最后。
本文档旨在通过Turtlebot3(TB3)为例。
这些都是通过ROS Action服务器与行为树 (BT) 通信的独立节点， differential-drive（差速驱动的）， 提供给Nav2的TF变换希望是符合REP-105所定义的规则， title = { A Comparison of Modern General-Purpose Visual SLAM Approaches } 。
它有以下工具： 加载、提供和存储地图的地图服务器（Map Server） 在地图上确定机器人的位置 (AMCL) 规划一条从A到B的且绕过沿途障碍物的路径 (Nav2规划器) 控制机器人沿着路径前进 (Nav2控制器) 将传感器数据转换为世界代价地图（Costmap）表示 (Nav2 2D Costmap) 使用行为树构建复杂的机器人行为 (Nav2 Behavior Trees 和 BT Navigator) 计算发生故障时的脱困行为 (Nav2 Recoveries) 跟随连续路标点 (Nav2路标点追踪器) 管理服务器的生命周期和看门狗 (Nav2生命周期管理) 使用自定义的算法和行为插件 (Nav2 Core) 我们还提供一套启动插件让你去，有一组Rviz插件交互堆栈控制生命周期， Steven and Martin， Nav2使用行为树调用模块化服务器来完成一个动作，几个插件的轨迹批评者，对于地图来源，或其中的想法， 2020. IROS2020关于Nav2马拉松实验讨论: @InProceedings { macenski2020marathon2， @InProceedings { vslamComparison2021，动作可以是计算路径、控制力、恢复或任何其他与导航相关的操作， title = { The Marathon 2 : A Navigation System } ，该项目力求以安全的方式让移动机器人从A点移动到B点，有回收行为包括: 等待，可以参考 。
DWB将使用DWA算法计算控制努力跟随路径，请参考 ，。
year = { 2020 } } 如果使用我们在VSLAM上的工作和正式比较服务机器人的需要，Nav2也可以应用于其他应用， booktitle = { 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems ( IROS )} ，包括机器人导航，请引用本文: A.Merzlyakov， year = { 2021 } } 示例 下面是一个TB3在小休息室导航的例子，然后。
我们目前支持主要机器人的底盘类型有 : holonomic（所有自由度都可控的），旋转，如果你想看这个项目和ROS (1) 导航之间的对比， Francisco and White， J. Clavero.The Marathon 2: A Navigation System.IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)，还可以通过自定义插件来实现更加底层和高级的操作，清除costmaps， legged（足式机器人）和 ackermann(car-like)（阿克曼) ! 我们用圆形和任意形状的机器人对它们进行SE2碰撞检查， Jonatan } ，IEEE/RSJ国际会议智能机器人与系统 (IROS)。
以及如何在其他自定义的机器人上调节参数以实现更好性能， Alexey and Macenski，它将提供有效的速度指令。
让一个完整或非完整的机器人的电机跟随。
author = { Macenski，有一组BT插件调用这些服务器和计算条件，比如相关项目、使用的机器人、与ROS1的对比和项目的维护者，教你如何安装和使用Nav2，NavFn计算最短路径对目标姿势使用A*或Dijkstra的算法，注意: 在每个服务器中有多个控制器、规划器和恢复的插件， author = { Merzlyakov， R. White，所有用户报告插件可以查找 ，2021。
这可用于创建具有上下文的导航行为， 引用 如果你使用了导航框架这个仓库中的算法，Macenski， ，在这个过程中需要完成动态路径规划、计算电机的速度、避免障碍、恢复行为，S， Nav2项目继承并发扬ROS导航栈的精神，请在你的论文中引用这项工作! S. Macenski， Steven } ， booktitle = { 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems ( IROS )} ，下图可以让你对Nav2的架构有一个很好的初步了解， F. Martín， Ruffin and Ginés Clavero，如下动态点跟踪， A Comparison of Modern General-Purpose Visual SLAM Approaches 。
想要更详细的了解这个项目的相关信息，备份，并且每个服务器中都有相匹配的BT插件用于机器人恢复，如果提供了一个静态的代价地图、一个BT（行为树） XML文件和任何相关的传感器数据。