Largemodel ROS2 Package

概述

largemodel 是一个基于 ROS2 Humble 的机器人 AI 服务节点包，集成了语音识别（ASR）、大模型任务规划、双层 AI 决策、动作执行和语音合成（TTS）等功能。该包使机器人能够理解用户的自然语言指令，通过大模型进行任务规划，并自主执行导航、机械臂控制、物体抓取等多种动作。

系统架构

┌─────────────────────────────────────────────────────────────────┐
│                     largemodel_control.launch.py                  │
├─────────────┬─────────────────┬─────────────────┬───────────────┤
│ camera_arm  │   model_service │  action_service │      asr      │
│   _kin      │       节点       │       节点       │      节点     │
├─────────────┴─────────────────┴─────────────────┴───────────────┤
│                    large_model_interface (共用工具)               │
└─────────────────────────────────────────────────────────────────┘

核心节点

1. ASR 节点 (asr)

功能：语音唤醒 → 录音 → 语音识别

支持 KWS 语音唤醒（串口通信）
WebRTC VAD 语音活动检测
多 ASR 引擎：SenseVoiceSmall（本地）/ 讯飞 / 阿里云（在线）

发布话题： | 话题 | 类型 | 说明 | |------|------|------| | /asr | String | ASR 识别结果 | | /wakeup | Bool | 唤醒信号 | | /beep | UInt16 | 蜂鸣器控制 | | /record_status | Bool | 录音状态 |

2. Model Service 节点 (model_service)

功能：AI 大脑，调用大模型进行任务规划和执行

双层 AI 架构：

决策层：解析用户意图，生成任务步骤
执行层：生成具体动作列表和回复

订阅话题： | 话题 | 说明 | |------|------| | /asr | ASR 识别结果 | | /actionstatus | 动作执行反馈 | | /seewhat_handle | 视觉触发信号 |

3. Action Service 节点 (action_service)

功能：解析并执行机器人动作

支持的动作函数（18种）：

类别	动作	函数签名
基础移动	左转/右转	`move_left(x, speed)`, `move_right(x, speed)`
基础移动	漂移/跳舞	`drift()`, `dance()`
基础移动	速度控制	`set_cmdvel(x, y, z, duration)`
导航	导航到点	`navigation(point_name)`
导航	获取位置	`get_current_pose()`
机械臂	上下/摇头点头鼓掌	`arm_up()`, `arm_down()`, `arm_shake()`, `arm_nod()`, `arm_applaud()`
机械臂	抓取/放置	`grasp_obj(x1,y1,x2,y2)`, `putdown()`
机械臂	Apriltag 分拣	`apriltag_sort(id)`, `apriltag_remove_higher(h)`
机械臂	颜色追踪移除	`color_remove_higher(color, h)`
视觉	追踪/巡线	`track(x1,y1,x2,y2)`, `follw_line_clear()`
系统	等待/结束	`wait(seconds)`, `finish_dialogue()`, `finishtask()`

目录结构

largemodel/
├── config/
│   ├── yahboom.yaml              # 主配置文件
│   ├── large_model_interface.yaml # 大模型 API 配置
│   └── map_mapping.yaml          # 地图导航点配置
├── launch/
│   └── largemodel_control.launch.py  # 启动文件
├── largemodel/
│   ├── __init__.py
│   ├── asr.py                   # 语音识别节点
│   ├── model_service.py         # 模型服务节点
│   └── action_service.py        # 动作执行节点
├── utils/
│   ├── large_model_interface.py # 大模型接口封装
│   ├── mic_serial.py            # 串口通信工具
│   ├── promot.py                # Prompt 模板
│   └── dify_client2.py          # Dify API 客户端
├── resources_file/
│   └── system_vioce/            # 系统提示音
│       ├── zh/                   # 中文提示音
│       └── en/                   # 英文提示音
├── test/                         # 测试文件
├── package.xml
└── setup.py

配置说明

主配置 (yahboom.yaml)

支持国内版和国际版两种模式：

# 国内版本参数
asr:
  ros__parameters:
    VAD_MODE: 2
    sample_rate: 16000
    use_oline_asr: True
    language: 'zh'
    regional_setting: "China"

action_service:
  ros__parameters:
    text_chat_mode: True      # True: 文字模式, False: 语音模式
    useolinetts: True         # True: 在线 TTS, False: 本地 TTS

model_service:
  ros__parameters:
    language: 'zh'
    regional_setting: "China"

大模型配置 (large_model_interface.yaml)

# 阿里百炼配置
tongyi_api_key: "your-api-key"
tongyi_base_url: "https://dashscope.aliyuncs.com"
tongyi_app_id: "your-app-id"
multimodel: "qwen-vl-max"

# TTS 配置
tts_supplier: "aliyun"  # 或 "baidu"
oline_tts_model: "cosyvoice-v1"
voice_tone: "zh_CN-female-shaohan"

# ASR 配置
oline_asr_model: "paraformer-realtime-v2"
oline_asr_sample_rate: 16000
local_asr_model: "iic/SenseVoiceSmall"

地图配置 (map_mapping.yaml)

A:
  name: '水果店'
  position:
    x: 1.633
    y: 3.490
    z: 0.0
  orientation:
    x: 0.0
    y: 0.0
    z: 0.618
    w: 0.786

编译命令

1. 进入工作空间

cd ~/M3Pro_ws

2. 编译 largemodel 包

colcon build --packages-select largemodel

或编译整个工作空间：

colcon build

3. Source 环境

source install/setup.bash

启动命令

1. 启动完整功能（国内版 + 文字交互模式）

ros2 launch largemodel largemodel_control.launch.py text_chat_mode:=True

2. 启动完整功能（国内版 + 语音交互模式）

ros2 launch largemodel largemodel_control.launch.py text_chat_mode:=False

3. 仅启动特定节点

# 启动 ASR 节点
ros2 run largemodel asr

# 启动模型服务节点
ros2 run largemodel model_service

# 启动动作服务节点
ros2 run largemodel action_service

4. 带参数启动

ros2 launch largemodel largemodel_control.launch.py \
    text_chat_mode:=True \
    language:=zh \
    regional_setting:=China

依赖项

系统依赖

ROS2 Humble
Python 3.8+
pip

Python 依赖

pip install rclpy std_msgs geometry_msgs sensor_msgs nav2_msgs
pip install pyaudio webrtcvad playsound pygame
pip install dashscope openai piper funasr
pip install pyserial cv-bridge pyyaml

ROS2 依赖

interfaces (自定义 action 包)
arm_msgs (机械臂消息)
arm_interface (机械臂接口)
M3Pro_demo (相机和运动学节点)

工作流程

用户语音 ──▶ ASR 节点 ──▶ Model Service ──▶ Action Service ──▶ 机器人执行
              │              │                 │
              │              │                 ▼
              │              │            动作反馈
              │              │                 │
              ▼              ▼                 ▼
           唤醒成功      双层AI规划      执行完成
           提示音        任务分解        语音播报

注意事项

串口权限：确保 /dev/mic 串口设备有正确的读写权限
API 密钥：在 large_model_interface.yaml 中配置正确的大模型 API 密钥
地图配置：根据实际场景修改 map_mapping.yaml 中的导航点坐标
资源文件：确保 resources_file 目录下的音频文件存在
多线程执行：Action Service 使用 6 线程执行器，确保节点稳定运行

故障排除

ASR 节点无法启动

# 检查串口设备
ls -l /dev/mic

# 添加串口权限
sudo usermod -a -G dialout $USER

大模型调用失败

# 检查 API 密钥配置
cat config/large_model_interface.yaml

# 检查网络连接
ping dashscope.aliyuncs.com

动作执行异常

# 检查导航点配置
cat config/map_mapping.yaml

# 检查 action 服务是否正常
ros2 node list | grep action_service

README.md 8.4 KB Historie Surový