nav_cloning

nav_cloning 使用ガイド

本プロジェクトでは、ROS・Gazebo環境でのロボット走行データ収集、深層学習モデルによる学習・評価を行います。

---

1. シミュレーションでのデータ収集

配置によるデータ収集（静止状態）

• 目的：目標経路上にロボットを配置して、画像と角速度を取得
• 保存先：
  • img/：画像（命名例：lane{lane}_{img_type}_{save_img_no}.jpg）
  • ang/：角速度
• 実行コマンド：

  roslaunch nav_cloning nav_cloning_sim.launch script:=set_collect.py use_waypoint_nav:=false use_cmd_vel:=false

• 備考： ロボットを手動で下図のように配置し、静止状態での画像・角速度データを収集します。

  

走行によるデータ収集

• 目的：3カメラまたは9カメラを使って走行中にデータ取得

• 実行コマンド（例：3カメラ）：

  roslaunch nav_cloning nav_cloning_sim.launch script:=run_collect_3cam.py use_waypoint_nav:=true

  ※ 9cam版はスクリプト名を変更して使用してください。

---

2. オフライン学習

学習前の準備

学習用スクリプト内で以下の変数を適切に設定してください：

• self.pro：使用するデータフォルダ名
• self.data：データ数（例：616）

配置データでの学習

roscd nav_cloning/sh
./learning.sh

走行データ（3cam or 9cam）での学習

roscd nav_cloning/sh
./learning_run_3cam.sh

---

3. モデルテスト・経路追従評価

学習済みモデルでの経路追従テスト

roscd nav_cloning/sh
./model_test

特定のモデル出力を確認

roslaunch nav_cloning nav_cloning_sim.launch script:=model_test.py use_waypoint_nav:=true use_cmd_vel:=false model_num:=1

モデルの経路復帰性能を評価

経路周辺に移動するためのpath.csvがない場合、以下で作成

roslaunch nav_cloning nav_cloning_sim.launch script:=path_collector.py

経路復帰性能を評価

roscd nav_cloning/sh
./path_recovery_evaluator.sh

※ 上記コマンドにより、経路から逸脱した際の復帰挙動も確認可能

---

install

• 環境 ubuntu20.04, ros noetic

• ワークスペースの用意

mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src
catkin_init_workspace
cd ../
catkin build

• nav_cloningの用意

cd ~/catkin_ws/src
wget https://raw.githubusercontent.com/KOYAMA-Yuya/nav_cloning_offline/master/nav_cloning.install
wstool init
wstool merge nav_cloning.install
wstool up

• 依存パッケージのインストール

cd ~/catkin_ws/src
rosdep init
rosdep install --from-paths . --ignore-src --rosdistro $ROS_DISTRO -y
cd ../
catkin build

• 共通

pip3 install scikit-image
pip3 install tensorboard

• ＜CPU のみ＞

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu

• ＜GPU 使用＞使用しているデバイスを確認し，セットアップします

• nvidia driver
• CUDA
• cuDNN その後インストールしたCUDAのバージョンに対応したPytorchのバージョンを下記からダウンロードします https://pytorch.org/get-started/locally/

Docker

作成次第追加