关键词

机器人仿真Gazebo控制AI助手ROS2机器人导航

项目简介

Gazebo MCP Server是一个基于Model Context Protocol (MCP) 构建的后端服务，其核心职责是将ROS2和Gazebo仿真环境的能力以标准化的方式暴露给大型语言模型（LLM）等AI助手。它允许AI助手通过自然语言命令，实现对Gazebo仿真中机器人的精确控制、实时获取仿真传感器数据、动态创建或修改仿真环境，并支持基于Nav2的自主导航。通过标准的JSON-RPC协议通信，Gazebo MCP Server为开发先进的LLM驱动的机器人应用提供了一个安全、可扩展的实时仿真上下文服务框架。

主要功能点

  • 仿真环境控制: 轻松控制Gazebo仿真的生命周期，包括启动、停止、暂停和重置。您可以配置物理特性（如重力、时间步长）并监控仿真状态。
  • 机器人与模型管理: 方便地在仿真中生成和管理各种机器人模型（如TurtleBot3），包括指定其位置、姿态和属性。通过速度命令实现机器人运动控制，并能够获取或设置模型的关节状态。
  • 传感器数据获取: 实时访问仿真中各种传感器的最新数据，包括摄像头图像（RGB、深度）、LiDAR点云、IMU（惯性测量单元）数据、GPS位置信息以及接触传感器数据等。
  • 动态世界生成: 在运行中的仿真中动态添加或移除物体，支持创建基本几何形状（方块、球体、圆柱）或加载自定义网格模型。还可以修改地形、调整光照效果，实现日夜循环模拟，或对场景进行实时更新。
  • 自主导航集成（基于Nav2）: 允许AI助手为机器人设定高层导航目标（例如“前往(5,3)坐标”），服务器将协调Nav2导航栈，使机器人在复杂环境中自主规划路径并避开障碍物，从而实现真正的机器人自主行为。

安装步骤

在开始使用Gazebo MCP Server之前，请确保您的系统已满足以下先决条件：

  • 操作系统: 推荐使用Ubuntu 22.04 或 24.04。
  • ROS2: Humble 或 Jazzy (LTS版本推荐)。
  • Gazebo: Modern Gazebo (Fortress, Garden 或 Harmonic版本)。
  • Python: 3.10 或更高版本。

请按照以下步骤安装和设置Gazebo MCP Server：

  1. 安装ROS2和Modern Gazebo: 如果尚未安装，请根据您的ROS2版本执行以下命令。以ROS2 Humble和Gazebo Harmonic为例：

    # 更新系统软件包列表
sudo apt update
# 安装ROS2 Humble桌面版（包含常用工具和Gazebo的ROS2桥接）
sudo apt install ros-humble-desktop
# 安装Modern Gazebo Harmonic版本（如果ros-humble-desktop没有包含）
sudo apt install gz-harmonic

    如果您希望ROS2和Gazebo通过桥接包进行通信，也可以安装'ros-humble-ros-gz'：

    sudo apt install ros-humble-ros-gz

  2. 克隆并设置Gazebo MCP Server仓库:

    # 克隆项目仓库
git clone https://github.com/kvgork/gazebo-mcp.git
# 进入项目目录
cd gazebo-mcp

# 激活ROS2环境
# 根据您的ROS2版本调整路径，例如：
source /opt/ros/humble/setup.bash

# 安装Python依赖项
pip install -r requirements.txt

# （可选）如果项目作为ROS2工作区的一部分，请构建并激活其环境
# colcon build
# source install/setup.bash

  3. 运行MCP服务器: 在新的终端中，确保ROS2环境已激活，然后运行MCP服务器：

    # 确保ROS2环境已激活
source /opt/ros/humble/setup.bash
# （如果之前执行了colcon build）激活本地安装环境
# source install/setup.bash

# 运行MCP服务器
python -m mcp.server.server

    服务器启动后，您会在终端看到日志输出，表示MCP服务器已初始化并等待客户端连接。

服务器配置

当MCP客户端（例如Anthropic Claude Desktop）需要连接到Gazebo MCP Server时，它需要知道如何启动服务器并与其通信。以下是一个JSON格式的配置示例，您可以将其添加到MCP客户端的配置中（例如'claude_desktop_config.json'），以便客户端能够识别并使用Gazebo MCP Server：

{
  "mcpServers": {
    "gazebo": {
      "command": "python",
      "args": ["-m", "mcp.server.server"],
      "cwd": "/path/to/gazebo-mcp", // 请将此路径替换为您的gazebo-mcp仓库的实际安装路径
      "env": {
        "PYTHONPATH": "/path/to/gazebo-mcp/src", // 请将此路径替换为您的gazebo-mcp仓库的实际src目录路径
        "ROS_DOMAIN_ID": "0", // ROS2域ID，通常保持默认值0即可
        "GAZEBO_BACKEND": "modern", // 指定Gazebo后端类型，推荐使用 'modern'
        "GAZEBO_WORLD_NAME": "default", // 指定Gazebo世界名称，例如 'empty' 或 'obstacle_course'
        "GAZEBO_TIMEOUT": "5.0" // 服务调用超时时间（秒），根据需求调整
      }
    }
  }
}

注释:

  • 'command'：指定启动MCP服务器的可执行程序。
  • 'args'：传递给可执行程序的参数，用于运行服务器模块。
  • 'cwd'：指定服务器启动时的工作目录，确保服务器能够找到其内部文件和依赖。
  • 'env'：设置服务器运行时的环境变量，包括Python路径和ROS2相关的配置。

基本使用方法

一旦Gazebo MCP Server在后台运行并被您的MCP客户端正确配置，AI助手就可以通过调用服务器提供的“工具”来与Gazebo仿真进行交互。以下是一些常见操作的示例，展示AI助手如何通过工具名称和参数进行调用：

  1. 列出仿真中的所有模型: AI助手可以请求获取当前仿真中所有模型的列表，选择获取简要摘要或详细信息。

    • 调用工具: 'gazebo_list_models'
    • 参数: 'response_format' 设置为 '"summary"' 以获取模型名称和数量的简要列表。

  2. 在仿真中生成一个方块模型: AI助手可以指示服务器在指定位置生成一个简单的几何模型。

    • 调用工具: 'gazebo_spawn_model'
    • 参数: 'model_name' 设置为 '"my_box"'，'pose' 包含 'position'（如 'x: 1.0, y: 2.0, z: 0.5'），'geometry' 设置为 '"box"'。

  3. 获取某个模型的当前状态（位置和速度）: AI助手可以查询仿真中特定模型的实时状态信息。

    • 调用工具: 'gazebo_get_model_state'
    • 参数: 'model_name' 设置为 '"my_robot"'。

  4. 暂停Gazebo仿真: AI助手可以控制仿真的运行状态，例如暂停物理引擎更新。

    • 调用工具: 'gazebo_pause_simulation'
    • 参数: 空对象 '{}'。

  5. 命令机器人进行自主导航: AI助手可以设定一个目标位置，让搭载Nav2的机器人自主规划路径并移动。

    • 调用工具: 'send_nav2_goal'
    • 参数: 'robot_name' 设置为 '"my_turtlebot"'，'goal_position' 设置为 '[5.0, 3.0]'（目标X、Y坐标）。

通过这些工具调用，AI助手能够以高层次的语义指令与复杂的Gazebo仿真环境进行交互，从而极大地简化了机器人开发、测试和实验流程。

信息

分类

桌面与硬件

访问项目