7 个递进实验，从 SLAM 原理与 URDF 建模起步，用 SLAM Toolbox 遥控建图，深入 Nav2 导航栈与 AMCL 粒子滤波定位，以 DWB 局部避障、激光雷达多点任务调度收口，最终展望 RTAB-Map 三维 SLAM —— 每个实验均配原理讲解、动画演示与交互沙盒，基于 slam_practice 实验讲义与 car1 真实源码改写。
每个实验的终端操作都遵循同一套节奏——先摆好环境，再动参数；先观察现象，再写结论。
按 05 节清单核对硬件接线与话题（/scan、odom TF、相机四话题），启动对应 launch；拿不准先 ros2 topic hz 确认数据在流动。
动手前先过一遍 02 原理章节与 06 动画：知道"这一参数对应画面里哪个动作"，报错时才有排查方向。
用默认参数完整跑通一遍流程，记录"基准现象"——后面所有调参结论都以它为对照组。
每次只改一个参数（改前抄下旧值），重启生效后复测同一场景；症状对不上就回滚，别叠加"盲改三连"。
到达率、最小安全距离、收敛时间、耗时……统计数据而非单次印象；随机性大的测试至少重复 3-5 遍。
保存地图 / 参数 / rosbag，填写"参数 → 现象"对照表，再回答 10 节思考题——这就是实验报告的骨架。
一句话看懂全课程的因果链：没有 URDF 就没有 TF，没有地图就没有规划，没有定位一切都是空谈。
URDF 描述底盘、机械臂、夹爪的连杆与关节，TF 坐标树把雷达、里程计"钉"到车体上 —— 这是后续一切传感器数据的坐标基准（EXP-01）。
SLAM Toolbox 前端扫描配准 + 后端回环优化，遥控小车逛一圈，得到一张 0.05 m 精度的二维占据栅格地图（EXP-02）。
AMCL 粒子滤波拿实时雷达扫描与地图比对，回答"我在哪"；定位不准，导航全是徒劳（EXP-03 · EXP-04）。
Nav2 全局规划走大路、DWA 局部避障随机应变、多点调度连续执行任务，RTAB-Map 再把世界升到三维（EXP-05~07）。
先给机器人一副"身体"（URDF + TF），再给它一张"户型图"（SLAM Toolbox 建图）—— 自主导航的两块基石。
用"蒙眼逛新家"的比喻吃透 SLAM = 边走边画地图 + 定位；再用 URDF + RViz 把 car1 机器人"搬"上屏幕，看清连杆、关节与 TF 坐标树怎么连。
整门课第一个"高光时刻"：键盘遥控小车在房间里逛一圈，得到一张跟户型图一样的二维地图。全程只做三件事——启动建图、遥控逛圈、保存地图。
Nav2 导航栈五大服务器、AMCL 粒子滤波、DWA 动态窗口局部避障 —— 让小车从"看地图"进化到"会走路、会躲人"。
在 RViz 里点一个目标点，小车自己规划路线、自己转弯、自己躲开静态障碍。拆解 planner / controller / bt_navigator / behavior / velocity_smoother 五大服务器与全局、局部双代价地图。
小车被搬动、地图和现实对不上时，"我到底在地图哪里？"用粒子滤波三步（预测、更新、重采样）+ 似然场模型，让小车雷达一扫就自己猜出精确位置。
实验 3 小车会"看地图走大路"，但路上突然滚来一个球怎么办？用 DWB 局部规划器在动态窗口内采样 800 条短轨迹实时打分，绕不过去还会自己转圈、后退重新想办法。
从"点一个目标到一处"升级为"先去 A 取货、再去 B 放货"的连续任务；再用 RGB-D + RTAB-Map 让小车长出立体眼睛。
真实任务往往是"先去 A、再去 B、最后回 C"。用两个 Nav2 导航器（NavigateToPose / NavigateThroughPoses）连续执行多目标，中途有障碍也能一路安全走完，并做堵死鲁棒性测试。
前 6 个实验小车眼里世界是"一张平面图"。这节课让它长出立体眼睛：RGB-D 深度相机 + RTAB-Map 构建三维点云 / 八叉树地图，理解高度、层次与悬空障碍（原理与选型为主，详见页内说明）。
学时结构与交付物一目了然：CH1 打地基（4+4）、CH2 练核心（8×3）、CH3 上台阶（8+8），合计 48 学时。
| 编号 | 实验 | 学时 | 难度 | 类型 | 核心交付物 |
|---|---|---|---|---|---|
| EXP-01 | SLAM 原理与 URDF 模型 | 4 | ⭐ | 验证性 | car1 的 URDF + TF 树 + RViz 可视化截图 |
| EXP-02 | SLAM Toolbox 建图 | 4 | ⭐⭐ | 设计性 | 一张 0.05 m 精度、四角闭合的 map.pgm/yaml |
| EXP-03 | Nav2 机器人导航 | 8 | ⭐⭐⭐ | 综合性 | 导航 launch 跑通 + 5 目标点到达记录 |
| EXP-04 | AMCL 自适应蒙特卡洛定位 | 8 | ⭐⭐⭐ | 综合性 | 初始位姿收敛观察 + 绑架恢复计时 |
| EXP-05 | DWA/TEB 局部避障 | 8 | ⭐⭐⭐ | 综合性 | 纸箱 1 m 三重复试验 + 参数→现象对照表 |
| EXP-06 | 激光雷达多点导航避障 | 8 | ⭐⭐⭐ | 综合性 | A→B→C 轨迹记录 + 四指标鲁棒性统计 |
| EXP-07 | RTAB-Map 3D SLAM | 8 | ⭐⭐⭐ | 综合性 | 反投影验算 + 选型报告（📌 无配套源码资源，原理与通用流程型） |
全课程同一套底座：Ubuntu 22.04 + ROS 2 Humble + 具身智能实验箱（B2）/ 小车（C1）。
COIN-D6 激光雷达（设备节点 /dev/lidar，发布 /scan，frame_id laser_link，0.05~12 m，10 Hz，Best Effort QoS）+ HP60C RGB-D 相机（/ascamera_hp60c/... 命名空间，供 EXP-07）。
麦轮底盘轮速 + BMI088 IMU，经 EKF（robot_localization）融合输出 odom→base_footprint；ω 取 IMU、vx 取轮速（麦轮旋转打滑约 45%，故不取轮速航向）。
SLAM Toolbox 出 /map（occupancy grid：-1 未知 / 0 空闲 / 100 占据，0.05 m 格，存盘后变成 205/254/0 灰度）；AMCL 出 /amcl_pose 与粒子云 /particle_cloud。
car1_navigation 的 navigation.launch.py 一键起 Nav2；参数集中在 config/nav2_params.yaml（planner/controller/bt/costmap 全在里面），行为树另有 2 个 XML。
map → odom（AMCL 修正）→ base_footprint（EKF 里程计）→ 各传感器 link（URDF 定义）。TF 一断，建图导航全部报错。
RViz2（看 /scan /map /plan /costmap /particle_cloud）、ros2 topic hz/echo、rqt_image_view、view_frames 查 TF 树、/behavior_tree_log 看行为树分支。
全课程围绕 ROS2 Humble + 具身智能实验箱 B2 展开：COIN-D6 激光雷达提供 /scan，麦轮底盘 + EKF 提供 odom，HP60C RGB-D 相机留给三维进阶。
以下症状在历届上机中反复出现——每条都对应课内某章节的排障入口。
现象：RViz 全线飘红"No transform"。入口：EXP-01 08 实操——核对 display 三件套与 view_frames 输出，确认 base_footprint 挂根。
现象：建图回环后墙变两层。入口：EXP-02——回环没闭合或遥控过快，降速重逛并检查 loop_match_minimum_response_fine（0.45）。
现象：粒子散成一地，小车发疯。入口：EXP-04——RViz「2D Pose Estimate」按真实位姿给初值，或开 set_initial_pose。
现象：action 返回 ABORTED。入口：EXP-03——目标必须落在 map 系空闲区且在膨胀层之外；拖点后 zoom 确认。
现象：yaml 改了没反应。入口：EXP-05——Nav2 各 server 启动时读参，改完必须重启 navigation.launch。
现象：多点导航跳过中间点。入口：EXP-06——行为树会剔除 0.7 m 内的途经点，相邻点间距请拉开到 >1.0 m，frame_id 统一写 map。
十六个贯穿全课程的关键词，第一次读到不懂没关系——先混个脸熟，实验里会反复遇见。
| 术语 | 一句话解释 | 首秀实验 |
|---|---|---|
| SLAM | Simultaneous Localization And Mapping：边走边画地图 + 同时知道自己在哪 | EXP-01 |
| URDF / Xacro | 用 XML 描述机器人的连杆与关节，Xacro 支持宏展开复用 | EXP-01 |
| TF | 坐标变换树：任意两帧之间的平移/旋转关系，ROS 的"定位坐标系语法" | EXP-01 |
| mimic 关节 | 从动关节，不独立驱动而是按倍数跟随主动关节——car1 夹爪 5 个指节跟 1 个 r_joint | EXP-01 |
| 里程计 odom | 由轮速/IMU 融合同步推算的"走了多远"，会漂移，靠 AMCL 校正 | EXP-01 |
| 占据栅格 | 把世界切成 0.05 m 的格子：话题里 100 占据 / 0 空闲 / -1 未知；存成 .pgm 后是 0 / 254 / 205 灰度 | EXP-02 |
| 回环检测 | 认出"我来过这里"，把累积漂移一次性修掉（地图闭合的关键） | EXP-02 |
| 代价地图 costmap | 在地图上叠"离障碍越远越便宜"的代价层（0 / 1-252 / 254 / 255），规划只走低代价区 | EXP-03 |
| 行为树 BT | Nav2 的任务剧本：算路径→跟踪→到达，失败时翻到恢复分支（清图 / Spin / Wait） | EXP-03 |
| AMCL | 撒一群粒子各自"假设我在哪"，用扫描打分、重采样优胜劣汰 | EXP-04 |
| 膨胀半径 inflation | 障碍外扩一圈"别靠太近"的缓冲带（默认 0.18 m），半径 = 安全距 vs 通过性的权衡 | EXP-05 |
| DWA / 动态窗口 | 只在"刹得住"的速度里采样短轨迹（最多 20×40 条），打分选最优——局部避障的心脏 | EXP-05 |
| Action | goal/feedback/result 三段式通信，专为"跑很久还要看进度"的任务 | EXP-06 |
| RemovePassedGoals | 多点导航里"进到途经点 0.7 m 内就剔除该点"的行为树节点，决定"经过"的判定方式 | EXP-06 |
| 词袋 Bag-of-Words | 把图像特征聚类成"词汇"，凭词汇相似度判断"回到旧地" | EXP-07 |
| OctoMap | 把三维空间切成立方体体素的可压缩地图，导航避障的三维底图 | EXP-07 |
把历届同学最高频的疑问前置到首页，省下你翻论坛的功夫。
九成是话题没数据或 QoS 不匹配：先 ros2 topic hz /scan 确认 10 Hz，再在 RViz 里把 LaserScan 的 Reliability 改为 Best Effort。
逛圈要"慢而不停"：转角减速、短暂停留；slam_teleop 默认 0.2 m/s、0.5 rad/s 已经比较稳，别再加速——开太快扫描配准跟不上，墙会画重影。
car1_slam 的 map_save 默认写到包的 maps 目录，文件名由参数决定：-p map_name:=map_01。挪动文件后 navigation.launch 的 map:= 参数要跟着改。
不一定：粒子翻倍算力也翻倍；500~2000 是常用带宽，关键是"收敛后是否假收敛"（EXP-04 互动台可试）。
依次排查：目标是否在墙里/膨胀层内 → 定位是否已收敛 → 全局代价地图有没有静态层。八成出在第一步。
箱子放得太近（进局部窗口才被发现）或速度过快刹不住：往远放、降 max_vel_x，见 EXP-05 坑表第一行。
行为树会剔除 0.7 m 内已通过的途经点：把间距拉到 >1.0 m，核对 poses[] 顺序与 frame_id（必须是 map）。
teleop 的"前后"对齐机器人 +X；若反了检查 URDF 里 base link 的朝向约定，或用 TF 确认车头方向。
Nav2 各 server 启动时读参：Ctrl+C 重启 navigation.launch；只 lifecycle reload 单节点未必覆盖全部参数。
不用：本项目 controller_plugins 固定为 FollowPath→DWB，TEB 属知识扩展；理解差异即可，动手对照见 EXP-05 互动台。
原理 + 通用流程型：交付反投影验算、数据链路验证记录、二维/三维选型报告；页面 05 节已写明验收标准。
固定骨架：目标 → 环境 → 步骤（命令截图）→ 数据表 → 参数→现象对照 → 思考题作答。数据务必来自你自己的终端。
九成是没设初始位姿：先 rviz2 的 2D Pose Estimate 拉一次；还不准就遥控走一段直角路径让 AMCL 收敛。
先分清两条链路：手动遥控走 /cmd_vel（限幅 ±0.3 m/s），Nav2 走 /controller/cmd_vel（不设限幅）。echo 对应话题看有没有速度，再查底盘使能、急停与 remap。
slam_teleop 用 termios 读原始按键，必须跑在真终端（IDE 内嵌终端读不到）；点一下终端窗口再按，并确认 /cmd_vel 仍在发布。
map_saver_cli 同时生成 .pgm + .yaml，yaml 里的 image 是相对路径——两个文件必须一起挪，或把 image 改成绝对路径。
严格按 EXP-01 → 07 顺序学：URDF 的 TF 树是建图的坐标基准，建出的 map 是 Nav2 的底图，AMCL 又必须依赖 map——跳着学必然卡住。
每个实验的"原理通俗讲解"用生活比喻讲清机制，动画与互动台把参数手感找到——再去终端跑命令，报错时才知道去哪里排查。
墙厚 < 0.1 m、尺寸误差 < 2%、四角闭合的"好地图"才配得上后面 4 个导航实验；地图歪了，先回 EXP-02 重建，别急着调 Nav2 参数。
每次只改一个参数并记录对照：膨胀半径、粒子数、DWA 权重都有明确症状。改完 Ctrl+C 重启 navigation 栈再验证，别在运行中盲改一串。