拥有 ROS2GO 后，你可以做什么

作为开发者，我能想到至少可以使用 ROS2GO 做以下几件事：

• 学习，使用 ROS，进行机器人系统设计
• 学习，研究机器人感知，SLAM
• 学习，研究机器人控制，集群控制
• 在 Gazebo 中进行仿真，验证算法 idea

开箱即用

• 一键切换的 ROS1，ROS2 环境
• 各种预置好的 ROS 1，2 驱动功能包，具体支持如下表

硬件设备	ROS1	ROS2
激光雷达	---------	-----------
Livox mid360		由于 mid360 的 json 配置 IP 需要用到唯一 S/N 码，所以没有直接集成
Velodyne	已支持	已支持
Osight	已支持	已支持
RPLIDAR	已支持	-----
YDLIDAR	已支持	-----
HOKUYO	已支持	-----
相机	---------	-----------
摄像头	已支持	已支持
Astra	已支持	已支持
Intel Realsense	已支持	已支持
ZED2i	SDK 需要安转 CUDA，所以没有直接集成

方便的开发环境依赖

• Google 三件套：Glog，GFlags，Gtest
• 强大的非线性优化库 Ceres Solver
• 强大的线性代数运算库 Eigen
• 强大的图像处理库 OpenCV
• 强大的三维重建库 PCL
• 此外你可以根据需要，安装其他你喜欢的软件依赖，比如 G2O，Pangolin，Sophus，Gtsam，DBow3 等等，熟悉优秀的开源算法库，足以让你在实现机器人算法时如鱼得水，事半功倍

各种常用软件

• VScode
• GIMP 类似 PS 的强大图像处理软件
• LinuxQQ
• Timeshift 增量式备份神器
• Ctrl + Space，Shift 一键中英文切换的搜狗输入法
• Ctrl + Alt + A 一键开启火焰截图
• 此外你可以根据需要，安装其他你喜欢的软件，比如 OBS Studio,Blender，Rustdesk 等等

丰富的学习资源

• 首先是 GAZEBO 仿真，为了便于集中整理和分类，我们通过运动方式和底盘类型来划分不同的仿真实例。你可以看到不限于差速，阿克曼，全向轮式机器人，机械臂，足式机器人，无人机，机器人集群的相应仿真，如何将他们快速地运行起来，可以参考机器人的仿真模拟部分来进行

• 其次是 ROS1，ROS2 优秀 Tutorial，代码 Example，可以在 study_ws 和 ros2_study_ws 中找到，你可以对照 B 站古月居视频学习，具体位置在ROS2GO 资料使用说明中查看

安装深度学习环境

注意

安装 Nvidia 驱动有可能会导致无法进入系统图形界面，如果中招，请使用 Timeshift 快照恢复到安装 N 卡驱动前的一个版本，所以在操作前请 Timeshift 备份好数据，未备份或误操作导致文件系统损坏，个人数据丢失，天之博特不承担任何责任。

提示

在安装好深度学习环境之后，请先使用 Timeshift 进行备份，由于 Nvidia 驱动更新频繁，所以请务必在安装好驱动进行备份，否则某次不经意的系统更新就会导致 Nvidia 驱动崩溃（内核版本不匹配），所以在安装 N 卡驱动后不要轻易进行 Software Updater，这会导致已安装的 N 卡驱动和 DL 环境无法正常使用。

以强化学习为例，Gym 的 python 运行环境对依赖库的版本要求极严格，所以各种库版本冲突则是太正常不过了。

• N 卡驱动：万事开头难，就是需要安装环境，如果你的笔记本有 Nvidia GPU，那么对你来说，在 ROS2GO 上装显卡驱动则是个技术活。
  • 在安装之前，记得一定要先进行 TimeShift 备份，因为安装显卡驱动之后，你的系统很可能会崩溃，然后你就大概率要重新安装系统，当然新手玩家不建议这么做哈。当然，如果你愿意花时间去折腾，那么你将获得更多不一样的体验，这对你的提升是大有裨益的。
• Miniconda：然后你需要一个干净的 Python 环境管理工具，选择 Miniconda，如果环境有问题，重装一个就可以，不至于把系统环境搞崩，毕竟一个干净的 Python 环境，一套 Pytorch + Onnx + TensorRT 环境，能先把代码跑起来就是最关键的。尽量避免一行代码还没有跑起来，就出现各种奇奇怪怪的依赖库报错。
• 容器化部署的 Docker：最后你还需要一个可以方便部署的环境，Docker 是个不错的选择，有了一个 Docker 镜像，你就可以在任意一台 Linux 机器上运行你的深度学习代码了，非常方便。一份代码，到处运行，何乐而不为呢？