BotOf Tech — 技术与植物养护笔记

Nav2 最容易被误解成“ROS 2 里的路径规划器”。实际上，它更像一个移动机器人导航操作系统：接收目标、管理行为树、调用全局规划、局部控制、代价地图、定位、恢复行为、速度平滑和任务服务器。

如果只把 Nav2 当成一个 A* + DWA 插件，很快会在真实机器人上遇到这些问题：

地图有了，但机器人不知道自己在哪；
路径能生成，但底盘不跟；
局部避障不断触发恢复；
RViz 里 TF 树飘来飘去；
仿真正常，实物在门口抖动；
一换发行版，cmd_vel 消息类型和参数默认值变了。

这篇文章按工程落地的顺序拆 Nav2，而不是按文档目录逐项解释。

一、Nav2 的本质：行为树调度的导航系统

Nav2 的官方介绍里，它提供 perception、planning、control、localization、visualization、behaviors 等能力，并用 Behavior Tree 执行复杂机器人行为。官方 Concepts 文档也把它拆成 Behavior Trees、Navigation Servers、State Estimation、Environmental Representation 等部分。 [¹]

一条典型数据流如下：

可以把 Nav2 分成 6 层：

层	关键模块	作用
任务层	`bt_navigator`、waypoint follower、route server	决定如何完成导航任务
全局规划	`planner_server`	从当前位置到目标点生成全局路径
路径处理	`smoother_server`	让全局路径更平滑、更可执行
局部控制	`controller_server`	根据局部代价地图和路径输出速度
环境表示	global/local costmap	把地图、传感器、禁行区、膨胀层变成可规划代价
状态估计	AMCL / SLAM / robot_localization / TF	提供机器人位姿和速度

如果一个机器人“看起来 Nav2 不工作”，先问它坏在哪一层，而不是盲目调 planner 参数。

二、先把 TF 和状态估计做对

Nav2 依赖一条稳定 TF 链：

map -> odom -> base_link -> sensor frames

这三个 frame 的职责不同：

frame	谁发布	含义
`map`	AMCL / SLAM / 全局定位	全局地图坐标
`odom`	里程计 / EKF	连续但会漂移的局部坐标
`base_link`	robot_state_publisher / 控制器	机器人本体

常见做法：

已有静态地图：map_server + AMCL，用激光匹配地图；
边建图边导航：slam_toolbox 或其它 SLAM；
户外/GPS：robot_localization 融合 wheel odom、IMU、GPS；
视觉/深度方案：VIO / VSLAM 补充轮速里程计。

真实机器人最常见的失败不是算法差，而是 TF 时间、坐标轴、传感器外参错：

ros2 run tf2_tools view_frames
ros2 topic hz /tf
ros2 topic echo /odom
ros2 topic echo /scan
ros2 run tf2_ros tf2_echo map base_link

调 Nav2 前先确认：

/scan 或点云在 RViz 里和机器人方向一致；
机器人前进时 /odom 的 x 正方向增加；
机器人转动时 yaw 符号符合右手系；
base_link 到激光雷达的 static transform 准确；
所有节点使用同一时间源，仿真时 /clock 一致。

三、Costmap 是 Nav2 的工程核心

Nav2 的 planner 和 controller 不是直接看传感器，而是看 costmap。costmap 把环境分成可走、障碍、膨胀、未知、禁行、限速等代价。

典型配置：

global_costmap:
  global_costmap:
    ros__parameters:
      global_frame: map
      robot_base_frame: base_link
      resolution: 0.05
      track_unknown_space: true
      plugins: ["static_layer", "obstacle_layer", "inflation_layer"]

local_costmap:
  local_costmap:
    ros__parameters:
      global_frame: odom
      robot_base_frame: base_link
      rolling_window: true
      width: 4.0
      height: 4.0
      resolution: 0.05
      plugins: ["obstacle_layer", "inflation_layer"]

global costmap 更多用于全局规划，local costmap 更多用于局部避障。两者可以共用传感器，也可以分层配置。

调 costmap 的关键变量：

参数	影响	经验
`robot_radius` / footprint	机器人是否能过窄门	真实尺寸加安全余量
`inflation_radius`	离障碍多远开始变贵	过大绕远，过小贴边
`cost_scaling_factor`	障碍代价衰减	影响贴边程度
`observation_sources`	哪些传感器进障碍层	先少后多，逐个验证
`clearing` / `marking`	障碍清除和标记	动态障碍场景必调
`update_frequency`	更新频率	低了避障慢，高了吃 CPU

典型调试方法：

RViz 只看 local costmap；
推机器人走一圈，看障碍是否稳定；
用纸箱/人腿做动态障碍，看是否及时 mark/clear；
关闭 planner，只让 controller 跟简单路径；
最后再加 keepout zone、speed filter、语义层。

四、Planner Server：选对全局规划器

Nav2 的 Planner Server 托管一个或多个 planner 插件。不同机器人运动模型不同，规划器不应该乱选。

机器人	推荐起步	说明
差速/全向，室内 AMR	NavFn / Smac 2D	简单稳定，先跑通
Ackermann / 车式底盘	Smac Hybrid-A*	考虑最小转弯半径
大车、需要倒车/曲率约束	Smac State Lattice / Hybrid-A*	路径更可执行
走图网络/园区道路	Route Server	基于导航图，不是纯 freespace

官方 Smac Planner 文档说明，nav2_smac_planner 包提供优化过的 A* 框架，包括 2D A*、Hybrid-A* 和 State Lattice 三类规划器，面向不同机器人平台。 [²]

如果你的机器人是差速小车，先不要上复杂规划器。先用 2D planner 跑通，再根据路径质量和运动约束升级。复杂规划器会带来更多参数：转弯半径、角度离散、解析扩展、启发函数、平滑策略。

五、Controller Server：局部跟踪才是“能不能走好”

Controller Server 是 Nav2 里最靠近底盘的一层。官方文档说明它接收路径和插件名称，调用 controller、progress checker、goal checker，并持有 local costmap。 [³]

常见 controller：

Controller	适合	特点
DWB	差速/全向小车	ROS1 DWA 思路延续，参数多，可解释
Regulated Pure Pursuit	差速、Ackermann、小车	简洁、稳定、适合多数室内机器人
MPPI	高动态/复杂约束	采样优化，算力需求更高
Rotation Shim + primary controller	需要先转向再跟踪	对差速机器人很实用

局部控制常见症状：

症状	多半原因
机器人原地抖	速度阈值、角速度采样、goal checker 太紧
贴障碍太近	inflation 半径/代价衰减不合适
路径看着对但不走	controller 没收到有效 path 或 TF 超时
一直 recovery	progress checker 判定失败
到点后转来转去	yaw tolerance 太小或定位抖动

调 controller 的顺序：

降低最大速度；
放宽 goal tolerance；
确认 local costmap 稳定；
确认 odom 没明显延迟；
再调 planner 和 smoother。

不要一上来改 50 个参数。每次只改一类参数，并保存 rosbag。

六、Smoother 和 Velocity Smoother：不要混在一起

Nav2 里有两个“平滑”概念：

模块	平滑对象	位置
Smoother Server	全局路径	planner 之后、controller 之前
Velocity Smoother	速度命令	controller 之后、底盘控制器之前

路径平滑让全局路径更适合机器人执行。Nav2 Simple Smoother / Constrained Smoother 是这里的典型插件。

速度平滑处理的是 cmd_vel。官方 velocity smoother 文档强调，它用于降低加速度和 jerk，减少对电机和硬件控制器的冲击，也能插值到更高频率发布速度命令。 [⁴]

真实机器人推荐打开 velocity smoother，特别是：

电机速度环比较硬；
轮子打滑；
局部控制器输出跳变；
低速时有 deadband；
底盘控制器频率高于 Nav2 controller server。

七、行为树：Nav2 的任务编排层

Nav2 默认不是简单的“规划一次、跟随一次”。它用 Behavior Tree 做编排：

行为树让你能插入：

重规划频率；
路径截断；
planner/controller 切换；
costmap 清理；
dock / undock；
keepout / speed zone；
任务级失败策略。

但初期不要急着改 BT XML。先用默认树跑通，再把恢复行为、重规划周期、路径平滑节点按需求加入。

八、真实机器人上线顺序

1. 单独验证底盘

先确认 ros2_control 能手动控制底盘：

ros2 topic pub /cmd_vel geometry_msgs/msg/TwistStamped ...
ros2 topic echo /odom
ros2 run tf2_tools view_frames

底盘不能稳定响应时，不要调 Nav2。

2. 单独验证定位

静止时：

map -> base_link 不应明显跳动；
激光和地图重合；
AMCL 粒子云收敛。

移动时：

odom -> base_link 连续；
map -> odom 可以缓慢校正，但不应剧烈跳；
轮速里程计和激光/视觉定位差距可解释。

3. 单独验证 costmap

目标：

障碍能进入 local costmap；
障碍移开后能清除；
机器人 footprint 不穿墙；
未知区域策略符合场景。

4. 跑短距离目标

先在 1–2 米内低速测试：

直线到点；
原地转向；
绕小障碍；
窄门；
人突然走近；
目标取消。

5. 长距离、多目标、异常恢复

最后再测：

waypoint following；
自动重规划；
电梯口/窄通道；
低电量回充；
网络延迟；
传感器丢帧；
急停恢复。

九、一个可执行的参数基线

室内差速 AMR 起步可以保守一点：

controller_server:
  ros__parameters:
    controller_frequency: 20.0
    min_x_velocity_threshold: 0.001
    min_theta_velocity_threshold: 0.001
    progress_checker_plugins: ["progress_checker"]
    goal_checker_plugins: ["goal_checker"]
    controller_plugins: ["FollowPath"]

    progress_checker:
      plugin: "nav2_controller::SimpleProgressChecker"
      required_movement_radius: 0.3
      movement_time_allowance: 10.0

    goal_checker:
      plugin: "nav2_controller::SimpleGoalChecker"
      xy_goal_tolerance: 0.20
      yaw_goal_tolerance: 0.30
      stateful: True

velocity_smoother:
  ros__parameters:
    smoothing_frequency: 40.0
    max_velocity: [0.35, 0.0, 0.8]
    min_velocity: [-0.10, 0.0, -0.8]
    max_accel: [0.5, 0.0, 1.2]
    max_decel: [-0.6, 0.0, -1.4]
    velocity_timeout: 1.0

这不是最优值，只是安全起点。上线前必须按机器人质量、轮径、地面摩擦、传感器延迟重新标定。

十、排障清单

问题	先看什么
点目标没反应	`bt_navigator`、action server、lifecycle 状态
有全局路径但不动	controller server、local costmap、cmd_vel
cmd_vel 有但底盘不动	velocity smoother、ros2_control、硬件接口
机器人走偏	odom、轮径、轮距、IMU yaw
遇障碍不避让	local costmap observation source
一直清 costmap	recovery 条件、progress checker
定位突然跳	AMCL 参数、地图质量、TF 时间戳
窄门过不去	footprint、inflation、controller 速度
到目标前停住	goal checker、minimum velocity、deadband
仿真正常实物失败	传感器延迟、底盘限幅、地面摩擦

结论：Nav2 的难点不在“能不能跑 demo”，而在系统边界。定位、costmap、planner、controller、velocity smoother、ros2_control 每层都要能单独验证。只有这样，机器人在真实环境里出问题时，你才知道该改算法、改参数、改硬件，还是改 TF。

参考资料

[¹] Nav2 Concepts: https://docs.nav2.org/concepts/index.html
[²] Nav2 Smac Planner: https://docs.nav2.org/configuration/packages/configuring-smac-planner.html
[³] Nav2 Controller Server: https://docs.nav2.org/configuration/packages/configuring-controller-server.html
[⁴] Nav2 Velocity Smoother: https://docs.nav2.org/configuration/packages/configuring-velocity-smoother.html