RRT 路径规划架构深度解析

本文档详细分析了 scenario.py 规划算法实现与 ui_builder.py 交互管理机制

---

scenario.py

该文件负责 RRT (Rapidly-exploring Random Tree) 算法的具体配置、环境感知以及轨迹生成。

1. RRT 算法的配置与初始化 (setup)

RRT 的初始化需要整合机器人几何描述、运动学模型和规划器参数：

• Lula RRT 实例化：需要三类文件：robot_descriptor.yaml（描述碰撞几何）、urdf（动力学结构）和 franka_planner_config.yaml（设定采样步长、搜索边界等）。
• 迭代上限设置：调用 set_max_iterations(5000)。这是一个安全阀，防止在无解的环境中无限搜索导致仿真程序卡死。
• 可视化包装：PathPlannerVisualizer 将 RRT 搜索出的抽象路径点序列，转化为机器人可以直接执行的 ArticulationActions 动作序列。

2. 动态重规划触发机制 (update)

与 RMPflow 的连续力场不同，RRT 是离散的路径规划。为了平衡实时性与计算开销，代码采用了基于阈值的重规划策略：

# 检测目标位姿的变化量
translation_distance = np.linalg.norm(self._target_translation - current_target_translation)
target_moved = translation_distance > 0.01  # 位移超过 1cm 视为移动

# 复合判定：每 60 帧检查一次 且 目标发生了显著位移
if self._frame_counter % 60 == 0 and target_moved:
    self._rrt.update_world()  # 告知规划器障碍物的最新位置
    self._plan = self._path_planner_visualizer.compute_plan_as_articulation_actions()

3. 动作执行流

规划生成的 self._plan 本质上是一个动作队列（Action Queue）。 在 update 函数的末尾，程序使用 pop(0) 每帧提取并执行一个动作点，从而实现平滑的轨迹复现。

---

二、 交互与生命周期：ui_builder.py

ui_builder.py 负责 Isaac Sim 右侧 UI 面板的渲染，并充当用户行为（点击按钮）与底层算法（Scenario 类）之间的桥梁。

核心回调函数映射表

回调函数	触发时机	核心业务操作
_setup_scene	点击 LOAD 按钮	执行 create_new_stage() 清空场景；添加 SphereLight 提供光照；调用 scenario 加载机器人与障碍物。
_update_scenario	RUN 激活状态	被物理步（Physics Step）订阅，每帧调用 scenario.update() 驱动重规划逻辑与动作执行。
on_timeline_event	点击原生播放/停止	监控物理引擎状态。如果用户手动停止，UI 上的 StateButton 会自动同步重置为 STOP 状态。
cleanup	关闭插件或脚本重载	注销 UI 元素的回调函数，释放内存，防止在切换场景时出现残留报错。

💡 关键技术细节：
create_new_stage() 会销毁当前所有内容。 因此，必须紧随其后调用 _add_light_to_stage()。 如果没有手动创建灯光，场景将是全黑的，无法通过相机视角观察机械臂的运动。

---

三、 RRT 规划全流程总结

1. 感知 (Sensing)：实时监控 /World/target 的 6 自由度位姿。
2. 决策 (Decision)：逻辑判定位移是否达标。 若达标，规划器进入 C-Space (配置空间) 进行快速随机采样。
3. 约束处理：RRT 内部会检查采样点是否与注册的 VisualCuboid (障碍物) 发生碰撞。
4. 离散化 (Discretization)：找到可行路径后，将其细化为一系列密集的关节角度点位。
5. 执行 (Execution)：物理驱动器按顺序执行动作序列，完成机械臂从当前点到目标点的避障移动。