1. 课程导论与机器人系统全景

机器人系统是怎么组织的？ROS2 在里面扮演什么角色？这一讲从整体视角看机器人系统，理解各层怎么协作，以及为什么要先学运动学再学 MoveIt 2。

前言：你将构建什么？

在这门课程结束时，你将能够：

用 URDF 描述一个两连杆机械臂的结构
用 ROS2 发布它的坐标系（tf2）
用 MoveIt 2 对它进行运动规划
在 RViz2 中看到机械臂从 A 点运动到 B 点的完整仿真

这不是玩具 demo，而是真实机器人系统的完整缩影。

1.1 机器人系统是怎么组织的？

1.1.1 从一个具体场景出发

想象你让机械臂"把桌上的杯子拿起来放到盒子里"。

这句话背后，机器人需要完成以下事情：

步骤	做什么	对应系统层
用相机看到杯子在哪	获取环境信息	感知层
建立杯子和机器人的空间关系	坐标系转换	建模层
规划一条从当前位置到杯子的路径	路径规划	规划层
把路径转换成每个关节的角度指令	逆运动学 + 控制	控制层
电机按指令转动，手臂真正移动	执行	硬件层
所有模块之间互相通信、协调	中间件	系统层

这就是机器人系统的六层结构。

1.1.2 六层结构详解

第一层：感知层（Perception）

职责：让机器人"看到"世界

常见传感器：

RGB 相机：获取彩色图像，用于目标检测
深度相机（RGBD）：如 Intel RealSense，同时获取颜色和距离
激光雷达（LiDAR）：发射激光束，测量周围障碍物距离，输出点云
IMU（惯性测量单元）：测量加速度和角速度，用于姿态估计

输出：原始数据 → 点云、图像、姿态角

类比：感知层就是机器人的"眼睛和耳朵"。没有感知层，机器人是盲的。

第二层：建模层（Modeling）

职责：让机器人"理解"自己和世界的空间关系

包含三个核心概念：

① 机器人模型（URDF）

URDF（Unified Robot Description Format）是用 XML 描述机器人结构的文件。它定义了：

有哪些连杆（link）
连杆之间用什么关节（joint）连接
每个部分的形状、质量、惯量

<!-- 一个简单的关节定义示例 -->
<joint name="joint1" type="revolute">
  <parent link="base_link"/>
  <child link="link1"/>
  <axis xyz="0 0 1"/>
  <limit lower="-3.14" upper="3.14" effort="100" velocity="1.0"/>
</joint>

② 坐标系系统（TF / tf2）

机器人身上每个关节、每个传感器都有自己的坐标系。tf2 负责管理这些坐标系之间的变换关系。

例如：相机看到杯子在"相机坐标系"下的位置是 (0.3, 0, 0.5)，但机械臂需要知道杯子在"机械臂基座坐标系"下的位置，这个转换就由 tf2 完成。

③ 环境地图

移动机器人需要地图来导航，机械臂需要知道工作空间中的障碍物位置。

输出：统一的空间表达，所有模块都能"说同一种语言"

第三层：规划层（Planning）

职责：决定机器人"怎么动"

路径规划（Path Planning）：找到从 A 到 B 的无碰撞路径
运动规划（Motion Planning）：在路径上加入速度、加速度约束，生成平滑轨迹
任务规划（Task Planning）：更高层的决策，如"先拿杯子，再放到盒子里"

输出：轨迹（一系列带时间戳的位姿点）

第四层：控制层（Control）

职责：把轨迹转换成电机能执行的指令

核心工作：

逆运动学（IK）：已知末端目标位置，求各关节角度
轨迹跟踪：实时计算当前误差，调整控制量
PID 控制：最常用的反馈控制算法

输出：关节角度指令、力矩指令

第五层：执行层（Hardware）

职责：真正让机器人动起来

电机驱动器接收控制指令
编码器反馈当前关节角度
末端执行器（夹爪、吸盘）执行抓取动作

第六层：系统层（System / Middleware）

职责：让以上所有层能协同工作

这就是 ROS2 的核心价值所在：

各模块之间的通信（Topic / Service / Action）
统一的时间戳和坐标系管理
参数配置、日志记录
可视化工具（RViz2）

1.2 运动学——连接建模与规划的桥梁

1.2.1 机械臂的本质

机械臂本质上是一串"关节 + 连杆"的串联系统：

基座 → 关节1 → 连杆1 → 关节2 → 连杆2 → ... → 末端执行器

每个关节有一个自由度（通常是旋转），关节角度的组合决定了末端的位置和姿态。

一个 6 自由度机械臂（如 UR5）有 6 个关节，可以让末端到达工作空间内任意位置和姿态。

1.2.2 正运动学（Forward Kinematics，FK）

问题：已知每个关节的角度，求末端在哪里？

关节角度怎么定义？ 本例与上图一致，采用常见的 相对关节角 约定（与后面逆运动学代码一致）：

θ1：第一根连杆相对 基座坐标系（通常取 x 轴正方向）的转角，可理解为「第一节在世界系里的朝向」。
θ2：第二根连杆相对 第一根连杆的指向 的转角，不是相对世界 x 轴。因此第二根连杆在世界系里的绝对朝向是 θ1 + θ2，公式里第二项才会出现 cos(θ1 + θ2)、sin(θ1 + θ2)。
转角正方向一般取 逆针向为正（与图中常见画法一致）；若你的实物或 URDF 定义相反，只需在实现里统一符号即可。

Python 实现：

import numpy as np

def forward_kinematics(theta1_deg, theta2_deg, L1=1.0, L2=1.0):
    """
    两连杆平面机械臂正运动学
    参数：
        theta1_deg, theta2_deg: 关节角度（度）；θ2 为相对上一节连杆的相对角
        L1, L2: 连杆长度（米），默认 1.0
    返回：
        (x, y): 末端在基座平面坐标系中的位置
    """
    # NumPy 的 cos/sin 以「弧度」为自变量；日常更习惯用「度」输入，故先换算
    theta1 = np.radians(theta1_deg)
    theta2 = np.radians(theta2_deg)

    # 第一节末端：(L1*cos(θ1), L1*sin(θ1))；第二节沿世界系朝向 θ1+θ2 再伸 L2
    x = L1 * np.cos(theta1) + L2 * np.cos(theta1 + theta2)
    y = L1 * np.sin(theta1) + L2 * np.sin(theta1 + theta2)

    return x, y

# 示例：θ1=45°, θ2=30°, L1=1m, L2=0.5m
x, y = forward_kinematics(45, 30, L1=1.0, L2=0.5)
print(f"末端位置: x = {x:.4f} m, y = {y:.4f} m")
# 输出: 末端位置: x = 0.8365 m, y = 1.1899 m

本质：关节空间 → 笛卡尔空间，有唯一解，计算简单。

1.2.3 逆运动学（Inverse Kinematics，IK）

问题：已知末端目标位置，求各关节角度应该是多少？

为什么 IK 更难？

同一个末端位置，可能有两种关节角度组合：

图：末端位置相同，肘下与肘上两种构型对应两组关节角。

怎么看下面这段代码？ 重点是看懂流程：先判断可达性，再用几何关系求 θ2，最后代回求 θ1。能说出「每一块在解决什么问题」即可，无需背诵细节。

参考代码（含双解，读懂思路即可）：

import numpy as np

def inverse_kinematics(x, y, L1=1.0, L2=1.0):
    """
    两连杆平面机械臂逆运动学
    参数：
        x, y: 目标末端位置
        L1, L2: 连杆长度（米），默认 1.0
    返回：
        dict，包含两组解：
        {
            "elbow_down": (theta1_deg, theta2_deg),  # 肘下解，theta2 > 0
            "elbow_up":   (theta1_deg, theta2_deg),  # 肘上解，theta2 < 0
        }
        如果目标不可达，抛出 ValueError
    注意：返回角度单位为度
    """
    # 检查目标是否可达
    dist = np.sqrt(x**2 + y**2)
    if dist > L1 + L2:
        raise ValueError(f"目标点 ({x}, {y}) 超出工作空间，最大可达距离为 {L1+L2:.3f} m")
    if dist < abs(L1 - L2):
        raise ValueError(f"目标点 ({x}, {y}) 太近，最小可达距离为 {abs(L1-L2):.3f} m")

    # 用余弦定理求 θ2
    cos_theta2 = (x**2 + y**2 - L1**2 - L2**2) / (2 * L1 * L2)
    cos_theta2 = np.clip(cos_theta2, -1, 1)  # 防止浮点误差

    theta2_down = np.arccos(cos_theta2)   # 肘下解：θ2 > 0
    theta2_up   = -theta2_down            # 肘上解：θ2 < 0

    def solve_theta1(theta2):
        k1 = L1 + L2 * np.cos(theta2)
        k2 = L2 * np.sin(theta2)
        return np.arctan2(y, x) - np.arctan2(k2, k1)

    return {
        "elbow_down": (np.degrees(solve_theta1(theta2_down)), np.degrees(theta2_down)),
        "elbow_up":   (np.degrees(solve_theta1(theta2_up)),   np.degrees(theta2_up)),
    }

# 示例
solutions = inverse_kinematics(0.836, 1.190, L1=1.0, L2=0.5)
for name, (t1, t2) in solutions.items():
    print(f"{name}: θ1 = {t1:.2f}°, θ2 = {t2:.2f}°")

再次强调：上面代码是建立直觉用的示例，真正重要的是理解 IK 可能双解、可能无解，以及系统里谁会替你算。

本质：笛卡尔空间 → 关节空间，可能有多个解（甚至无解）。

1.2.4 在系统中的位置

用户指定目标位置 (x, y, z)
        ↓
    逆运动学（IK）
        ↓
  各关节角度 θ1, θ2, ...
        ↓
    控制器执行
        ↓
    机器人运动

反向验证（用于可视化）：

当前关节角度 θ1, θ2, ...
        ↓
    正运动学（FK）
        ↓
  末端当前位置 → 发布到 RViz2 显示

1.3 为什么必须学 ROS2？

1.3.1 没有 ROS2 会怎样？

假设你要自己写一个机械臂控制系统，你需要：

自己写相机数据读取程序
自己写激光雷达数据处理程序
自己设计这两个程序之间的通信协议（用 socket？共享内存？）
自己写坐标系转换代码
自己写可视化界面
自己管理所有程序的启动顺序和崩溃重启
...

每一项都需要大量工作，而且不同团队写的代码无法复用。

1.3.2 ROS2 解决了什么？

ROS2（Robot Operating System 2）提供了一套标准化的机器人软件框架：

下面是 ROS2 五个核心能力的速览。命令和代码片段不需要现在动手，第一遍读下来知道 ROS2 能做什么就够了，后续每一讲都会把对应能力讲透。

核心能力一：分布式节点系统

每个功能模块是一个独立的节点（Node），可以：

独立运行、独立重启
运行在不同的机器上（分布式）
用不同语言编写（Python / C++）

# 查看当前运行的所有节点
ros2 node list

# 查看某个节点的详细信息
ros2 node info /robot_state_publisher

核心能力二：标准化通信机制

Topic（话题）：发布/订阅模式，适合持续的数据流

# 查看所有话题
ros2 topic list

# 实时查看关节状态数据
ros2 topic echo /joint_states

# 查看相机图像话题的发布频率
ros2 topic hz /camera/image_raw

Service（服务）：请求/响应模式，适合一次性操作

# 调用一个布尔服务
ros2 service call /enable_motor std_srvs/srv/SetBool "{data: true}"

Action（动作）：适合长时间任务，支持中途反馈和取消

# 发送运动目标（MoveIt 2 内部使用 Action）
ros2 action list
ros2 action info /move_action

核心能力三：tf2 坐标系统

tf2 维护一棵"坐标系树"，任意两个坐标系之间的变换都可以自动计算。

# 生成坐标系树的 PDF 图（需要 graphviz）
ros2 run tf2_tools view_frames

# 实时查询两个坐标系之间的变换
ros2 run tf2_ros tf2_echo base_link end_effector

核心能力四：Launch 系统

一个 launch 文件可以同时启动多个节点，并配置参数：

# my_robot/launch/bringup.launch.py
from launch import LaunchDescription
from launch_ros.actions import Node

def generate_launch_description():
    return LaunchDescription([
        Node(
            package='robot_state_publisher',
            executable='robot_state_publisher',
            parameters=[{'robot_description': open('my_robot.urdf').read()}]
        ),
        Node(
            package='rviz2',
            executable='rviz2',
            arguments=['-d', 'config/view_robot.rviz']
        ),
    ])

# 一键启动整个系统
ros2 launch my_robot bringup.launch.py

核心能力五：RViz2 可视化

RViz2 是 ROS2 的标准可视化工具，可以实时显示：

机器人模型（URDF）
坐标系（TF）
传感器数据（点云、图像）
规划路径
碰撞检测结果

# 启动 RViz2
rviz2

# 带配置文件启动
rviz2 -d my_config.rviz

1.3.3 一句话理解 ROS2

ROS2 = 机器人系统的"操作系统级框架"

就像 Linux 为应用程序提供进程管理、文件系统、网络通信一样， ROS2 为机器人模块提供节点管理、数据通信、坐标系统。

1.4 课程学习路线

1.4.1 整体路线

1. 系统全景认知（本讲）
        ↓
2-3. 运动学基础（坐标系、齐次变换、正/逆运动学）
        ↓
4-7. ROS2 工程基础（节点、Topic、Service、Action、Launch）
        ↓
8. tf2 坐标系统（核心中的核心）
        ↓
9. URDF 机器人建模
        ↓
10-11. MoveIt 2 运动规划
        ↓
12. 完整项目整合

1.4.2 每讲的学习方式

本课程采用"概念 → 代码 → 运行验证"的三步法：

概念：用类比和图示理解原理
代码：写出最小可运行的示例
运行验证：在终端或 RViz2 中看到实际效果

1.5 环境准备

1.5.1 本课程使用的软件版本

软件	版本	说明
Ubuntu	24.04 LTS	推荐操作系统
ROS2	Jazzy	对应 Ubuntu 24.04 的 LTS 版本
Python	3.12	Ubuntu 24.04 系统自带
MoveIt 2	2.x (Jazzy)	运动规划框架

如果你使用 Ubuntu 22.04，对应安装 ROS2 Humble，包名把 jazzy 替换成 humble 即可，核心概念完全一致。

1.5.2 安装 ROS2 Jazzy

第一步：确认 locale

Ubuntu 24.04 默认已配置，通常无需操作，验证一下即可：

locale  # 确认输出包含 en_US.UTF-8

第二步：安装依赖并添加 GPG Key

sudo apt update && sudo apt install -y curl gnupg lsb-release

sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key \
  -o /usr/share/keyrings/ros-archive-keyring.gpg

国内网络说明：raw.githubusercontent.com 在国内经常被墙，上面的命令可能会卡住不动。遇到这种情况，Ctrl+C 终止后，改用 Gitee 镜像：
sudo curl -sSL https://gitee.com/ohhuo/rosdistro/raw/master/ros.key \
  -o /usr/share/keyrings/ros-archive-keyring.gpg

第三步：写入 ROS2 软件源

重要：不要用 echo 命令写入。在终端粘贴多行命令时，换行符会被写入文件，导致 apt update 报错 Malformed entry ([option] unparsable)。用 vim 直接写入可完全避免此问题。

sudo vim /etc/apt/sources.list.d/ros2.list

在 vim 中输入以下内容（只有一行）：

deb [arch=amd64 signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] https://mirrors.tuna.tsinghua.edu.cn/ros2/ubuntu noble main

这里使用清华镜像源。官方源 http://packages.ros.org/ros2/ubuntu 在国内速度极慢（约 8 KB/s），强烈推荐替换。

写入后验证（确认输出是完整的一行，不能有换行）：

cat /etc/apt/sources.list.d/ros2.list
sudo apt update

第四步：安装 ROS2 Jazzy Desktop

# desktop 版包含 RViz2、示例程序等，推荐安装
sudo apt install -y ros-jazzy-desktop python3-colcon-common-extensions python3-rosdep

包体积较大，使用清华镜像约需数分钟。中断后重新运行同一命令可续传，已下载的包缓存在 /var/cache/apt/archives/，不会重新下载。

第五步：配置环境变量

# 每次打开终端自动加载 ROS2 环境
echo "source /opt/ros/jazzy/setup.bash" >> ~/.bashrc
source ~/.bashrc

第六步：初始化 rosdep（用于自动安装依赖）

国内网络说明：rosdep update 同样需要访问 raw.githubusercontent.com，在国内会报 Connection reset by peer 错误。推荐用 rosdepc 替代，功能完全相同，走国内镜像：
sudo pip install rosdepc
# 如果提示 "externally managed"，改用：
# sudo pip install rosdepc --break-system-packages
sudo rosdepc init
rosdepc update
后续所有 rosdep 命令均可直接替换为 rosdepc。

如果网络正常，也可以直接用原版：

sudo rosdep init
rosdep update

执行时可能出现 DeprecationWarning: pkg_resources is deprecated as an API，这是正常警告，不影响使用，忽略即可。另外，若提示 default sources list file already exists，说明已初始化过，跳过 init 直接执行 update 即可。

1.5.3 配置 Python 虚拟环境

ROS2 的 Python 包（rclpy 等）通过 apt 安装到系统 Python，不建议用 Anaconda，否则路径隔离会导致 import rclpy 失败。

推荐用 venv + --system-site-packages：

前置依赖：Ubuntu 24.04 默认不带 venv 模块，若提示 ensurepip is not available，先安装：
sudo apt install python3.12-venv

# 创建虚拟环境，--system-site-packages 让 venv 能访问系统级 ROS2 包
python3 -m venv ~/ros2_venv --system-site-packages

# 激活（每次开新终端都需要执行）
source ~/ros2_venv/bin/activate

# 安装课程所需的科学计算库
pip install numpy scipy matplotlib

# 验证 ROS2 包仍然可以访问
python3 -c "import rclpy; print('rclpy OK')"

参数说明：

python3 -m venv ~/ros2_venv --system-site-packages
│               │            └─ 允许访问系统 site-packages（含 rclpy）
│               └─ 虚拟环境存放路径
└─ 调用内置 venv 模块创建虚拟环境

建议把激活命令也加入 .bashrc：

echo "source ~/ros2_venv/bin/activate" >> ~/.bashrc
source ~/.bashrc

1.5.4 验证 ROS2 安装

# 终端1：
ros2 run demo_nodes_py talker

# 终端2：
ros2 run demo_nodes_py listener

如果看到 listener 打印出 talker 发送的 Hello World 消息，说明 ROS2 安装正常。

注意：ros2 --version 会报错 unrecognized arguments: --version，这是正常的，ROS2 不支持该参数，用 talker/listener 验证即可。

1.5.5 工作空间结构

本课程的代码组织方式：

ros2_ws/                        # ROS2 工作空间根目录
├── src/                        # 源代码目录
│   ├── my_robot_basics/        # 运动学函数、基础节点（3-8）
│   ├── my_robot_interfaces/    # 自定义 Service/Action 接口（6）
│   ├── my_robot_description/   # 机器人 URDF 模型（9）
│   ├── my_robot_moveit_config/ # MoveIt 2 配置包（10）
│   ├── my_robot_planner/       # 规划客户端节点（10-11）
│   └── my_robot_bringup/       # 一键启动 Launch 文件（11）
├── build/                      # 编译输出（自动生成）
├── install/                    # 安装目录（自动生成）
└── log/                        # 日志目录（自动生成）

各包会在对应讲次中逐步创建，不需要现在手动建立。

创建工作空间：

本课程工作空间说明：课程源码统一存放在 $ROS_WS/ 下，与教程文档平行。后续所有命令均直接使用该路径。

# 创建工作空间目录
mkdir -p $ROS_WS/src

# 进入工作空间，执行首次构建
cd $ROS_WS
colcon build
source install/setup.bash

# 建议把 source 加入 .bashrc，避免每次手动执行
echo "source $ROS_WS/install/setup.bash" >> ~/.bashrc
source ~/.bashrc

1.6 常见误区（重点）

1.6.1 误区一：跳过运动学，直接学 MoveIt 2

很多人觉得运动学数学太难，想直接用 MoveIt 2 的 API。

后果：

规划失败时不知道为什么（是目标不可达？还是配置错误？）
无法判断机械臂的工作空间范围
遇到奇异点（singularity）时完全不知所措

正确做法：先用 Python 手写两连杆的正/逆运动学，理解原理，再用 MoveIt 2。

1.6.2 误区二：把 ROS2 当成"发消息的工具"

ROS2 不只是通信框架，它是：

工程管理平台：管理节点生命周期、参数、日志
标准化接口：让不同团队的代码能互相配合
生态系统：大量现成的驱动、算法包可以直接使用

1.6.3 误区三：认为 MoveIt 2 = 运动规划算法

MoveIt 2 本身不是算法，而是算法集成框架。它：

调用 OMPL（Open Motion Planning Library）做路径规划
依赖 URDF 和 tf2 获取机器人模型和坐标系
依赖 IK 求解器（如 KDL、IKFast）做逆运动学

理解这一点，才能在出问题时知道去哪里找原因。

1.7 本讲练习

1.7.1 练习 1：用自己的话描述六层结构

不看笔记，尝试向别人解释：

感知层做什么？输出什么？
建模层做什么？输出什么？
规划层做什么？输出什么？
控制层做什么？输出什么？

能流畅解释，说明你真正理解了。

1.7.2 练习 2：手算两连杆正运动学

给定：L1 = 1.0m，L2 = 0.8m，θ1 = 30°，θ2 = 45°

先手算，再用 Python 验证：

import numpy as np

L1, L2 = 1.0, 0.8
theta1 = np.radians(30)
theta2 = np.radians(45)

x = L1 * np.cos(theta1) + L2 * np.cos(theta1 + theta2)
y = L1 * np.sin(theta1) + L2 * np.sin(theta1 + theta2)

print(f"末端位置: x = {x:.4f} m, y = {y:.4f} m")
# 预期输出: x = 1.2071 m, y = 1.2243 m

1.7.3 练习 3：验证 ROS2 环境

# 打开两个终端，分别运行：
# 终端1
ros2 run demo_nodes_py talker

# 终端2
ros2 run demo_nodes_py listener

观察输出，确认通信正常后，用 Ctrl+C 停止。

本讲核心总结

概念	一句话理解
机器人系统六层结构	感知→建模→规划→控制→执行，系统层贯穿全部
正运动学	已知关节角 → 求末端位置，有唯一解
逆运动学	已知末端位置 → 求关节角，可能有多解或无解
ROS2	机器人系统的标准化中间件框架
tf2	管理所有坐标系变换的核心组件
URDF	用 XML 描述机器人结构的标准格式
MoveIt 2	运动规划算法的集成框架，不是算法本身

参考代码

本讲为概念导论，无对应源码文件。

参考代码目录结构（后续各讲逐步填充）：

ros_ws/
├── scripts/                    ← 2-3. 纯 Python 脚本，可直接运行
│   ├── lesson_02_transforms.py
│   └── lesson_03_two_link_kinematics.py
└── reference/src/              ← 各 ROS2 包的完整参考实现
    ├── my_robot_basics/        ← 4-8.
    ├── my_robot_interfaces/    ← 6.
    ├── my_robot_description/   ← 9.
    ├── my_robot_planner/       ← 10-11.
    └── my_robot_bringup/       ← 11.

使用方式：

scripts/ 下的脚本可直接 python3 运行，无需 ROS2 环境
reference/src/ 下的包是完整参考实现，用户走完 ros2 pkg create 流程后，可将参考文件 cp 到自己的包中对照或直接使用：

# 示例：把参考代码 cp 到自己的包
cp $ROS_WS/reference/src/my_robot_basics/my_robot_basics/hello_node.py \
   $ROS_WS/src/my_robot_basics/my_robot_basics/

参考代码中的注释标注了关键逻辑和对应教程章节，建议先自己实现，遇到问题再对照。

下一讲预告

2. 运动学核心（工程版）

我们将从零推导两连杆机械臂的运动学，内容包括：

坐标系的定义与变换
齐次变换矩阵的几何意义
用 Python 实现正运动学
用 Python 实现逆运动学（含多解处理）
可视化验证结果

全程代码驱动，不做复杂数学推导，只讲能用来写代码的核心。

前言：你将构建什么？​

1.1 机器人系统是怎么组织的？​

1.1.1 从一个具体场景出发​

1.1.2 六层结构详解​

第一层：感知层（Perception）​

第二层：建模层（Modeling）​

第三层：规划层（Planning）​

第四层：控制层（Control）​

第五层：执行层（Hardware）​

第六层：系统层（System / Middleware）​

1.2 运动学——连接建模与规划的桥梁​

1.2.1 机械臂的本质​

1.2.2 正运动学（Forward Kinematics，FK）​

1.2.3 逆运动学（Inverse Kinematics，IK）​

1.2.4 在系统中的位置​

1.3 为什么必须学 ROS2？​

1.3.1 没有 ROS2 会怎样？​

1.3.2 ROS2 解决了什么？​

核心能力一：分布式节点系统​

核心能力二：标准化通信机制​

核心能力三：tf2 坐标系统​

核心能力四：Launch 系统​

核心能力五：RViz2 可视化​

1.3.3 一句话理解 ROS2​

1.4 课程学习路线​

1.4.1 整体路线​

1.4.2 每讲的学习方式​

1.5 环境准备​

1.5.1 本课程使用的软件版本​

1.5.2 安装 ROS2 Jazzy​

1.5.3 配置 Python 虚拟环境​

1.5.4 验证 ROS2 安装​

1.5.5 工作空间结构​

1.6 常见误区（重点）​

1.6.1 误区一：跳过运动学，直接学 MoveIt 2​

1.6.2 误区二：把 ROS2 当成"发消息的工具"​

1.6.3 误区三：认为 MoveIt 2 = 运动规划算法​

1.7 本讲练习​

1.7.1 练习 1：用自己的话描述六层结构​

1.7.2 练习 2：手算两连杆正运动学​

1.7.3 练习 3：验证 ROS2 环境​

本讲核心总结​

参考代码​

下一讲预告​