在实际机器人开发中，仿真环境是验证算法、测试硬件接口、进行安全训练的关键环节。对于水下机器人这类复杂且昂贵的系统，直接在真实水域中进行算法调试和功能测试不仅成本高昂，也伴随着巨大的风险。因此，一个能够逼真模拟水下动力学、传感器数据流和控制指令交互的仿真平台，对于研发团队来说至关重要。ROS2 提供了现代化的机器人软件框架，Gazebo 是强大的物理仿真引擎，而 ArduSub 则是经过实战检验的无人潜航器（UUV）自动驾驶仪固件。将三者结合，意味着我们可以在一个高保真的虚拟海洋环境中，使用真实的自动驾驶仪软件栈来驱动一个虚拟的机器人模型，从而完成从底层控制到上层自主决策的完整开发与测试闭环。

本文旨在为机器人开发者，特别是对水下机器人或复杂系统仿真感兴趣的工程师和学生，提供一个从零搭建 ROS2 + Gazebo + ArduSub 集成仿真环境的详细指南。我们将一步步完成环境配置、模型构建、软件桥接和自主控制逻辑验证。通过本文，你将能够搭建一个可运行的水下机器人仿真场景，理解三者之间的数据流，并在此基础上进行自主导航、任务规划等算法的开发与测试。

1. 理解 ROS2、Gazebo 与 ArduSub 的协同工作流

在开始动手之前，必须厘清这三个核心组件各自的角色以及它们如何协同工作。这决定了后续所有配置和代码编写的逻辑。

1.1 核心组件角色定义

• ROS2 (Robot Operating System 2): 扮演“神经系统”和“消息总线”的角色。它不负责具体的物理计算或底层控制，而是提供了一套基于节点（Node）的分布式通信框架。在仿真中，ROS2 节点用于：
  • 发布传感器数据（如 IMU、深度计、相机图像）。
  • 订阅控制指令（如目标深度、航向、速度）。
  • 运行高级算法（如 SLAM、路径规划）。
  • 管理整个系统的启动和配置。
• Gazebo: 扮演“物理世界模拟器”和“传感器模拟器”的角色。它基于物理引擎（如 ODE、Bullet）计算机器人模型在水下的运动（浮力、阻力、推进器推力），并生成逼真的传感器输出。Gazebo 通过其插件系统与外部世界交互。
• ArduSub: 扮演“机器人大脑（自动驾驶仪）”的角色。它是一套专为无人潜航器设计的固件，运行在 Pixhawk 系列或类似的飞控硬件上。在仿真中，我们并不运行在真实硬件上，而是运行其SITL (Software In The Loop)版本。ArduSub SITL 接收来自 Gazebo（通过 MAVLink）的传感器数据，运行其内部的控制律（PID 控制器等），并计算出推进器指令，再发送回 Gazebo 驱动模型运动。

1.2 数据流与集成架构

三者集成的核心在于MAVLink协议。MAVLink 是一种轻量级的消息传递协议，专为无人机/无人车通信设计，也是 ArduPilot/ArduSub 生态的通用语言。

整个仿真系统的数据流如下：

1. Gazebo加载一个水下机器人模型（包含推进器、传感器等插件）。
2. Gazebo内部的一个插件（如libgazebo_mavlink_interface.so）充当MAVLink 网关。它将 Gazebo 中的模型姿态、IMU 数据等封装成 MAVLink 消息发送出去；同时，它也接收外部的 MAVLink 控制指令，并转化为 Gazebo 中模型的力和力矩。
3. ArduSub SITL作为一个独立进程运行。它通过 UDP 端口与 Gazebo 的 MAVLink 插件进行通信。它接收传感器数据，运行控制算法，并发出执行器（舵机、电机）控制指令。
4. ROS2如何介入？有两种主要方式：
   • 方式一（直接）: 通过ros2的mavros或mavlink相关包，直接与 ArduSub SITL 的 MAVLink 端口通信，从而实现 ROS2 话题与服务到 MAVLink 消息的转换。这是最接近真实硬件的模式。
   • 方式二（通过 Gazebo）: 利用 Gazebo-ROS2 的桥接功能。Gazebo 中的传感器插件（如相机、IMU）可以直接将数据发布到 ROS2 话题上；同时，也可以编写 ROS2 节点来订阅 Gazebo 中的模型状态，或通过服务调用控制模型。这种方式更侧重于利用 ROS2 进行感知和高级规划，而底层控制仍由 ArduSub 处理。

本文将重点介绍方式一，因为它更完整地复现了真实系统中 ROS2 与飞控的交互模式，是进行自主控制算法开发的更佳起点。

2. 基础环境搭建与依赖安装

一个稳定、版本匹配的基础环境是成功的第一步。以下步骤在 Ubuntu 22.04 LTS 上进行验证，这是目前 ROS2 Humble Hawksbill 的推荐系统。

2.1 安装 ROS2 Humble

如果系统已安装 ROS2，请跳过此步。确保安装的是桌面完整版（Desktop-Full），以包含 Gazebo 和 RViz 等可视化工具。

# 1. 设置语言环境 sudo apt update && sudo apt install locales sudo locale-gen en_US en_US.UTF-8 sudo update-locale LC_ALL=en_US.UTF-8 LANG=en_US.UTF-8 export LANG=en_US.UTF-8 # 2. 添加 ROS2 软件源 sudo apt install software-properties-common sudo add-apt-repository universe sudo apt update && sudo apt install curl -y sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(. /etc/os-release && echo $UBUNTU_CODENAME) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null # 3. 安装 ROS2 Humble 桌面完整版 sudo apt update sudo apt install ros-humble-desktop-full # 4. 设置环境变量（建议写入 ~/.bashrc） echo “source /opt/ros/humble/setup.bash” >> ~/.bashrc source ~/.bashrc

2.2 安装 Gazebo Harmonic 与 ROS2 桥接

Ubuntu 22.04 默认的 Gazebo 版本可能较旧。我们安装较新的 Gazebo Harmonic，并通过源码编译其 ROS2 桥接包。

# 1. 安装 Gazebo Harmonic sudo apt install wget sudo wget https://packages.osrfoundation.org/gazebo.gpg -O /usr/share/keyrings/pkgs-osrf-archive-keyring.gpg echo “deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/pkgs-osrf-archive-keyring.gpg] http://packages.osrfoundation.org/gazebo/ubuntu-stable $(lsb_release -cs) main” | sudo tee /etc/apt/sources.list.d/gazebo-stable.list > /dev/null sudo apt update sudo apt install gazebo-harmonic libgazebo-harmonic-dev # 2. 创建工作空间并下载 gazebo_ros_pkgs 源码 mkdir -p ~/underwater_ws/src cd ~/underwater_ws/src git clone -b humble https://github.com/ros/gazebo_ros_pkgs.git # 3. 安装依赖并编译 cd ~/underwater_ws sudo apt install python3-rosdep2 sudo rosdep init rosdep update rosdep install -i --from-path src --rosdistro humble -y colcon build --symlink-install # 4. 将工作空间加入环境变量 echo “source ~/underwater_ws/install/setup.bash” >> ~/.bashrc source ~/.bashrc

2.3 安装 ArduSub SITL 及相关工具

ArduSub 是 ArduPilot 项目的一部分。我们通过其官方工具ardupilot-gazebo和ardupilot源码来搭建 SITL 环境。

# 1. 安装通用依赖 sudo apt install git cmake build-essential genromfs ninja-build libgsl-dev libeigen3-dev libxml2-dev libblas-dev liblapack-dev libopenblas-dev libarmadillo-dev python3-dev python3-pip python3-matplotlib python3-lxml python3-future python3-pexpect python3-serial # 2. 克隆 ArduPilot 源码（包含 ArduSub） cd ~ git clone https://github.com/ArduPilot/ardupilot.git cd ardupilot git submodule update --init --recursive # 3. 安装 ardupilot-gazebo 插件（用于 Gazebo 与 SITL 通信） cd ~ git clone https://github.com/ArduPilot/ardupilot_gazebo.git cd ardupilot_gazebo mkdir build && cd build cmake .. -DCMAKE_BUILD_TYPE=RelWithDebInfo make -j4 sudo make install # 4. 设置环境变量（非常重要！） echo ‘export PATH=$PATH:$HOME/ardupilot/Tools/autotest’ >> ~/.bashrc echo ‘export PATH=/usr/lib/ccache:$PATH’ >> ~/.bashrc echo ‘export ARDUPILOT_GAZEBO_PATH=$HOME/ardupilot_gazebo’ >> ~/.bashrc # 假设插件安装在此 source ~/.bashrc

2.4 安装 MAVROS 与 MAVLink 工具

MAVROS 是 ROS 与 MAVLink 设备（如 ArduSub）通信的官方节点。

# 安装 MAVROS 及相关包 sudo apt install ros-humble-mavros ros-humble-mavros-extras ros-humble-mavros-msgs # 安装地理围栏数据（MAVROS 需要） wget https://raw.githubusercontent.com/mavlink/mavros/master/mavros/scripts/install_geographiclib_datasets.sh sudo bash ./install_geographiclib_datasets.sh

3. 构建仿真场景与启动完整系统

环境就绪后，我们需要准备一个水下机器人模型，并编写启动文件将三者串联起来。

3.1 获取或创建水下机器人模型

我们可以使用ardupilot_gazebo中自带的蓝鳍金枪鱼（BlueROV2）模型，这是一个经典且配置完善的水下机器人模型。

# 检查模型是否已安装 ls /usr/share/gazebo-*/models/ | grep -i bluerov2 # 如果未找到，可以手动从 ardupilot_gazebo 仓库复制（假设你克隆在 ~/ardupilot_gazebo） # 模型通常位于 ~/ardupilot_gazebo/models

模型目录通常包含.sdf（模型描述文件）、meshes/（模型网格文件）和materials/（材质文件）。关键是要确保模型中的推进器（<plugin name=”thruster”>）和 IMU 等传感器的命名与 ArduSub 的期望相匹配。

3.2 编写集成启动文件

我们将创建一个 ROS2 包来管理启动配置。在~/underwater_ws/src下：

cd ~/underwater_ws/src ros2 pkg create underwater_simulation --build-type ament_python --dependencies rclpy launch_ros cd underwater_simulation mkdir launch

在launch/目录下创建bluerov2_ardusub.launch.py文件：

# launch/bluerov2_ardusub.launch.py import os from ament_index_python.packages import get_package_share_directory from launch import LaunchDescription from launch.actions import ExecuteProcess, IncludeLaunchDescription, RegisterEventHandler from launch.event_handlers import OnProcessExit from launch.launch_description_sources import PythonLaunchDescriptionSource from launch.substitutions import FindExecutable, PathJoinSubstitution from launch_ros.actions import Node def generate_launch_description(): # 定义路径和命令 ardupilot_dir = os.path.expanduser(‘~/ardupilot’) model_name = ‘bluerov2_heavy’ world_name = ‘underwater.world’ # 可以自定义或使用默认的 empty.world # 1. 启动 Gazebo 服务器和客户端，并加载水下世界和机器人模型 # 这里我们使用 ardupilot_gazebo 提供的启动文件（如果存在） # 或者直接使用 gazebo_ros 启动一个空世界，然后通过服务调用生成模型 gazebo_launch = IncludeLaunchDescription( PythonLaunchDescriptionSource([ PathJoinSubstitution([ get_package_share_directory(‘gazebo_ros’), ‘launch’, ‘gazebo.launch.py’ ]) ]), launch_arguments={ ‘world’: [‘worlds/’, world_name], ‘verbose’: ‘true’, # 有助于调试 }.items() ) # 2. 在 Gazebo 中生成 BlueROV2 模型 spawn_entity = Node( package=‘gazebo_ros’, executable=‘spawn_entity.py’, arguments=[‘-entity’, model_name, ‘-file’, f‘/usr/share/gazebo-11/models/{model_name}/model.sdf’, ‘-x’, ‘0’, ‘-y’, ‘0’, ‘-z’, ‘-5’, ‘-R’, ‘0’, ‘-P’, ‘0’, ‘-Y’, ‘0’], output=‘screen’ ) # 3. 启动 ArduSub SITL # 注意：ardupilot 的 sitl 需要在其目录下运行，并指定车型和参数 sitl_cmd = ExecuteProcess( cmd=[ ‘bash’, ‘-c’, f‘cd {ardupilot_dir} && sim_vehicle.py -v ArduSub -f gazebo-{model_name} --model=JSON --console --map’ ], cwd=ardupilot_dir, output=‘screen’, shell=True ) # 4. 启动 MAVROS 节点，连接 SITL # SITL 默认在 UDP 端口 14550 和 14551 监听 mavros_node = Node( package=‘mavros’, executable=‘mavros_node’, name=‘mavros’, output=‘screen’, parameters=[{ ‘fcu_url’: ‘udp://:14550@localhost:14557’, ‘gcs_url’: ‘’, ‘target_system_id’: 1, ‘target_component_id’: 1, ‘fcu_protocol’: ‘v2.0’, }] ) # 5. (可选) 启动一个简单的 ROS2 控制节点，用于发送测试指令 test_controller_node = Node( package=‘underwater_simulation’, executable=‘simple_controller’, name=‘simple_controller’, output=‘screen’ ) return LaunchDescription([ gazebo_launch, spawn_entity, sitl_cmd, mavros_node, # test_controller_node, # 初始测试时可先注释掉 RegisterEventHandler( event_handler=OnProcessExit( target_action=spawn_entity, on_exit=[sitl_cmd], # 确保模型生成后再启动 SITL，但顺序可能需调整 ) ), ])

注意：上述启动文件是一个概念框架，实际路径（如模型文件路径、SITL 命令）需要根据你的具体安装和模型进行调整。ardupilot_gazebo项目可能提供了更集成的启动方式。

3.3 编写一个简单的测试控制器

在underwater_simulation包中创建节点脚本simple_controller.py，用于通过 MAVROS 向 ArduSub 发送指令。

# underwater_simulation/underwater_simulation/simple_controller.py import rclpy from rclpy.node import Node from geometry_msgs.msg import TwistStamped from mavros_msgs.msg import OverrideRCIn import time class SimpleController(Node): def __init__(self): super().__init__(‘simple_controller’) # 方式1：通过 MAVROS 的 /mavros/rc/override 话题直接发送 RC 通道值 # 这是最底层、最直接的控制方式，对应飞控的 RC 输入 self.rc_override_pub = self.create_publisher(OverrideRCIn, ‘/mavros/rc/override’, 10) # 方式2：通过 /mavros/setpoint_velocity/cmd_vel 发送速度指令（需要飞控在相应模式） # self.vel_pub = self.create_publisher(TwistStamped, ‘/mavros/setpoint_velocity/cmd_vel’, 10) self.timer = self.create_timer(0.1, self.timer_callback) # 10Hz self.get_logger().info(‘Simple controller node started’) def timer_callback(self): msg = OverrideRCIn() # 假设通道映射：1- Roll, 2- Pitch, 3- Throttle, 4- Yaw, 5- Forward, 6- Lateral, 7- Camera Pan, 8- Camera Tilt # PWM 值通常在 1100-1900 之间，1500 为中立点。 # 例如：设置油门（通道3）为 1600，使机器人缓慢上浮。 msg.channels[0] = 1500 # Ch1 msg.channels[1] = 1500 # Ch2 msg.channels[2] = 1600 # Ch3 - Throttle (上浮) msg.channels[3] = 1500 # Ch4 msg.channels[4] = 1500 # Ch5 msg.channels[5] = 1500 # Ch6 msg.channels[6] = 1500 # Ch7 msg.channels[7] = 1500 # Ch8 self.rc_override_pub.publish(msg) self.get_logger().info(‘Publishing RC override: Throttle=1600’) def main(args=None): rclpy.init(args=args) controller = SimpleController() rclpy.spin(controller) controller.destroy_node() rclpy.shutdown() if __name__ == ‘__main__’: main()

别忘了在setup.py中配置入口点：

# setup.py 片段 entry_points={ ‘console_scripts’: [ ‘simple_controller = underwater_simulation.simple_controller:main’, ], },

编译工作空间：

cd ~/underwater_ws colcon build --packages-select underwater_simulation source install/setup.bash

4. 运行验证与数据流分析

现在，我们可以启动整个系统并观察其运行状态。

4.1 启动仿真系统

cd ~/underwater_ws source install/setup.bash ros2 launch underwater_simulation bluerov2_ardusub.launch.py

如果一切顺利，你应该会看到：

1. Gazebo 客户端界面打开，一个水下世界中出现 BlueROV2 模型。
2. 一个终端窗口运行 ArduSub SITL，显示初始化信息，最后出现ArduSub>提示符。
3. 另一个终端运行 MAVROS 节点，显示连接状态。
4. 机器人模型可能开始运动（取决于你的控制器指令或默认参数）。

4.2 关键数据流检查点

使用ros2 topic list和ros2 topic echo命令来验证数据流是否畅通。

4.3 发送第一个自主任务：定深

在 ArduSub SITL 的控制台中，我们可以切换模式并发送指令。更符合 ROS2 集成的方式是使用 MAVROS 服务。

1. 解锁并切换模式（通过 MAVROS 服务）：

   # 在新的终端中 source ~/underwater_ws/install/setup.bash # 解锁（Arm）飞控 ros2 service call /mavros/cmd/arming mavros_msgs/srv/CommandBool “{value: true}” # 将模式切换为 “ALT_HOLD” (定深模式) ros2 service call /mavros/set_mode mavros_msgs/srv/SetMode “{base_mode: 0, custom_mode: ‘ALT_HOLD’}”

2. 发送目标深度（通过 MAVROS 话题）：

   # 发布一个目标深度消息（例如：-2米，水面为0，水下为负） ros2 topic pub /mavros/setpoint_position/global geographic_msgs/msg/GeoPoseStamped “{header: {stamp: {sec: 0, nanosec: 0}, frame_id: ‘’}, pose: {position: {latitude: 0.0, longitude: 0.0, altitude: -2.0}, orientation: {x: 0.0, y: 0.0, z: 0.0, w: 1.0}}}” -1

   在 ALT_HOLD 模式下，飞控会尝试维持当前深度。通过发布目标位置（包含深度），可以指令机器人下潜或上浮到指定深度。观察 Gazebo 中的机器人是否开始向目标深度运动。

5. 常见问题排查与调试

集成过程复杂，遇到问题是常态。以下是按优先级排序的排查清单。

5.1 Gazebo 相关问题

5.2 ArduSub SITL 相关问题

5.3 MAVROS 与 ROS2 通信问题

5.4 综合调试建议

1. 分步启动：不要一次性启动所有组件。先单独启动 Gazebo 并加载模型，确认模型物理表现正常。再单独启动 ArduSub SITL，看其是否能独立运行。最后启动 MAVROS 进行桥接。
2. 善用日志：为每个启动命令添加--verbose或output=‘screen’参数，仔细阅读终端输出。错误信息通常就在前几行。
3. 检查版本兼容性：这是最隐蔽的问题。确保ardupilot_gazebo插件版本与你的 Gazebo 版本（Harmonic）兼容。必要时，从源码编译指定分支的插件。
4. 简化测试：初次集成时，使用最简单的模型（如一个立方体）和最基础的通信测试（如只发送 RC 指令看模型是否动），逐步增加复杂性。

6. 进阶应用与最佳实践

当基础仿真链路跑通后，可以在此基础上构建更复杂的应用。

6.1 开发自主导航节点

利用 ROS2 的导航栈（Nav2）或自定义的规划算法，结合/mavros/local_position/pose（位姿）和/mavros/setpoint_position/local（目标点）话题，实现水下路径跟踪。

1. 获取定位信息：融合来自 Gazebo（通过 SITL）的 IMU、深度计、DVL（多普勒计程仪）数据，在 ROS2 中运行扩展卡尔曼滤波（EKF）节点，提供更平滑的odometry。
2. 路径规划：使用nav2或自定义的全局/局部规划器，生成从 A 点到 B 点的路径（一系列位姿点）。
3. 控制接口：将规划出的路径点，通过/mavros/setpoint_position/local话题发送给飞控。需要将飞控模式设置为OFFBOARD，并确保位姿估计源已设置正确。

6.2 集成自定义传感器与执行器

Gazebo 允许你为模型添加各种传感器插件（如相机、声呐、机械臂）。

1. 添加传感器：在模型的.sdf文件中添加<sensor>标签，例如一个前视相机。Gazebo 的 ROS2 插件会自动将其数据发布到类似/camera/image_raw的 ROS2 话题上。
2. 处理传感器数据：编写 ROS2 节点订阅这些话题，进行图像处理、目标检测或点云处理。
3. 控制执行器：例如控制一个机械爪。可以在模型中添加一个夹持器关节，并通过<plugin>使其可被 ROS2 服务控制。你的自主任务节点可以在到达目标点后，调用该服务执行抓取动作。

6.3 仿真环境配置优化

1. 水下环境模拟：Gazebo 的默认世界是空气。需要修改世界文件（.world），设置流体的密度、粘度来模拟水。ardupilot_gazebo的worlds目录下可能有现成的underwater.world。
2. 添加海流与扰动：在水下世界中添加匀速或随机的海流，测试控制器的鲁棒性。这可以通过 Gazebo 的wind插件或自定义的力场插件实现。
3. 多机器人仿真：复制机器人模型，为每个实例分配不同的 MAVLink 系统 ID（sysid），并在启动时指定不同的 UDP 端口，可以实现多水下机器人协同仿真。

6.4 迈向真实部署的检查清单

仿真通过后，若计划部署到真实机器人，需注意：

• 硬件在环（HITL）测试：将 SITL 替换为真实的 Pixhawk 硬件，通过 USB/UART 连接，在 Gazebo 中测试真实飞控的响应。这是验证参数和逻辑的关键一步。
• 参数迁移与校准：仿真中调试好的 PID 等控制参数，需要谨慎地迁移到真实飞控。真实环境必须进行完整的传感器（罗盘、加速度计、水平仪）校准。
• 通信链路可靠性：仿真中使用的是本地 UDP 回环，延迟极低。真实系统中需考虑数传电台的带宽、延迟和丢包，并在 ROS2 节点中增加相应的超时和重试机制。
• 安全机制：在真实系统中，必须实现心跳监测、失控保护（Return-to-Launch）、紧急上浮等安全逻辑，这些在仿真阶段就应设计并测试。

通过 ROS2 + Gazebo + ArduSub 的集成，我们构建了一个从算法仿真到硬件在环的完整水下机器人研发管道。这个管道极大地降低了开发风险与成本，使得复杂的自主水下任务开发变得可迭代、可测试。接下来的方向，是根据你的具体任务需求，在 Gazebo 中构建更逼真的水下场景，在 ROS2 中开发更智能的感知与决策节点，并利用 ArduSub 稳定的底层控制，最终将代码安全地部署到真实的海洋探索者身上。