger().info(‘Simple controller node started’) def timer_callback(self): msg OverrideRCIn() # 假设通道映射1- Roll, 2- Pitch, 3- Throttle, 4- Yaw, 5- Forward, 6- Lateral, 7- Camera Pan, 8- Camera Tilt # PWM 值通常在 1100-1900 之间1500 为中立点。 # 例如设置油门通道3为 1600使机器人缓慢上浮。 msg.channels[0] 1500 # Ch1 msg.channels[1] 1500 # Ch2 msg.channels[2] 1600 # Ch3 - Throttle (上浮) msg.channels[3] 1500 # Ch4 msg.channels[4] 1500 # Ch5 msg.channels[5] 1500 # Ch6 msg.channels[6] 1500 # Ch7 msg.channels[7] 1500 # Ch8 self.rc_override_pub.publish(msg) self.get_logger().info(‘Publishing RC override: Throttle1600’) def main(argsNone): rclpy.init(argsargs) controller SimpleController() rclpy.spin(controller) controller.destroy_node() rclpy.shutdown() if __name__ ‘__main__’: main()别忘了在setup.py中配置入口点# setup.py 片段 entry_points{ ‘console_scripts’: [ ‘simple_controller underwater_simulation.simple_controller:main’, ], },编译工作空间cd ~/underwater_ws colcon build --packages-select underwater_simulation source install/setup.bash4. 运行验证与数据流分析现在我们可以启动整个系统并观察其运行状态。4.1 启动仿真系统cd ~/underwater_ws source install/setup.bash ros2 launch underwater_simulation bluerov2_ardusub.launch.py如果一切顺利你应该会看到Gazebo 客户端界面打开一个水下世界中出现 BlueROV2 模型。一个终端窗口运行 ArduSub SITL显示初始化信息最后出现ArduSub提示符。另一个终端运行 MAVROS 节点显示连接状态。机器人模型可能开始运动取决于你的控制器指令或默认参数。4.2 关键数据流检查点使用ros2 topic list和ros2 topic echo命令来验证数据流是否畅通。检查点ROS2 话题预期内容说明Gazebo - ArduSub(非 ROS 话题通过 MAVLink UDP)模型姿态、IMU 数据在 SITL 终端查看是否有传感器数据输入。ArduSub - Gazebo(非 ROS 话题通过 MAVLink UDP)执行器电机指令在 Gazebo 中观察机器人是否按指令运动。MAVROS 连接状态/mavros/stateconnected: True,armed: True/False确认 MAVROS 已连接到 SITL。飞控状态/mavros/global_position/globalGPS 坐标仿真中可能为 0确认定位数据流。IMU 数据/mavros/imu/data加速度、角速度、姿态四元数确认 IMU 数据已从仿真环境通过 SITL 转发到 ROS2。RC 指令覆盖/mavros/rc/override8个通道的 PWM 值这是我们控制器发布的话题用于手动控制。本地位置/mavros/local_position/pose相对于 Home 点的位置和姿态这是进行自主导航如 OFFBOARD 模式的关键反馈。4.3 发送第一个自主任务定深在 ArduSub SITL 的控制台中我们可以切换模式并发送指令。更符合 ROS2 集成的方式是使用 MAVROS 服务。解锁并切换模式通过 MAVROS 服务# 在新的终端中 source ~/underwater_ws/install/setup.bash # 解锁Arm飞控 ros2 service call /mavros/cmd/arming mavros_msgs/srv/CommandBool “{value: true}” # 将模式切换为 “ALT_HOLD” (定深模式) ros2 service call /mavros/set_mode mavros_msgs/srv/SetMode “{base_mode: 0, custom_mode: ‘ALT_HOLD’}”发送目标深度通过 MAVROS 话题# 发布一个目标深度消息例如-2米水面为0水下为负 ros2 topic pub /mavros/setpoint_position/global geographic_msgs/msg/GeoPoseStamped “{header: {stamp: {sec: 0, nanosec: 0}, frame_id: ‘’}, pose: {position: {latitude: 0.0, longitude: 0.0, altitude: -2.0}, orientation: {x: 0.0, y: 0.0, z: 0.0, w: 1.0}}}” -1在 ALT_HOLD 模式下飞控会尝试维持当前深度。通过发布目标位置包含深度可以指令机器人下潜或上浮到指定深度。观察 Gazebo 中的机器人是否开始向目标深度运动。5. 常见问题排查与调试集成过程复杂遇到问题是常态。以下是按优先级排序的排查清单。5.1 Gazebo 相关问题问题现象可能原因检查与解决Gazebo 无法启动或黑屏显卡驱动、渲染器问题1. 尝试gazebo --verbose查看详细日志。2. 使用软件渲染export LIBGL_ALWAYS_SOFTWARE1后再启动。3. 检查是否安装了gazebo-harmonic和libgazebo-harmonic-dev。模型无法生成spawn失败模型文件路径错误、模型依赖缺失1. 检查spawn_entity.py命令中的-file参数路径是否正确。2. 在 Gazebo 中手动插入模型测试Edit - Model Editor - 保存为.sdf再在终端中检查路径。模型加载后沉底或飞上天模型物理参数质量、浮力错误1. 检查模型.sdf文件中的mass、inertia和buoyancy插件配置。2. 参考ardupilot_gazebo中已有模型的配置进行对比。推进器不工作推进器插件配置错误或与 SITL 通道映射不匹配1. 在 Gazebo 中选中模型查看左侧 “World” 面板检查关节Joint是否有力/速度输出。2. 检查模型.sdf中plugin name”thruster”的jointName和topicName。确保 SITL 输出的通道号与 Gazebo 插件订阅的关节名对应。5.2 ArduSub SITL 相关问题问题现象可能原因检查与解决sim_vehicle.py命令找不到环境变量PATH未设置正确1. 确认已执行source ~/.bashrc。2. 检查$HOME/ardupilot/Tools/autotest是否在 PATH 中echo $PATH。3. 尝试在ardupilot目录下直接运行./Tools/autotest/sim_vehicle.py。SITL 启动失败提示 JSON 解析错误模型参数文件缺失或路径错误1. 检查-f gazebo-bluerov2对应的参数文件如gazebo-bluerov2.param是否存在于ardupilot/Tools/autotest/default_params/或相关目录。2. 可以尝试使用-f vehicle而不指定 gazebo 前缀使用默认参数启动。SITL 无法连接到 GazeboUDP 端口冲突或 Gazebo 插件未加载1. 确认 Gazebo 模型加载时其 MAVLink 插件已正确初始化查看 Gazebo 终端输出。2. 检查 SITL 启动时指定的--modelJSON和-I实例号参数。默认通信端口为14550和14551。3. 使用netstat -uap查看 UDP 端口监听情况。5.3 MAVROS 与 ROS2 通信问题问题现象可能原因检查与解决/mavros/state显示connected: FalseMAVROS 无法连接到 SITL 的 MAVLink 端点1. 检查mavros_node启动参数中的fcu_url。SITL 默认在14550端口发送在14551端口接收。常见配置为udp://:14550localhost:14557其中14557是 MAVROS 本地监听端口。2. 确认 SITL 已成功启动并开始输出数据。3. 尝试使用mavlink-router或QGroundControl连接 SITL先确认 MAVLink 链路本身是通的。话题列表中没有预期的 MAVROS 话题MAVROS 节点未启动或命名空间错误1. 使用ros2 node list查看mavros节点是否存在。2. 使用ros2 node info /mavros查看其发布和订阅的话题。3. 检查启动文件中mavros_node的name和namespace参数。发送服务调用如解锁失败飞控未准备就绪未校准、模式不对1. 在 SITL 控制台输入arm throttle尝试直接解锁查看反馈信息。2. 检查status话题确认传感器如罗盘是否已校准。在 SITL 中通常需要运行calibrate命令。3. 确保飞行模式不是INITIALISING。5.4 综合调试建议分步启动不要一次性启动所有组件。先单独启动 Gazebo 并加载模型确认模型物理表现正常。再单独启动 ArduSub SITL看其是否能独立运行。最后启动 MAVROS 进行桥接。善用日志为每个启动命令添加--verbose或output‘screen’参数仔细阅读终端输出。错误信息通常就在前几行。检查版本兼容性这是最隐蔽的问题。确保ardupilot_gazebo插件版本与你的 Gazebo 版本Harmonic兼容。必要时从源码编译指定分支的插件。简化测试初次集成时使用最简单的模型如一个立方体和最基础的通信测试如只发送 RC 指令看模型是否动逐步增加复杂性。6. 进阶应用与最佳实践当基础仿真链路跑通后可以在此基础上构建更复杂的应用。6.1 开发自主导航节点利用 ROS2 的导航栈Nav2或自定义的规划算法结合/mavros/local_position/pose位姿和/mavros/setpoint_position/local目标点话题实现水下路径跟踪。获取定位信息融合来自 Gazebo通过 SITL的 IMU、深度计、DVL多普勒计程仪数据在 ROS2 中运行扩展卡尔曼滤波EKF节点提供更平滑的odometry。路径规划使用nav2或自定义的全局/局部规划器生成从 A 点到 B 点的路径一系列位姿点。控制接口将规划出的路径点通过/mavros/setpoint_position/local话题发送给飞控。需要将飞控模式设置为OFFBOARD并确保位姿估计源已设置正确。6.2 集成自定义传感器与执行器Gazebo 允许你为模型添加各种传感器插件如相机、声呐、机械臂。添加传感器在模型的.sdf文件中添加sensor标签例如一个前视相机。Gazebo 的 ROS2 插件会自动将其数据发布到类似/camera/image_raw的 ROS2 话题上。处理传感器数据编写 ROS2 节点订阅这些话题进行图像处理、目标检测或点云处理。控制执行器例如控制一个机械爪。可以在模型中添加一个夹持器关节并通过plugin使其可被 ROS2 服务控制。你的自主任务节点可以在到达目标点后调用该服务执行抓取动作。6.3 仿真环境配置优化水下环境模拟Gazebo 的默认世界是空气。需要修改世界文件.world设置流体的密度、粘度来模拟水。ardupilot_gazebo的worlds目录下可能有现成的underwater.world。添加海流与扰动在水下世界中添加匀速或随机的海流测试控制器的鲁棒性。这可以通过 Gazebo 的wind插件或自定义的力场插件实现。多机器人仿真复制机器人模型为每个实例分配不同的 MAVLink 系统 IDsysid并在启动时指定不同的 UDP 端口可以实现多水下机器人协同仿真。6.4 迈向真实部署的检查清单仿真通过后若计划部署到真实机器人需注意硬件在环HITL测试将 SITL 替换为真实的 Pixhawk 硬件通过 USB/UART 连接在 Gazebo 中测试真实飞控的响应。这是验证参数和逻辑的关键一步。参数迁移与校准仿真中调试好的 PID 等控制参数需要谨慎地迁移到真实飞控。真实环境必须进行完整的传感器罗盘、加速度计、水平仪校准。通信链路可靠性仿真中使用的是本地 UDP 回环延迟极低。真实系统中需考虑数传电台的带宽、延迟和丢包并在 ROS2 节点中增加相应的超时和重试机制。安全机制在真实系统中必须实现心跳监测、失控保护Return-to-Launch、紧急上浮等安全逻辑这些在仿真阶段就应设计并测试。通过 ROS2 Gazebo ArduSub 的集成我们构建了一个从算法仿真到硬件在环的完整水下机器人研发管道。这个管道极大地降低了开发风险与成本使得复杂的自主水下任务开发变得可迭代、可测试。接下来的方向是根据你的具体任务需求在 Gazebo 中构建更逼真的水下场景在 ROS2 中开发更智能的感知与决策节点并利用 ArduSub 稳定的底层控制最终将代码安全地部署到真实的海洋探索者身上。