📝 Week 6：ROS2 动作（Actions）与机器人逻辑集成

实验内容 本周完成了以下任务：

ROS2 Actions 深度解析：理解了 Action 与 Topic/Service 的区别，掌握了其“可抢占、有反馈、适合长时间任务”的特性。

Action 服务器与客户端实现：编写 Python 代码实现 Action Server 和 Client，处理目标（Goal）、反馈（Feedback）和结果（Result）。

机器人复杂行为控制：通过 Action 机制控制机器人执行需要时间累积的任务，如“旋转 360 度”或“移动到指定坐标”。

自定义通信接口：学习如何定义 .action 文件，并编译生成对应的 Python 通信接口。

实验截图 Action 反馈机制调试 机器人执行长时间序列任务 运行命令 Bash

查看系统中的 action 列表

ros2 action list

模拟发送一个 action 目标并查看反馈

ros2 action send_goal /turtle1/rotate_absolute turtlesim/action/RotateAbsolute “{theta: 1.57}” –feedback

编译包含自定义 action 的包

colcon build –packages-select my_robot_interfaces 遇到的问题 问题：在 Action 客户端发送目标后，程序处于阻塞状态，无法处理其他逻辑。 解决：使用了异步调用方法 send_goal_async()，并通过回调函数（Callback）来处理结果，实现了非阻塞式控制。

问题：Action Server 启动时提示接口类型不匹配。 解决：检查了 .action 文件的定义顺序（Goal, Result, Feedback 需用 — 分隔），并确保在 package.xml 中添加了相应的依赖。

学习心得 本周的学习让我对 ROS2 的通信模型有了完整的认识。相比于 Topic 的即时发布和 Service 的同步等待，Action 提供的“进度条”式反馈（Feedback）对提升用户体验和系统稳定性至关重要。例如在控制机械臂抓取或小车长距离导航时，Action 允许我们在任务进行中随时获取进度，甚至中途取消，这才是实现智能机器人复杂逻辑的正确方式。

返回 ← 返回首页