📝 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
KITTI 数据集在 RViz2 中成功渲染，点云和图像同步显示
基于传感器数据的避障决策流程
避障逻辑在仿真环境中运行验证
KITTI 数据发布节点运行状态
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
遇到的问题与解决
| 问题 | 原因 | 解决方案 |
|---|---|---|
| RViz2 无点云显示 | Fixed Frame 设置错误 | 设置为 velodyne 或对应传感器帧 |
| 话题发布频率过低 | 数据量大导致处理延迟 | 减小数据量或使用 –rate 参数优化 |
总结与反思
KITTI 数据集与 ROS2 可视化工具的结合，为自动驾驶感知算法的开发和验证提供了标准化的数据接口。