Gazebo是ROS系统中最为常用的三维物理仿真平台，支持动力学引擎，可以实现高质量的图形渲染，不仅可以模拟机器人及周边环境，还可以加入摩擦力、弹性系数等物理属性。
类似Gazebo这样的仿真平台，可以帮助我们验证机器人算法、优化机器人设计、测试机器人场景应用，为机器人开发提供更多可能。
为了确保系统中已经完整安装了Gazebo相关的功能包，可以通过这样一个命令，简单直接的把和gazebo相关的包都给装上：
sudo apt install ros-humble-gazebo-*星号为通配符，表示“ros-humble-gazebo-”开头的所有相关包都安装。
通过这句命令就可以启动：
ros2 launch gazebo_ros gazebo.launch.py启动时可能遇到无法启动的问题，根据deepseek老师所言，是图形渲染加载失败，导致启动失败。这应该主要是环境内不能直接检索到一些gazebo的相关指令导致的。可以运行以下语句将gazebo添加到终端环境：
source /usr/share/gazebo/setup.sh然后就可以正常启动了。
为方便之后的处理，可以将该语句也加入到home（即~）目录下的.bashrc文件内。
此外，可以将自己下载的外部模型导入到gazebo里，具体路径在~/.gazebo/models内，其中.gazebo文件夹是一个隐藏文件夹，需要打开查看隐藏文件夹才可以看到。将模型文件移入对应地方后，就可以在gazebo页面左侧标签栏的insert标签里找到对应模型了。
仿真使用XACRO进行机器人建模。这是一个类似上一期URDF的建模方式，但更加专业与深入，能更自由地实现更多功能。
相对URDF，XACRO增加的优点有：
宏定义，一个小车有4个轮子，每个轮子都一样，我们就没必要创建4个一样的link，像函数定义一样，做一个可重复使用的模块就可以了。
文件包含，复杂机器人的模型文件可能会很长，为了切分不同的模块，比如底盘、传感器，我们还可以把不同模块的模型放置在不同的文件中，然后再用一个总体文件做包含调用。
可编程接口，比如在XACRO模型文件中，定义一些常量，描述机器人的尺寸，定义一些变量，在调用宏定义的时候传递数据，还可以在模型中做数据计算，甚至加入条件语句，比如你的机器人叫A，就有摄像头，如果叫B，就没有摄像头。
XACRO建模过程就像写代码一样，功能更为丰富。
首先用这句命令安装必要的功能包：
sudo apt install ros-humble-xacroXACRO文件语法：
可以用<xacro:property>标签用来定义一些常量。比如这样定义一个PI的常量名为“M_PI”，值为“3.14159”，在调用的时候，通过$加大括号，里边就可以使用定义好的常量了：
如果需要做数学计算，同样是在“${}”中进行，比如某一个位置，我们可以通过这两个常量做运算得到，就加入了加法和除法运算：
尽量都写作公式计算，既方便理清思路，以后看到能想到数据怎么来的，也能在修改参数时自动随公式更新一些关键数据。
xacro的宏定义功能，其定义方式是通过这个<xacro:macro>标签描述的，还可以像函数一样，设置里边会用到的一些参数，比如这里的A、B、C。
当需要使用这个宏的时候，就可以像这样，通过宏名字的标签，来调用，同时要记得把几个参数设置好。
（图片有点小误差，其实调用应该是<xacro:name 参数传递/>这样子，需要在名字前加上xacro。）
车轮宏定义和调用示例：
然后是文件包含，和c/c++中的include一样，包含其他文件后就可以使用其他文件定义的宏定义等了，这也属于一种宏定义的嵌套。
仿真还需要一些必备的模块和参数 。
- 完善物理参数:因为Gazebo是物理仿真平台，必要的物理参数是一定需要的，所以确保每一个link都有惯性参数和碰撞属性。
- 添加Gazebo标签：主要是为了可以在gazebo中渲染每一个link的颜色，因为URDF中的颜色系统和gazebo中的不同，所以得做一步这样的冗余配置。
- 配置传动装置：给运动的joint配置传动装置，可以理解为仿真了一个电机。
- 添加控制器插件：添加一个gazebo的控制器插件，小车是差速控制的，那就添加差速控制器插件，这样在不同角度下两个电机的速度分配，就可以交给控制器插件来完成了。
在launch中启动gazebo并加载模型的一个示例代码如下：
import os
from ament_index_python.packages import get_package_share_directory
from launch import LaunchDescription
from launch.actions import IncludeLaunchDescription
from launch.launch_description_sources import PythonLaunchDescriptionSource
from launch_ros.actions import Node
def generate_launch_description():
# Include the robot_state_publisher launch file, provided by our own package. Force sim time to be enabled
# !!! MAKE SURE YOU SET THE PACKAGE NAME CORRECTLY !!!
package_name='learning_gazebo' #<--- CHANGE ME
world_file_path = 'worlds/neighborhood.world'
pkg_path = os.path.join(get_package_share_directory(package_name))
world_path = os.path.join(pkg_path, world_file_path)
# Pose where we want to spawn the robot
spawn_x_val = '0.0'
spawn_y_val = '0.0'
spawn_z_val = '0.0'
spawn_yaw_val = '0.0'
mbot = IncludeLaunchDescription( # 配置机器人模型
PythonLaunchDescriptionSource([os.path.join(
get_package_share_directory(package_name),'launch','mbot.launch.py' # 调用另一个launch文件
)]), launch_arguments={'use_sim_time': 'true', 'world':world_path}.items()
)
# Include the Gazebo launch file, provided by the gazebo_ros package
gazebo = IncludeLaunchDescription( # 启动gazebo，但是一个空的、没有任何模型的gazebo
PythonLaunchDescriptionSource([os.path.join(
get_package_share_directory('gazebo_ros'), 'launch', 'gazebo.launch.py')]),
)
# Run the spawner node from the gazebo_ros package. The entity name doesn't really matter if you only have a single robot.
spawn_entity = Node(package='gazebo_ros', executable='spawn_entity.py', # 启动一个加载模型的节点
arguments=['-topic', 'robot_description', # 表示机器人模型文件的管理路径
'-entity', 'mbot', # 加载后机器人的名字
'-x', spawn_x_val, # 放出机器人的位置
'-y', spawn_y_val,
'-z', spawn_z_val,
'-Y', spawn_yaw_val],
output='screen')
# Launch them all!
return LaunchDescription([
mbot,
gazebo,
spawn_entity,
])
配置机器人模型时，启动了另一个launch文件，其内容如下：
import os
from ament_index_python.packages import get_package_share_directory
from launch import LaunchDescription
from launch.substitutions import LaunchConfiguration
from launch.actions import DeclareLaunchArgument
from launch_ros.actions import Node
import xacro
def generate_launch_description():
# Check if we're told to use sim time
use_sim_time = LaunchConfiguration('use_sim_time')
# Process the URDF file
pkg_path = os.path.join(get_package_share_directory('learning_gazebo'))
xacro_file = os.path.join(pkg_path,'urdf','mbot_gazebo.xacro') # 指定模型路径
robot_description_config = xacro.process_file(xacro_file)
# Create a robot_state_publisher node
params = {'robot_description': robot_description_config.toxml(), 'use_sim_time': use_sim_time} # 创建一个参数保存模型的地址
node_robot_state_publisher = Node( # 运行一个节点
package='robot_state_publisher', # 一个常用于维护机器人关系的包
executable='robot_state_publisher', # 一个常用于维护机器人关系的节点
output='screen',
parameters=[params]
)
# Launch!
return LaunchDescription([ # 启动launch文件
DeclareLaunchArgument( # 设置仿真参数
'use_sim_time', # 控制是否使用仿真时间的一个参数
default_value='false', # 不使用
description='Use sim time if true'),
node_robot_state_publisher # 启动上面定义的node_robot_state_publisher节点
])
启动该程序可以分别在两个命令行窗口分别用以下两条语句：
ros2 launch learning_gazebo load_urdf_into_gazebo.launch.py
ros2 run teleop_twist_keyboard teleop_twist_keyboard 第一个指令启动并渲染仿真界面，第二个指令启动按键控制。
需要注意的是，第一个指令内用到了许多官方模型，gazebo会自动联网下载并存放在前文提到的~/.gazebo/models地址。不过由于官网地址在国外，虚拟机内直接自行连接并下载大概率会失败，导致启动失败，此时需要自己从别处下载并放置在对应文件夹下。
这边使用的是物理机下载，并通过finalshell传输给虚拟机。
在物理机的命令行窗口运行：
git clone https://github.com/osrf/gazebo_models.git即可实现模型的下载。通过finalshell将模型文件传输至指定地点后，上面的命令就可以正常运行了。
随着技术的进步，Gazebo仿真平台也在不断迭代，新一代的Gazebo命名为Ignition，从渲染效果和仿真流畅度上都有较大的变化。
可以在命令行窗口通过以下方式下载：
sudo apt install ros-humble-ros-ign 然后通过以下方式打开：
ros2 launch ros_ign_gazebo_demos rgbd_camera_bridge.launch.py