68、机器人调试系统与代码发布：NUbugger与2012 UT Austin Villa代码

机器人调试系统与代码发布：NUbugger与2012 UT Austin Villa代码

1. 机器人调试的挑战与NUbugger的诞生

随着现代自主机器人在类人运动技能和推理能力方面的不断提升，其软件系统的规模和复杂性也呈指数级增长。例如，从2002年索尼AIBO ERS - 210的384 MHz RISC处理器，到2012年Robotis DARwIn - OP平台的1.6 GHz英特尔Atom处理器，处理器性能的提升推动了软件的发展，但也带来了调试难题。

传统的调试方法主要通过观察高层行为来推断底层编码问题，然而这种方法在面对日益复杂的系统时变得越来越难以实施。在典型的RoboCup研究环境中，团队成员少、任务多、时间紧，以及开发的分散性，都增加了底层错误出现的概率。

就像现代基因组学中，生物基因型的异常往往通过表型的复杂行为来识别，机器人系统中高层问题也常常由底层实现错误的非平凡组合导致。但与生物系统不同的是，机器人系统的“基因组”（底层软件行为和环境响应）可以实时直接观察。常见的调试方法有：
- 数据日志 ：大多数机器人系统可通过设置调试详细参数在编译时生成调试日志。错误重现后，日志会记录传感器值、伺服位置值、图像信息、自我定位信念等随时间变化的数据，后续可手动或通过分类技术分析错误来源。
- 可视化监控 ：数据日志存在内存限制、错误需可重现、调试方法偏纠正而非预防等缺点。可视化监控则将关键系统信息实时流式传输到图形化Web客户端，用户可实时监控。它具有网络通信成本低、能即时识别罕见问题、可在底层功能异常影响高层行为前进行纠正等优势。

NUbugger就是这样一个可视化、实时且开源的机器人调试工具，它解决了上述调试难题。

2. NUbugger的实现

NUbugger通过单个Web服务器实现了机器人与Web客户端之间的多对多服务。任意数量的机器人（如RoboCup人形足球联赛中的3 - 4个机器人）可将实时底层系统信息无线传输到Web服务器，服务器再将信息分发给任意数量的Web客户端，用户可监控关键的感官数据可视化和高层行为。

为了实现这一功能，使用了多个库来抽象底层网络和可视化机制：
| 库名称 | 作用 |
| ---- | ---- |
| ∅MQ | 高性能异步消息库，用于机器人到Web服务器的原始传输层，支持C++，提供多线程和自动重连抽象 |
| Protocol Buffers | 谷歌开发的语言无关、跨平台且可扩展的结构化数据序列化机制，用于添加应用层信息 |
| Socket.IO | JavaScript库，用于Web服务器到Web客户端的原始传输层，支持WebSocket、自动重连和回退传输方法 |
| Express | 轻量级灵活的node.js Web应用框架，用于Web服务器实现，易于与JavaScript客户端集成，计算开销低 |
| Three.js | 轻量级跨浏览器JavaScript库，用于主应用显示的3D渲染 |
| Ext JS | 纯JavaScript应用框架，用于创建交互式Web应用，提供可移动、可调整大小和配置的窗口 |

信息在这些网络包之间的流动如下：

graph LR
    A[Robot] -->|ZMQ| B[Web Server]
    B -->|SocketIO| C[Web Client]
    A -->|Protocol Buffers| B
    B -->|Protocol Buffers| C

3. NUbugger的功能

NUbugger实现了将关键系统信息从机器人（如Robotis DARwIn - OP）实时流式传输到Web客户端。目前，NUbots调试环境包含以下元素：
- 主显示界面 ：提供机器人自我定位信念（渲染的3D模型的位置和方向）和误差（由透明紫色椭圆表示）的可视化，以及利用实时加速度计和伺服位置数据的当前姿态。
- 图像显示界面 ：实时显示机器人看到的内容，并包含多个覆盖层，方便用户可视化图像分类或检测到的显著特征。
- 滚动图表显示界面 ：可直接提供机器人多个传感器的实时数据，如加速度计、陀螺仪、压力传感器和温度监测器。

4. 2012 UT Austin Villa代码发布

2012年，UT Austin Villa队在US Open和墨西哥城举行的2012 RoboCup比赛的标准平台联赛中夺冠。此次代码发布包含了该团队的代码，为进入标准平台联赛的团队和使用Naos机器人的研究人员提供了坚实的基础。

4.1 代码的关键贡献

• 灵活且健壮的架构 ：设计用于方便代码测试和调试，能适应不同的应用场景。
• 易于使用的视觉代码 ：便于创建颜色表和调试问题，提高了视觉处理的效率。
• 自定义定位模拟器 ：允许快速测试完整的团队场景，节省了测试时间。
• 踢球引擎 ：通过一系列静态关节姿势运行，并根据球的当前位置进行调整，增强了机器人的踢球能力。

4.2 代码的应用价值

对于新的RoboCup团队和使用Naos机器人的研究人员来说，这些代码提供了一个可参考和扩展的基础。他们可以基于此架构进行开发，利用视觉代码和定位模拟器进行调试和测试，从而更快地实现机器人的智能行为。

综上所述，NUbugger和2012 UT Austin Villa代码发布都为机器人领域的研究和开发提供了重要的工具和资源，有助于推动机器人技术的发展。

5. NUbugger的实际应用成果

在开发后的短时间内，NUbugger已经在纽卡斯尔大学的NUbots RoboCup团队中取得了巨大成功，帮助解决了多个底层问题：
- 视频延迟问题 ：之前的NUbots视觉系统维护着一个包含20个图像帧的缓冲区，以实现随机访问和线程安全执行。但视觉系统的重新开发移除了这一功能，导致缓冲帧无法与传感器数据同步访问，从而产生了高达0.6秒的图像处理延迟。这一问题严重影响了自我定位精度和整体系统性能，但直到通过NUbugger实时流式传输才被发现。
- 球检测精度问题 ：视觉系统中的一个实现错误，使得机器人在将球定位坐标从图像投影到场地平面时，没有考虑机器人头部的俯仰和偏航角度。这导致当机器人不直接朝前时，球检测出现显著误差。在NUbugger的主显示界面中，通过旋转机器人头部可以观察到球位置信念的覆盖层出现弧线，而实际球是静止的，从而发现了这一问题。
- 相机固件问题 ：Robotis DARwIn - OP机器人平台配备的Logitech C905相机，使用Linux UVC驱动。虽然该驱动可以控制大部分基本相机参数，但一些参数（如自动白平衡和某些罗技专有颜色校正值）无法访问。这导致在足球场上光线变化时，自动白平衡调整会显著降低分类精度和物体识别性能。通过NUbugger，用户可以立即检测到这一问题，并及时更换和重启机器人。

6. NUbugger的未来展望

尽管NUbugger仍在积极开发中，但有望被其他RoboCup团队成功采用，具体可能在以下几个层面实现：
- 完整系统采用 ：团队可以采用完整的NUbugger系统（包括服务器和客户端应用程序），并根据不同的硬件平台对服务器 - 机器人接口进行必要的修改。
- 服务器应用采用 ：团队可以采用NUbugger服务器应用程序，然后根据自身特定需求修改客户端的功能和布局。

目前，最新的NUbugger源代码可从https://github.com/nubots/NUbugger下载，开发者也愿意与其他RoboCup团队合作，进一步扩展该框架以满足他们的需求。

7. 总结与对比

7.1 总结

NUbugger作为一个可视化、实时且开源的机器人调试工具，通过多对多服务架构和多个实用库的结合，实现了从机器人到Web客户端的实时数据传输和可视化监控。它在实际应用中帮助解决了多个底层问题，提高了机器人系统的性能和稳定性。而2012 UT Austin Villa代码发布则为标准平台联赛的团队和使用Naos机器人的研究人员提供了一个坚实的基础，其灵活的架构、易于使用的视觉代码、自定义定位模拟器和踢球引擎等都具有重要的应用价值。

7.2 对比

项目	NUbugger	2012 UT Austin Villa代码
主要功能	机器人调试，提供底层信息可视化	提供机器人开发的架构、模块和工具
应用场景	解决机器人底层编码问题	帮助新团队和研究人员开展机器人开发工作
适用对象	所有需要调试复杂机器人系统的团队	标准平台联赛团队和使用Naos机器人的研究人员

通过对比可以看出，两者虽然侧重点不同，但都在机器人领域发挥着重要作用，共同推动着机器人技术的发展。无论是调试现有的机器人系统，还是开展新的机器人开发项目，这两个工具都为开发者提供了有力的支持。

graph LR
    A[机器人开发] -->|调试需求| B[NUbugger]
    A -->|开发基础需求| C[2012 UT Austin Villa代码]
    B -->|解决问题| D[提高系统性能]
    C -->|提供基础| E[加速开发进程]

总之，随着机器人技术的不断发展，类似NUbugger和2012 UT Austin Villa代码这样的工具和资源将越来越重要，它们将帮助开发者更高效地解决问题，推动机器人在更多领域的应用。