智能機器人仿真實驗平臺設計策略研究

摘" "要：為推動人工智能與機器人技術的融合應用，提升自動化及相關工程專業學生對機器人技術的學以致用能力，設計并開發基于ROS的智能機器人仿真實驗平臺。首先，開發基于QT框架的互動教學界面，旨在加強教師與學生之間的教學互動，遵循“理論學習與評估—教師引導與演示—學生主導實踐”的多層次教學模式;其次，基于ROS和Gazebo仿真平臺，建立服務機器人模型和虛擬校園，并設計了機器人語音交互、圖像采集和SLAM實驗等;最后，通過對比研究，分析和評估實驗中涉及的通信、坐標變換、人工智能算法等，進一步提升學生學習效果。該仿真實驗平臺通過其高度的實用性和良好的互動性，能夠使學生在仿真環境中獲得與真實實驗場景相似的體驗。此外，該平臺具有高度的可移植性，為未來在更廣泛的實驗場景中應用機器人技術奠定基礎。仿真實驗結果和教學應用效果表明，該平臺可以顯著提升學生的創新能力和實際操作能力，為其在機器人技術領域的發展奠定堅實基礎。

關鍵詞：智能機器人;人機交互;機器人操作系統;即時定位與地圖構建;虛擬校園

中圖分類號：TP242.6" " " " 文獻標志碼：A" " " " 文章編號：1673-8454（2025）02-0059-11

在當前的高等教育體系中，工程實驗教學扮演著培養學生創新思維和實踐能力的關鍵角色[1]。在機器人教育領域，實驗教學不僅可以加深學生對機器人技術的理解，還能夠激發其創新潛能[2]。然而，許多教育機構在推進機器人實驗教學過程中面臨種種挑戰，如實驗教學模式僵化、實驗平臺通用性不足、教學內容過時、實驗條件有限制等[3]。此外，在關鍵技術領域，路徑規劃作為保障機器人安全高效移動的技術，其重要性不言而喻[4]。

ROS（Robot Operating System）作為一個靈活的機器人軟件平臺，可以為教學提供模塊化、可擴展的開發環境。為了解決現存問題，高校引入ROS、Gazebo等仿真技術至關重要。學生可以借助ROS快速搭建機器人控制系統，并在虛擬環境中進行調試和測試，從而降低實驗成本和風險。Gazebo提供一個高度真實的仿真環境，使學生能夠在模擬場景中進行各種機器人任務實踐，如導航、物體識別等，有助于加深其對理論知識的理解和應用。這些仿真工具能夠提供安全、低成本的實驗環境，因此，高校無需擔心實際硬件設備的限制或成本問題。

為解決實驗條件受限的問題，提升教學效果、降低學生實驗過程的編程工作量，同時增強教師與學生之間的互動教學，本研究設計并開發基于ROS的智能機器人仿真實驗平臺。該平臺旨在通過模塊化和分級教學方法，使學生在較少編程工作的前提下，高效完成語音控制小車模型運動、即時定位與地圖構建（Simultaneous Localization and Mapping， SLAM）導航、路徑圖像實時回傳等ROS相關的仿真實驗，通過人機交互界面的優化設計，構建更加貼近現實的校園仿真環境，并搭建機器人運動學模型。該平臺不僅解決了教學內容更新慢、實驗條件限制等問題，還通過路徑規劃算法的對比研究，極大地提高了學生的理論知識和應用技能。本研究的實驗設計和整體架構，旨在為機器人教育領域提供一個創新的教學解決方案，以促進學生的全面發展。

一、實驗教學界面

在ROS智能機器人仿真實驗平臺的設計中，整體架構是平臺運行的核心基礎。其不僅明確各個功能模塊的分工與協同，還確保仿真、控制、人機交互等系統的有機整合。本研究提出的基于 ROS 的智能機器人仿真實驗平臺整體架構如圖1所示。其中，教學實驗服務層在校園機器人仿真實驗中扮演著關鍵角色，主要功能是利用Gazebo所提供的物理運算和傳感器接口數據，并將其封裝成節點的形式進行發布和數據通信[5]。師生教學交互層以及學生實驗操作層被整合至設計的QT交互界面。教師可借助該界面添加和管理機器人教學實驗任務，實現機器人分級實踐教學的同時，促進師生工程實踐反饋與管理。師生可以自行搭建仿真環境，并借助內置路徑規劃算法庫自主學習和完成相關實驗，提高教學效率和學習效果。該平臺的運行不僅提升了教學效率，也優化了學生的學習成效。

現代教學類人機交互系統對實驗教學界面提出新的要求，包括可視化的界面視圖、豐富的師生交互操作體驗、滿足智能機器人控制性能需求等[6]。可見，設計一款操作簡單、界面友好，并且可擴展的編程接口人機交互界面，對于利用該平臺實現校園巡航機器人虛擬仿真實驗非常重要。

通過可視化的界面視圖，學生能夠直觀地觀察機器人的運行狀態和控制過程，進而深入理解教學內容;而豐富的交互操作能夠讓學生積極參與實驗教學，增加其學習興趣和探索熱情;對智能機器人控制性能需求的定制以及可拓展的編程接口，將促進學生更好地探索和實踐機器人技術，增強其在相關領域學以致用的能力。

因此，設計一款符合師生使用需求的人機交互界面，可以大大提升虛擬仿真實驗的教學效率和教學質量。

（一）基于QT的人機交互界面設計

QT是一種基于C++的跨平臺可視化編程框架，常用于開發圖形界面和非圖形界面程序，具有跨平臺、易擴展和可移植性的優點[7]。因此，本研究基于QT框架設計智能機器人仿真實驗平臺的實驗教學界面供師生使用。

為提高師生互動率、教師管理效率、學生理論學習效率與實踐水平，應用于實驗教學的QT人機交互界面包括登錄界面和實驗主界面兩個視圖。在登錄界面正確設置 ROS_MASTER_URI 和 ROS_IP，是確保 ROS 節點能夠順利找到 ROS Master 并與仿真環境中其他節點進行有效通信的關鍵。師生獲取仿真機器人IP后輸入身份信息登錄人機交互界面，登錄界面還提供教學反饋、實驗算法與機器人節點預配置接口。

登錄成功后，智能機器人仿真實驗算法學習與實踐模塊主界面如圖2所示。該界面提供通用的機器人運動控制器及速度反饋模塊、可視化插件開關、機器人語音控制模塊調用開關、機器人節點日志輸出窗口、任務提交與實驗反饋入口等輔助師生完成虛擬仿真實驗教學的各個板塊。在教學過程中，為解決傳統ROS機器人實驗過程中面臨的插件調用過程繁瑣、算法參數整定不便等諸多問題，主界面集成多種ROS機器人插件，包括三維可視化導航視圖、攝像頭圖像采集窗口等，方便學生預覽機器人運動狀態信息和傳感器數據。此外，通過應用該界面，機器人不再局限于鍵鼠運動控制方式，還可使用智能語音運動控制方式，增強機器人綜合能力和智能水平。同時，該界面已將實驗涉及的算法封裝成算法庫，供學生在學習過程中直接調用，教師也可根據需要引導學生實驗學習。

（二）人機交互界面在實驗教學上的應用

在機器人虛擬仿真實驗過程中，基于QT的人機交互實驗界面作為主線程運行。為了幫助學生更好地完成針對虛擬機器人的語音識別、圖像識別、路徑規劃等仿真應用，該實驗采用分級教學模式：首先進行理論講解與考核，以確保學生掌握基礎概念;其次進行教學演示與指導，讓學生能夠從實際操作中更深入地理解和掌握技能;最后讓學生通過自主實踐來應用所學知識，從而鞏固和拓展他們的能力。

完整的分級教學流程如圖3所示。為順利完成實驗，學生需按要求學習仿真建模理論、機器人運動學基礎、路徑規劃算法等實驗原理。在完成基礎理論測試后，學生才能進入下一步實操，以提高操作熟練度和降低出錯率。教師在教師端提前上傳實驗任務及實驗演示視頻，學生將在演示的幫助下更直觀地了解操作及深入理解相關理論。最后，在已有實驗理論基礎和操作規范下，學生先后完成初級、中級實操，以及校園巡航機器人虛擬仿真綜合實驗，并提交實驗結果和報告。

此分級教學模式有助于提高學生的學習效率和深度，培養學生掌握機器人算法及其應用的能力，為其未來發展打下良好的基礎。

二、機器人虛擬活動空間搭建

Gazebo是一款開源且免費的3D動態模擬插件，可用于模擬機器人、機械手、無人機等智能設備的運行。自2011年以來，Gazebo一直支持ROS，并與該系統深度集成。運用ROS和Gazebo，可以進行完整的機器人仿真，包括傳感器數據采集、控制算法測試和性能分析，從而大大減少機器人開發的時間和成本[8]。

本研究基于Gazebo 搭建實驗環境。在Gazebo模擬環境中，用戶可以隨意操縱虛擬機器人、測試不同算法、控制策略和傳感器配置。此外，Gazebo支持自定義模擬環境，允許用戶創建自己的環境和場景;Gazebo具有可視化功能，用戶可實時觀察機器人在模擬環境中的運行狀態，并進行可視化分析[9]。

（一）搭建基于Gazebo的虛擬活動空間

為提升學生校園歸屬感及實驗興趣，搭建與真實校園場景高度統一的機器人仿真環境。搭建高度還原的仿真環境是工科學生學習智能機器人必不可少的過程，也是后續機器人路徑規劃虛擬仿真實驗設計的基礎。基于Gazebo的虛擬校園如圖4所示。本研究以北京信息科技大學部分區域為背景，在Gazebo物理仿真平臺上搭建具有校園特色的仿真環境。在此環境中，設置必要的參考系數和多個特征點，同時將摩擦系數、碰撞屬性和其他噪聲添加到障礙物中，以模擬真實環境。而應用于實驗教學的主要場景包括學校圖書館、學生餐廳、學生宿舍和停車場。多場景的校園環境有助于增加實驗豐富度和實驗對照組。

（二）虛擬機器人設計

1.BISTUBOT

本研究設計了一個具有北京信息科技大學校園特色的仿真機器人，并將其命名為BISTUBOT。BISTUBOT機器人如圖5（a）所示，該機器人模型使用Blender設計，并導出到Gazebo環境中作為學生仿真實驗的主體。校園機器人由控制系統、執行機構和傳感系統組成。控制系統執行任務、處理信息并輸出控制信號。執行機構將命令轉換為信號進行處理。傳感系統由機器人內外設多個傳感器組成，有效提供實時周圍感知和狀態信息，為機器人控制提供可靠和最新的數據源。

2.機器人運動學模型

BISTUBOT采用前向運動學模型，根據左右差速輪的速度計算機器人幾何中心點的速度。如圖5（b）所示，機器人左右驅動輪的線速度方向與x軸相同，線速度方向垂直于旋轉半徑[10]。因此，瞬時旋轉中心（ICR）必須位于連接點L和R的連線上。ICR在直線 LR 上的具體位置由左右驅動輪的速度決定。

由方程 v = ω·r 可知，當 ω 恒定時，v 與 r 成正比。因此，點L、R和CENTER的速度可以表示如下：

v===（1）

其中dωb表示機器人的外徑，rc表示中心點CENTER的轉彎半徑，[vc， ω]T表示中心點 CENTER的速度。根據公式（1）重新排列，角速度 ω 可以表示為：

w=（vr+vl）/dωb（2）

角速度的方向取決于|vr-vl|。此外，通過重新排列公式（1），可以計算點CENTER的線速度vc與左右驅動輪[vl，vr]的速度之間的關系：

vc=（vl+vr）/2（3）

更進一步，點CENTER的轉彎半徑rc可以通過組合公式（1）到（3）來表示：

rc==（4）

前向運動學模型是根據左右驅動輪的速度來計算幾何中心點CENTER的速度。它可以通過組合公式（2）和（3）來表示：

lt;D：＼2025年＼中國教育信息化＼中國教育信息化2025-2＼TP＼2-15.tifgt;（5）

該公式滿足當vc = 0和ω≠0時，機器人處于自旋轉狀態。

本研究通過將設計的虛擬傳感器與虛擬結構框架相結合，構建一個完整的虛擬仿真機器人。該機器人不僅滿足教學機器人的框架結構和數據源要求，而且在很大程度上模仿真實物理機器人的工作模式，達到機器人虛擬化的目的。

該虛擬仿真機器人可以為教學實驗提供一個安全、可控的環境，讓學生可以在沒有實際機器人的情況下進行實驗和操作。通過模擬真實機器人的工作模式，學生可以更深入地理解機器人的工作原理和控制方法，其不僅滿足教學需要，還為學生提供了一個實踐、探索機器人技術的有效平臺。

（三）語音和視覺模塊設計

機器人加入語音模塊可以極大提升實驗教學的實用性和互動性，使得學生能通過自然語言直接與機器人交流，從而更深入地理解和掌握智能系統中的語音識別和合成技術。實驗教學界面已導入科大訊飛語音模塊，該模塊具有自動語音識別（ASR）和文本轉語音（TTS）功能，通過科大訊飛提供的API實現與ROS系統集成。

學生使用該模塊時，通過語音輸入指令，模塊將指令轉換為文本，并解析為機器人可執行的控制命令;進而系統可以通過文本轉語音功能反饋執行結果給學生，這種方式可直觀展示從輸入到機器執行的整個流程。

機器人加入機器視覺模塊能顯著增強機器人的環境感知能力，使其能通過視覺信息處理實現更多高級功能，如目標識別和視覺SLAM。這些視覺能力對于仿真環境中的機器人應用至關重要，可以為學生提供更為豐富和真實的學習體驗。

BISTUBOT仿真機器人的機器視覺模塊如圖6所示。視覺應用主要包括ROS的圖像處理包、深度圖像處理工具，以及使用OpenCV或機器學習框架進行目標識別的庫。學生通過接收和處理來自深度攝像頭的圖像數據，實現目標的自動識別和跟蹤，還可以通過實時視角直接觀察機器人的反應和路徑選擇。上述操作使學生能夠實踐并理解視覺數據如何轉化為機器人的具體行動。

三、巡航機器人虛擬仿真實驗與教學應用

路徑規劃是機器人導航和自主移動的重要組成部分，是實現機器人巡航和路徑跟蹤的基礎[11]。ROS系統中應用最廣泛的Navigation功能包內的move_base框架，可以通過加載地圖獲取起始點和目標點的位置信息，并結合機器人定位和傳感器數據規劃導航線路。為進一步調動學生參與度和積極性，提高教學交互質量，實驗平臺集成了語音模塊，學生可通過該模塊實現機器人運動控制。在由全局路徑規劃去往目標地點的過程中，可能會有新的動態障礙物出現，因此還需要使用局部路徑規劃程序逐步對環境進行規劃感知。BISTUBOT仿真機器人導航框架如圖7所示。

（一）實驗原理分析

1.Dijkstra路徑規劃算法

move_base導航框架內的全局路徑規劃器采用Dijkstra算法。該算法是一個典型的廣度優先狀態空間搜尋計算，即計算會從起始點出發，逐層尋找整個自由空間，直至抵達目標地點，獲得最優路徑[12]。

假設如圖8（a）所示一個賦權有向（或無向）圖G =（V， E， W），其中的每條邊 ei，j={vi，vj}的權值為一個非負的實數wi，j（ei，j），該權值表示從節點vi到節點vj的距離，并設起點s∈V，算法的任務是找出從起點s出發，到V中所有節點的最短路徑。令A為路網結構圖的鄰接矩陣，S為已遍歷得到的最短路徑節點集合，D為最短距離向量，D[i]記錄了由st遍歷到vi的最短距離，P為路徑節點向量，st為源節點，e為目標節點。

lt;D：＼2025年＼中國教育信息化＼中國教育信息化2025-2＼TP＼2-12.tifgt;（6）

其中，aij表示節點vi與vj之間的距離，若兩節點相鄰，則值為wij，反之為∞。若i = j，則aij值為0。

搜索步驟：首先初始化S和D。令S={st}，D[i]=ast，i ， i =1， 2， … n。然后選取vj，使 D[j]=minD，令S=S∪{vj}。接著將vj作為中心點，修改最短距離向量中的值，若：

D[j]+ajklt;D[k]（7）

則更改為：

D[k]=D[j]+ajk（8）

接著更新該路徑任務的路徑節點向量P。最后循環執行上述步驟，直到執行完為止。

2.A*路徑規劃算法

A*算法是一種常用的路徑規劃和圖形遍歷算法。它可以被看作是Dijkstra算法的擴展版本。由于引入了啟發函數來指導搜索，A*算法通常擁有更好的性能，在每一個搜索點可以有八個搜索方向[13]。該算法通過一個代價評估函數f（N）來求解，其中N為當前節點，坐標為（xN， yN），E為終點，坐標為（xE， yE）。從起點出發，朝著終點拓展，再利用f（N）計算出每個節點的代價值：

f（N）=g（N）+h（N）（9）

式中g（N）為代價函數，描述的是起點到當前點的實際距離，h（N）為啟發函數，描述的是當前點到終點的估計距離。A*算法在進行路徑求解時會預先定義兩個集合，一個為封閉集合，另一個為開放集合，用來存放已經遍歷過和將要遍歷的節點。首先把起點加入封閉集合中，然后將開放集合中f（N）最小的點加入封閉集合中，再把N的周邊節點加入開放集合中，重復以上步驟直到終點也在開放集合中，算法結束。圖8（b）所示為利用A*算法在隨機障礙環境下實現路徑規劃。

3.RRT路徑規劃算法

RRT（Rapidly-Exploring Random Tree）是基于采樣的路徑規劃，通過隨機構建Space Filling Tree實現對非凸高維空間快速搜索的算法[14]。它以起點為根節點，不斷擴展一棵樹，直到樹上包含目標點為止。算法通過隨機采樣構造一棵樹，并向目標點生長，通過邊界和障礙物檢測保證路徑可行[15]。

如圖8（c）所示為RRT算法演示示意圖。由該圖可知，首先初始化隨機樹，以起點位置作為根節點，生成一個空樹。然后執行采樣函數，在搜索空間中獲取一個隨機點Qrand。接著遍歷樹中所有節點，找出與Qrand之間代價最小的點Qnearest。獲得Qnearest向Qrand方向上的指定長度的擴展點Qnew，并對Qnew進一步進行碰撞檢測，以確保該點不會撞到障礙物。最后，如果Qnew通過了碰撞檢測，則使用Qnearest作為Qnew的父節點，連接兩點之間的連線，并判斷Qnew是否已經到達目標區域，如果沒有則返回繼續采樣。

實驗教學中涉及的SLAM算法已封裝成對應功能包形成算法庫，并添加于實驗教學界面中，方便學生自主完成實驗。表1是對三種路徑規劃算法進行的綜合比較。通過對上述三種路徑規劃算法原理的解釋，學生對ROS機器人導航有了初步的了解，同時對選擇哪種算法應用于機器人設計有了獨立的思考。算法理論的學習與比較提升了學生自身專業知識的融合能力、跨學科擴展知識能力、多專業綜合應用能力和自主編程創新能力[16]。

4.BISTUBOT離線語音服務

在ROS框架中，為實現機器人智能語音控制，需要在執行環境中集成一個語音識別服務。本研究使用科大訊飛的離線語音服務作為一個獨立的ROS節點運行，監聽環境音頻輸入，并將語音轉換成文本信息。轉換后的文本信息發布到一個ROS話題上，供其他ROS機器人節點使用。

機器人執行文本訂閱節點，訂閱包含控制指令的文本信息ROS話題，接收并解析這些文本信息，將其轉換為機器人可以理解和執行的控制命令。這些命令隨后通過ROS的通信機制傳遞給機器人控制節點，該節點直接控制機器人的運動硬件（如驅動電機），從而使機器人按照用戶的語音指令進行移動或執行其他任務。這種設置允許學生通過簡單的語音命令與機器人進行交互，使得控制過程既直觀又方便。BISTUBOT離線語音服務流程如圖9所示。

（二）實驗流程概述

在仿真校園這一復雜環境下，以RRT算法為例，指導學生完成校園巡航機器人虛擬仿真實驗設計。同時，學生借助教學界面提供的實驗指導與算法庫，可更高效地完成實驗設計。該實驗要求學生完成6個操作步驟：①打開QT人機交互界面;②啟動仿真環境;③運行實驗所需的算法功能包;④進入實踐模塊主界面，分別完成巡航區域建圖與路徑規劃操作，并查看實驗過程;⑤實驗數據處理與分析;⑥提交實驗結果及報告。

學生提交報告后，教師會根據實驗結果從路徑有效性、安全性與耗時三個方面給出評分，若完成指定區域的巡航則該模塊學習完成，否則需重新學習。

（三）實驗內容

設計并實現校園巡航機器人實驗，以驗證創新教學平臺在仿真教學實驗過程中的重要作用。上文對實驗原理的分析和實驗流程的概述，有助于學生更好地進行校園巡航機器人虛擬仿真實驗設計。機器人仿真實驗包括SLAM環境建圖、導航點路徑規劃、目標點設定和智能語音控制，以此實現校園巡航機器人路徑規劃和導航任務。

實驗的第一階段聚焦利用機器人搭載的傳感器，在Gazebo仿真環境中通過Cartographer建圖技術實時構建環境地圖。在此過程中，學生將學習如何配置和優化Cartographer算法參數，以提高構建地圖的準確性和效率。此過程不僅要求學生理解SLAM技術與Cartographer算法原理，還要求其能夠解決實時環境識別和地圖構建中遇到的具體問題。

在成功構建環境地圖后，學生可結合智能語音控制指令，控制機器人進行路徑規劃和導航，不再需要將運動控制節點與導航控制節點分開執行，借助集成離線語音模塊的實驗界面增加了實驗的多任務并行能力。學生將通過基于QT開發的教學交互界面發送語音指令，如“前進”“后退”“左轉”“右轉”等，控制虛擬機器人在Gazebo環境中移動。基于路徑規劃算法實驗結果，促進學生進一步學習如何根據機器人當前位置和目標位置，采用最佳算法，計算出最優路徑，并通過智能語音指令調整機器人的移動策略，自主編輯確定導航目標點并通過語音指令執行，以適應環境變化和潛在障礙。

（四）實驗結果

仿真實驗不僅向學生展示機器人自主導航的完整流程，也提高其對機器人技術綜合應用能力的理解。此外，實驗設計鼓勵學生積極參與，通過實踐操作來深化對智能機器人技術的掌握，從而促進其實踐能力和創新思維的發展。

通過機器人控制器和算法庫內的Cartographer功能包，學生控制BISTUBOT完成校園內的宿舍區、圖書館、校名石這一巡航線路的地圖構建。機器人基于已知地圖使用RRT算法進行路徑規劃，將起點與終點相連，實現往返巡航。基于ROS開源平臺及本研究提供的QT教學界面，先后完成環境建圖、設置機器人路線和遠程控制、選擇導航點和設置參數、采用RRT算法進行路徑規劃和語音控制。在巡航上經過路徑修正和測試驗證后，機器人成功實驗校園目標點往返巡航并具備避障能力，從而驗證結合教學界面完成校園巡航機器人虛擬仿真實驗設計在實際應用過程中的可行性。

（五）教學效果評估

北京信息科技大學自動化學院的《機器人操作系統》課程覆蓋ROS基本概念、系統架構、坐標變換、常用組件和工具、建模與仿真、機器視覺、SLAM與自主導航、機械臂控制、機器人平臺等方面的教學內容。基于ROS的智能機器人仿真實驗平臺提供了與真實場景高度統一的仿真場景，使學生線上線下實驗操作對象統一，仿真平臺和實物平臺能達到相同的訓練效果，線上仿真和線下實操相互促進、補充，促進教學活動的平穩安全過渡。

此外，基于真實物理場景開發的虛擬仿真實驗項目，有助于提高學生參加實訓的興趣和校園歸屬感，提高虛擬實驗效果，進而提升智能機器人操作與編程實驗的完成率。通過前期的虛擬仿真實驗，學生可在仿真環境下就關鍵技術點進行反復演練，以達到最佳實驗效果，這樣可以大大緩解因學生操作不熟練而造成的設備損壞問題，降低實訓成本，減少設備的維護頻率。

在教學過程中，本研究將基于ROS的智能機器人仿真實驗平臺應用于2021級、2022級“智能科學與技術”專業的實驗教學。學生通過該仿真實驗平臺依次完成基本理論學習、實驗演示學習與仿真實驗實操，最后完成巡航機器人虛擬仿真實驗設計，并提交實驗報告。課程團隊教師根據理論知識考試與實驗報告，綜合評估ROS智能機器人仿真實驗平臺的應用效果。本研究為驗證ROS智能機器人仿真實驗平臺的應用效果，課后分析2021級與2022級《機器人操作系統》課程考核成績，發現使用該平臺的2022級學生在理論成績、實驗成績以及項目設計能力上，均顯著優于未使用該平臺的2021級學生。特別是在實驗操作考核環節，2022級學生表現出更高的操作效率和處理復雜問題能力，優秀（等級A+B）比例達42.87%，比2021級優秀比例增長約15%，這充分表明該平臺可以有效提升學生的實踐技能。同時，綜合實驗設計評分的提高，反映出學生的創新設計能力也得到較大提升。

四、結語

ROS的開源特性使得學生可以根據自身興趣和需求定制實驗內容。結合教學界面的虛擬仿真實驗設計可通過訂閱與發布封裝好的ROS節點，大大降低虛擬實驗環境搭建的難度。學生可快速入門動手實踐并快速理解實驗架構。這種自主學習模式可以激發學生的創新潛能，提升實驗教學的教學質量。仿真實驗及教學應用表明，該平臺不僅功能完善，而且具有很強的可擴展性和較好的可移植性，同時兼具腳本語言的靈活性與圖形化語言的便捷性，與真實實驗場景有著較高的實質等效性，為學生在機器人領域開展學術研究、工程實踐等奠定扎實的基礎。

參考文獻：

[1]ZHANG L， WANG Y. Innovation in robotic education through the integration of ROS-based simulation platforms[J]. Journal of Robotics and Education， 2021，12（4）：567-583.

[2]LIU H， CHEN X， WANG J. Challenges and solutions in the current robot experiment teaching[J]. International Journal of Engineering Education， 2022，38（2）：405-416.

[3]GUPTA A， KUMAR V. A comprehensive study on path planning algorithms for educational robotics[J]. Robotics and Computer-Integrated Manufacturing， 2023，69：102054.

[4]MARTINE S， FERNANDEZ E. Enhancing robotics education with ROS： From basic principles to SLAM integration[J]. IEEE Transactions on Education， 2021，64（4）：455-462.

[5]蔣云飛.基于視覺的服務型機器人智能抓取系統的研究與仿真[D].青島：青島大學，2022.

[6]顧小清，劉桐.大模型時代的智適應學習研究：進展、實例與展望[J].中國教育信息化，2024，30（5）：55-66.

[7]李艷民.基于Qt跨平臺的人機交互界面的研究和應用[D].重慶：重慶大學，2007.

[8]JONATHAN P， KENNETH R. Comparative Analysis of ROS-Unity3D and ROS-Gazebo for Mobile Ground Robot Simulation[J]. J Intell Robot Syst， 2022，106（4）：11-25.

[9]鄭李斌.基于軟件定義的無人駕駛系統軟件架構研究[D].浙江：浙江理工大學，2022.

[10]李藝青，王建軍，郁萬濤.兩輪差速移動機器人構型與運動學研究[J].成都航空職業技術學院學報，2022，38（4）：59-62.

[11]李宏達.基于ROS的自主導航機器人設計[D].哈爾濱：哈爾濱師范大學，2021.

[12]黃翼虎，孫久象.基于自動化碼頭的改進Dijkstra算法路徑規劃研究[J].電子設計工程，2023，31（8）：37-41.

[13]付雄，李濤.基于自適應步長策略的A*算法路徑規劃優化[J].南京信息工程大學學報（自然科學版），2023（5）：1-10.

[14]鄧志超.基于快速探索隨機樹的多機器人自主建圖問題研究[D].蘭州：蘭州交通大學，2020.

[15]李偉東，李樂.基于改進RRT算法的無人車路徑規劃[J].計算機測量與控制，2023，31（1）：160-166.

[16]邵連奇，張媛媛，袁田，等.基于ROS的機器人自主探索導航與地圖構建研究[J].科技創新與應用，2023，13（8）：37-40.

Design of Intelligent Robot Simulation Experiment Platform

Huixiang LIU， Jianchuang WU， Wenbai CHEN， Yiqun WANG

（School of Automation， Beijing Information Science and Technology University， Beijing 100192）

Abstract： An intelligent robot simulation experiment platform based on ROS was designed and developed to promote the integrated application of artificial intelligence and robotics technologies and enhance the practical abilities of automation and related engineering students in utilizing robotics technologies. Firstly， an interactive teaching interface based on the QT framework was developed to enhance the teaching interaction between teachers and students， following a multi-level teaching mode of “theoretical learning and assessment—teacher guidance and demonstration—student-led practice.” Secondly， a service robot model and a virtual campus were established using the ROS-Gazebo simulation platform， incorporating robot voice interaction， image acquisition， and SLAM experiments. Lastly， through comparative research， the communication， coordinate transformation， artificial intelligence algorithms， and other aspects involved in the experiments were analyzed and evaluated to further enhance student learning outcomes. This simulation experiment platform， with its high practicality and good interactivity， allows students to gain experiences in the simulation environment that are similar to real experimental scenarios. Moreover， the platform has a high degree of portability， laying the foundation for the application of robotic technology in a broader range of experimental scenarios in the future. The results of simulation experiments and the outcomes of its teaching applications indicate that the platform has significantly enhanced students’ innovative abilities and practical skills， laying a strong foundation for their development in the field of robotics technology.

Keywords： Intelligent robot; Human-machine interaction; ROS; SLAM; Virtual campus

編輯：王曉明" "校對：李曉萍

DOI：10.3969/j.issn.1673-8454.2025.02.006

作者簡介：劉輝翔，北京信息科技大學自動化學院副教授，博士（北京 100192）;吳堅創，北京信息科技大學自動化學院碩士研究生（北京 100192）;陳雯柏，通訊作者，北京信息科技大學自動化學院教授，博士（北京 100192）;王一群，北京信息科技大學自動化學院副教授，博士（北京 100192）

基金項目：北京信息科技大學2024年度教學改革項目“智能機器人仿真實驗平臺設計”（編號：2024JGYB14）