ROS-LLM

ROS-LLM 项目介绍

ROS-LLM项目是一个用于机器人智能应用的ROS框架，帮助实现自然语言交互以及基于大型模型的机器人运动和导航控制。通过这个框架，任何运行ROS的机器人都可以实现与GPT-4和ChatGPT等大型语言模型的交互，从而提升决策和控制能力。

项目特点

• ROS集成：与机器人操作系统（ROS）无缝协作，支持广泛的机器人控制。

• 大型语言模型支持：利用GPT-4 与 ChatGPT等模型，增强机器人决策和任务管理能力。

• 自然交互：提供与机器人直观的对话式交流。

• 灵活控制：通过语言模型解读实现运动和导航任务的控制。

• 简化的扩展性：提供简单的接口，便于机器人功能集成。

• 快速开发：快速创建机器人的交互和控制体验，通常只需不到十分钟。

• 教学示例：提供全面的教程和示例，便于理解和实施。

• 历史记录存储：保留本地聊天记录，以便回顾和参考。

快速开始指南

以下是设置ROS-LLM的步骤：

1. 克隆代码库：

git clone https://github.com/Auromix/ROS-LLM.git

2. 安装依赖：

进入llm_install目录并执行安装脚本。

cd ROS-LLM/llm_install
bash dependencies_install.sh

3. 配置OpenAI设置：

如果没有OpenAI API密钥，可以从OpenAI Platform获取。使用脚本配置OpenAI API密钥。

cd ROS-LLM/llm_install
bash config_openai_api_key.sh

4. 配置AWS设置（可选）：

为了实现云端的自然交互能力可以配置AWS设置。对于低性能的边缘嵌入式平台，建议使用ASR云服务以降低计算压力，而对于高性能的个人主机，建议使用本地ASR服务以加快响应。

cd ROS-LLM/llm_install
bash config_aws.sh

5. 配置OpenAI Whisper设置（可选）：

如需使用本地自然交互能力，配置OpenAI Whisper设置。如果使用云端ASR，此步骤可跳过。

pip install -U openai-whisper
pip install setuptools-rust

6. 构建工作空间：

转到工作空间目录并构建。

cd <your_ws>
rosdep install --from-paths src --ignore-src -r -y  # 安装依赖
colcon build --symlink-install

7. 运行示例：

启动设置脚本，并通过云端ASR启动Turtlesim演示。

source <your_ws>/install/setup.bash
ros2 launch llm_bringup chatgpt_with_turtle_robot.launch.py

开始监听

ros2 topic pub /llm_state std_msgs/msg/String "data: 'listening'" -1

配置您自己的机器人（可选）

要使用该框架与您的机器人配合，可修改llm_robot和llm_config包以满足机器人规格，这可让您定制机器人的行为。

未来开发计划

开发团队正在不断努力提高ROS-LLM，以更好地服务社区中的开发者和机器人学者。未来更新计划包括：

• 添加支持长序列任务的代理机制。
• 增加从外部功能接收信息的反馈通道。
• 新增机器人导航接口。
• 添加其它传感器输入接口，增强环境感知。
• 提升视觉模型，如Palm-e的集成。
• 持续优化框架，提高其合理性和可扩展性。

关注该项目的更新，欢迎社区的建议与贡献。

用户提示

如果您觉得该项目有用，请考虑在GitHub上给它一个⭐️星标，您的支持可以帮助我们提升项目并鼓励更多的开发。谢谢您的支持！

参与贡献

欢迎贡献！在提交请求前，请阅读贡献指南。

许可证

该项目使用Apache License 2.0开放源代码。详细信息请参阅许可证文件。