基于Bullet物理引擎的機器人仿真實驗平臺設計

黃弢，汪迪，萬晨暉，馬瑞啟，許 洋

（華中科技大學機械科學與工程學院，武漢 430074）

0 引言

實驗教學是高校創新實踐人才培養的重要手段［1］，機器人教學是工程類實驗教學中重要的組成部分［2］，在實驗教學中，受限于現場條件和傳統工業機器人的價格，可用的實驗資源往往有限，學習成本較高。借助計算機仿真技術，可在軟件中集成虛擬仿真模塊，自定義仿真場景［3］。

目前，國內外比較通用的機器人仿真軟件有VREP、Gazebo和Webots 等［4］。V-REP是一款靈活的通用機器人仿真器，支持嵌入式腳本，插件和ROS 節點［6］，自2019 年后改名為CoppeliaSim，V-REP已經停止更新。Gazebo可構建機器人運動仿真模型，支持傳感器數據的仿真［7］，主要配合ROS 仿真在Linux 平臺使用。Webots自帶眾多不同種類傳感器和驅動器［8］，近年來在四足類機器人仿真上應用廣泛［9］。現有平臺的不足之處在于，它們只是一個仿真工具，而非一個實驗工具，為完成實驗往往需要多個軟件相互配合，學習成本高，開發一款具備機器人仿真功能與實驗設計的平臺則具有較大意義。

工業機器人中應用較為廣泛的是示教編程，即通過示教器控制機器人移動，在運動過程中記錄相應的關節位置，完成示教操作。這種示教方式過于簡單和低效，并不適用于機器人學科教學。一種較好的方式是類似于Matlab 腳本化、交互式編程，既可通過類的方式封裝簡易調用函數，也可以賦予用戶自己實現算法的能力。

為使機器人仿真實驗平臺更具靈活性和可擴展性，采用以Bullet為仿真引擎，以Lua 為交互式操作語言、Qt為圖形框架和節點圖和數據流驅動為實驗系統的技術方案。體架構設計如圖1 所示。

圖1 基于Bullet引擎的機器人仿真實驗平臺整體架構

其中，仿真層為機器人仿真的核心實現，由OpenGL提供場景管理與視圖管理，Bullet 提供物理運算，如碰撞檢測、運動學運算和動力學運算等。操縱層面向用戶，以函數和功能節點的方式向用戶提供對仿真層的功能訪問。

1 基于Bullet引擎的機器人仿真

1.1 Bullet與OpenGL的關聯

Bullet是一種應用廣泛的物理引擎，支持多個平臺［10］。作為一款物理引擎，它并沒有提供可視化對象的方法，為可視化Bullet對象，還需要使用OpenGL，它的接口與圖形卡硬件非常接近，處理底層命令，尤其是圖形應用程序，是一項煩瑣的任務，例如Glut、FreeGlut、Glfw庫可以用來簡化工作，這類庫通?？煞Q為包裝器，另外它還負責應用程序的啟動、控制和輸入處理［13］。

物理計算方面由Bullet 提供的相關接口實現，主要涉及的核心對象有世界對象、碰撞配置、碰撞檢測、約束解算器和碰撞調度器等多種。物理和圖形部分需要進行運動狀態綁定和幾何更新，以便根據物理引擎計算的位姿變換矩陣更新幾何顯示。采用物理和圖形分離的架構能降低程序耦合，便于功能擴展［14］。

圖2 渲染場景的一般流程

在創建OpenGL上下文之后，將解析OpenGL函數指針，即調用硬件平臺的函數實現，所有OpenGL命令都會用來改變當前上下文的狀態信息，OpenGL 根據上下文的狀態信息進行渲染工作。

1.2 Bullet與OpenGL的綁定

Bullet保持其核心組件的相同模塊化設計，甚至包括單個物理對象。這使得可通過隨意互換或替換物理對象的組件來定制它們。在Bullet中構建物理對象需要3 個組件：

（1）碰撞形狀（Collision Shape）。定義物體的體積和形狀，可以是長方體、球體、圓柱體或其他更為復雜的形狀，決定了物體與其他物體在碰撞時的響應方式。

（2）運動狀態（Motion State）。跟蹤物體的運動狀態，運動狀態的工作是記錄對象的當前位置和方向。

（3）碰撞對象（Collision Object）。作為對象的主控制器，管理前面提到的組件和對象的物理屬性。碰撞物體是物理物體的基本組成部分，因為它們保持了物體的物理屬性。

文獻[19]顯示，當模型的水平范圍為8～10倍隧道直徑時，即可獲得較高的計算精度。本文建立了二維彈塑性動力有限元模型，模型水平方向為80 m，豎直方向為60 m，盾構隧道直徑為6 m。

從創建Bullet對象，配置相應的物理參數，到步進模擬，場景渲染基本流程如圖3 所示。

圖3 場景渲染、基本流程

在創建Bullet對象之后，在OpenGL中同步創建幾何形狀，其關鍵在于運動狀態的綁定，這一步驟是通過指針方式設定運動狀態。既當物理模型中的運動狀態更新時，用于描述運動狀態的變量值會同步更新，當渲染場景時，通過指針來訪問描述運動狀態的變量，此時即可實現狀態的同步更新。

2 基于Lua的交互式編程

Lua 是一種嵌入式腳本語言，擴展性好，容易與C／C++語言結合。Lua的目標是僅提供一些很有限但卻很強大的語言機制［11］。Lua 是基于關聯數組和擴展性語法結構設計的語言，支持動態定義類型，內存自動回收機制，常被用于嵌入其他宿主語言［12］。

將Bullet相關功能封裝為C ++接口，即可實現基于C++語言的機器人仿真，但C ++程序需要編譯，無法脫離開發環境存在，不便于用在實際的教學環境。Lua語言提供了一種在Lua中調用C++函數的機制。

2.1 C ＋＋接口的綁定

Lua與C／C++語言之間的通信，主要是通過一個虛擬堆棧進行。Lua 給C ++語言提供了API 來對堆棧進行操作，這些API 就好比兩者之間通信的協議。C++與Lua的常規綁定方法如下：

（1）在C++中提供具體的函數

（2）在C++中按照指定格式提供回調函數，調用具體的函數

（3）在C++中注冊回調函數

可見，對于每一個需要在Lua 中調用的C ++函數，都需要一系列較為繁瑣的綁定過程。對于Qt環境而言，使用QtLua 庫可以大大簡化這一過程。它提供了有用的C++包裝器類，以使Lua 和C ++都可訪問C++和Lua 對象。利用Qt 元對象系統的優勢將QObject成員公開給Lua腳本。其特點如下：

（1）不公開基于Lua 堆棧的CAPI，僅從C ++代碼操縱QtLua：：State和QtLua：：Value 之類的C ++對象。

（2）通過繼承QtLua：：UserData類，可將C++對象作為用戶數據值提供給Lua?？赏ㄟ^覆蓋虛擬函數來重新定義所有Lua 元操作，包括對來自Lua 的userdata對象的迭代。

（3）可以將QtLua：：Function 類子類化，以輕松定義可從Lua 調用的C ++函數對象。使用QtLua 綁定Lua與C++的基本流程如圖4 所示。

圖4 在C++中綁定Lua的基本流程

創造LuaState，用于儲存Lua 變量值的虛擬堆棧，啟用Lua的標準庫，注冊自定義對象。如自定義變量（屬性）、自定義函數對象和自定義類對象。然后就可以通過state執行Lua語句，Lua中注冊的C ++對象均可通過Lua語句來調用或賦值。

2.2 基于節點圖的圖形化編程

基于節點圖的控制方式是對基于Lua控制方式的一層封裝，實現了以事件驅動的方式來調用Lua，并將設備和功能塊抽象為節點，節點之間的數據傳遞方式通過連線來定義。

在現有基于Lua 腳本的控制模式下，已可進行構建機器人仿真場景，分析仿真結果等操作。在復雜的機器人場景中，往往需要多臺機器人相互協作共同完成實驗任務，為實現靈活的機器人運動控制，可根據不同實驗場景進行機器人組態［16］。本平臺設計了一種基于事件驅動的圖形節點編程工具。

節點編輯工具在建模類工具中應用廣泛，如Blender的材質編輯和模型渲染節點圖。其基本流程為事先定義數據模型并將其注冊到數據模型注冊表，構造節點并與對應的數據模型進行綁定，用戶操作信號或者定時器信號、通信信號等將觸發模型計算，計算結果將傳播到輸出連接，每個新連接都會獲取可用的數據并進一步傳播，數據節點的組成如圖5 所示。

圖5 數據節點的組成

數據節點采用數據模型和圖形節點分離的設計模式，數據模型負責定義端口、數據輸入、輸出和數據運算等，而圖形節點則定義了圖形的外觀樣式、幾何形狀和連接狀態等。

本平臺將圖形節點和Lua 腳本融合，實現一種形如Simulink中Matlab Function的效果。在節點從構造到數據輸入、輸出的不同階段，將執行不同的函數。Lua腳本節點生命周期中所執行的函數如圖6 所示。

圖6 Lua腳本節點生命周期中所執行的函數

其中構造函數和初始化函數只執行一遍，而數據輸入觸發的運算類函數將在每次輸入數據時執行。在Lua函數中通過調用獲取節點數據函數，將數據從C++環境中拷貝到Lua 環境，編寫相應的處理邏輯，調用輸出節點數據函數，將數據節點數據傳播到下個節點。

3 實驗驗證

3.1 Scara機器人解析G代碼繪圖

節點圖的典型優勢在于基于數據流驅動的控制邏輯，避免了循環掃描指令的CPU 負荷，同時圖形化交互和事件驅動方式符合人的控制直覺?？蓪⒌湫偷墓δ軌K封裝為圖形節點，用戶只需要考慮輸入和輸出，而不用關注內部的實現細節。節點之間具有低耦合的特性，可根據實際的邏輯將不同的節點進行連接和組合。

圖7 是一個G代碼解析并控制Scara機器人繪圖的一個案例，Gcoder 模塊負責G 代碼的解析，將解析得到的點位通過輸出端口輸出，連接到一個散點圖模塊和機器人“反解驅動”模塊，“反解驅動”模塊的輸出端口輸出機器人實際末端軌跡。

圖7 Scara機器人繪圖案例

Scara機器人繪圖實驗流程如圖8 所示。

圖8 Scara機器人繪圖流程

通過Gcoder模塊導入G代碼文件并解析，將開啟一段定時循環，不斷輸出點位數據，虛線框中的內容在“反解驅動”節點中實現。G代碼解析并執行完畢后，運行效果如圖9 所示。

圖9 Scara機器人繪圖效果

發現最終運動得到的路徑與期望路徑基本一致，達到預期的實驗目的，如圖10 所示。

圖10 機器人末端理論軌跡與實際軌跡

3.2 Scara機器人抓取物體

本實驗平臺支持多種實驗場景，通過導入不同機器人模型可進行不同的實驗。得益于Bullet的碰撞檢測功能，能在機器人場景中模擬抓取實驗。Scara機器人抓取案例腳本實驗界面如圖11 所示。

圖11 Scara機器人抓取案例腳本

游戲手柄是一種典型的輸入設備，通過操縱按鈕和搖桿可以向計算機發送相應的觸發信號和鍵值，是一種典型的事件發生裝置。在實驗平臺中，游戲手柄作為輸入設備被定義為功能節點，它的按鍵信號被映射到節點的輸出端口，并與后續的邏輯處理節點相連接。當按下或松開手柄的某一個鍵時，對應的端口將發射一個數據更新信號，并將數據傳遞到下一個節點。

手柄的前后左右搖桿來控制Scara 機器人末端的平面移動方向，上下鍵來控制機器人升降。而B、A功能鍵用于控制末端執行器——卡爪的開合，Scara機器人抓取效果如圖12 所示。

圖12 Scara機器人抓取效果

由Scara機器人解析G代碼繪圖和抓取物體實驗中可見，本平臺能夠快速搭建仿真實驗，并對結果進行實時可視化分析。機器人功能的節點化使得實驗平臺具有較高的可重構性和可擴展性，能適應機器人實驗的多樣化。

4 結語

基于Bullet 設計了一種機器人仿真實驗平臺，具備運動學解算、碰撞檢測與軌跡可視化功能。通過使用數據流節點圖作為邏輯手段，將計算模塊和通信模塊封裝為功能節點，大大降低了實驗搭建的難度。通過圖形連接定義運算邏輯的方式，便于用戶快速理解實驗架構。應用實例表明，該平臺功能完善，可擴展性強，兼具腳本語言的靈活性與圖形化語言的便捷性，適用機器人的多種實驗場景。