博客

本文开发环境为Ubuntu 16.04、ROS版本为kinetic。

主要参考链接：

http://emanual.robotis.com/docs/en/platform/turtlebot3/machine_learning/#machine-learning

本文内容主要包含：

1、Anaconda2  安装

ROS 1中使用的是 python2.7，所以在地址：

中下载 python2.7版本的Anaconda2 ，安装过程如下：

chmod +x Anaconda2-5.2.0-Linux-x86_64.sh

bash Anaconda2-5.2.0-Linux-x86_64.sh

安装完成后，执行下面指令, 如果可以看到

Python 2.7.xx :: Anaconda, Inc.

.，说明安装成功。

source ~/.bashrc

python -V

接下来配置环境变量 PYTHONPATH，编辑 ~/.bashrc ，修改或者添加内容如下：

#export PYTHONPATH="/usr/lib/python2.7/dist-packages:$PYTHONPATH"

export PYTHONPATH="/home/wsc/anaconda2/lib/python2.7/dist-packages:$PYTHONPATH"

2、 ROS 依赖包安装

为了使ROS 与 Anaconda 一起工作，必须安装在Anaconda中安装ROS 依赖包：

pip install -U rosinstall msgpack empy defusedxml netifaces

3、Tensorflow、Keras等安装

本文中用到的机器学习算法是DQN（Deep Q-Learning），基于Tensorflow与Keras开发，为了避免包冲突，在Anaconda中构建虚拟环境（取名为tensorflow）:

conda update -n base conda
conda create -n tensorflow pip python=2.7

进入或者离开虚拟环境的指令为：

# To activate this environment, use:

# > source activate tensorflow

#

# To deactivate an active environment, use:

# > source deactivate

在虚拟环境（envs）中安装Tensorflow、Keras以及ROS依赖包：

source activate tensorflow

pip install -U rosinstall msgpack empy defusedxml netifaces

pip install --ignore-installed --upgrade https://download.tensorflow.google.cn/linux/gpu/tensorflow_gpu-1.8.0-cp27-none-linux_x86_64.whl

pip install keras

source deactivate

我这里安装的是gpu版本的tensorflow,前提是有gpu显卡并安装配置好了相关驱动， 如果要安装cpu版本的tensorflow，指令中地址应为：https://download.tensorflow.google.cn/linux/cpu/tensorflow-1.8.0-cp27-none-linux_x86_64.whl。

4、下载并编译源码

本文先使用github中开源的机器学习的源码进行学习，下载编译过程如下：

cd ~/catkin_ws/src/

git clone https://github.com/ROBOTIS-GIT/turtlebot3_msgs.git

git clone https://github.com/ROBOTIS-GIT/turtlebot3.git

git clone https://github.com/ROBOTIS-GIT/turtlebot3_simulations

git clone https://github.com/ROBOTIS-GIT/turtlebot3_turtlebot3_machine_learning

cd ~/catkin_ws && catkin_make

编译成功以后执行下面的脚本,也可以将其添加到~/.bashrc中：

source /home/wsc/catkin_ws/devel/setup.bash

5、设置参数并运行范例

设置参数：

打开源码文件 turtlebot3/turtlebot3_description/urdf/turtlebot3_burger.gazebo.xacro，修改一下两处：

<xacro:arg name="laser_visual" default="false"/>   # 如果想看到激光扫描线,设置成 `true`

<scan>
  <horizontal>
    <samples>360</samples>            # 修改成24
    <resolution>1</resolution>
    <min_angle>0.0</min_angle>
    <max_angle>6.28319</max_angle>
  </horizontal>
</scan>

打开一个终端，启动turtlebot3 gazebo环境等节点：

roslaunch turtlebot3_gazebo turtlebot3_stage_1.launch

打开另外一个终端，启动DQN算法等节点：

source activate tensorflow

roslaunch turtlebot3_dqn turtlebot3_dqn_stage_1.launch

打开第三个终端，启动数据图形显示节点：

pip install pyqtgraph

roslaunch turtlebot3_dqn result_graph.launch

注：源码范例中提供了turtlebot3_stage_1～turtlebot3_stage_4共4个环境，分别是无障碍、静态障碍、动态障碍、混合障碍环境。

6、训练与结果展示

这是训练约5个半小时后的结果：