ROS 机器人工程师30 天突击学习计划(超详细・日更版)第一天 Linux

第 1 周:Linux + C++/Python + ROS 基础(Day1~7)

Day1:Linux 终端命令(ROS 90% 操作都靠它)

上午 9:00–11:30 | 必背命令

查看日志 / 进程bash运行

top # 看CPU htop # 更直观 dmesg # 系统日志 

文件操作bash运行

ls -la # 看所有文件 cd # 进入目录 pwd # 显示当前路径 mkdir -p # 递归创建文件夹 rm -rf # 删除(谨慎) cp -r # 复制文件夹 mv # 移动/重命名 

下午 14:00–17:00 | 权限 + 包管理

bash

运行

sudo chmod 777 file sudo chown -R user:user folder sudo apt update sudo apt install xxx 

晚上 19:00–20:30 | 练习

  • 建一个 ros_ws/src 目录,来回复制删除验收:不看笔记能敲出 15 条常用命令面试点:Linux 在 ROS 里用来干什么?(启动、编译、调试、部署)

什么?(启动、编译、调试、部署)

1. 建立 ros_ws/src 目录并完成复制、删除、验收操作
在终端里操作(假设你用的是 Ubuntu + ROS Noetic/Kinetic/Melodic 等):
bash

# 1. 创建 ROS 工作空间目录结构
mkdir -p ~/ros_ws/src

# 2. 进入 src 目录(此时为空)
cd  ~/ros_ws/src

# 3. 创建一个示例功能包用于测试(假设用 catkin_create_pkg)
#    这里用 rospy 和 std_msgs 作为依赖示例
catkin_create_pkg hello_ros rospy std_msgs

# 4. 回到工作空间根目录
cd  ~/ros_ws

# 5. 编译工作空间(第一次编译会生成 build 和 devel)
catkin_make

# 6. 复制一份 src 目录做备份(验收用)
cp   -r src src_backup

# 7. 查看备份是否成功
ls -l

# 8. 删除刚创建的备份(验收删除)
rm  -rf src_backup

# 9. 确认删除成功
ls   -l

# 10. 验收:确认 src 里还有 hello_ros 包
ls src
这样就完成了 创建 → 复制 → 删除 → 验收 的流程。
2. 不看笔记能敲出的 15 条常用 ROS 命令(面试常考)
下面列出 15 条高频 ROS 命令(以 ROS1 为例,ROS2 略有差异):
1. roscore — 启动 ROS Master、参数服务器、rosout 节点(必须先运行) 13
2. catkin_create_pkg <pkg_name> [dependencies] — 创建功能包 10
3. catkin_make — 编译工作空间(在 workspace 根目录执行) 10
4. source devel/setup.bash — 设置当前终端的环境变量(使能工作空间) 11
5. rospack find <pkg_name> — 查找功能包路径 22
6. roscd <pkg_name> — 切换到功能包目录 15
7. rosls <pkg_name> — 列出功能包里的文件 15
8. rosrun <pkg_name> <executable> — 运行功能包中的节点 22
9. roslaunch <pkg_name> <file.launch> — 启动 launch 文件(可一次启动多个节点) 10
10. rosnode list — 列出当前运行的节点 21
11. rosnode info <node_name> — 查看节点信息(话题、服务、参数) 13
12. rostopic list — 列出当前活跃的话题 9
13. rostopic echo <topic_name> — 打印话题消息内容 9
14. rostopic pub <topic_name> <msg_type> <args> — 发布话题消息 9
15. rosparam list — 列出参数服务器上的参数 9
3. Linux 在 ROS 里用来干什么?(启动、编译、调试、部署)
Linux 是 ROS 的主要运行平台,在 ROS 的启动、编译、调试、部署各环节都扮演核心角色:
1. 启动
◦ ROS 节点本质是 Linux 下的进程,roscore、rosrun、roslaunch 都是在 Linux Shell 中执行的命令。 9
◦ roslaunch 会调用 Python 脚本解析 XML 并启动多个 Linux 进程(节点)。 26
2. 编译
◦ ROS 使用 catkin(基于 CMake)构建系统,编译过程依赖 Linux 下的 GCC/G++ 编译器、make 工具。
◦ catkin_make 或 catkin build 在 Linux 终端执行,生成可执行文件放在 devel/lib/<pkg>/ 或 install/ 目录。
3. 调试
◦ 常用 Linux 命令配合 ROS 工具调试:rosnode、rostopic、rosparam、rqt_graph、rqt_console、gdb(C++ 节点调试)、valgrind(内存检查)。 10
◦ 利用 Linux 的进程管理(ps, kill, top)查看和控制 ROS 节点。
4. 部署
◦ 机器人实际运行时通常在 Linux 系统(如 Ubuntu)上,将编译好的工作空间 install 或 devel 目录部署到目标机。
◦ 通过 Linux 的 shell 脚本或 systemd 服务实现开机自启动 ROS 节点(如 roslaunch 在 .bashrc 或启动脚本中自动运行)。
一句话总结:
Linux 为 ROS 提供了进程管理、编译链、调试工具和运行环境,是 ROS 开发、测试、部署的基石,所有启动、编译、调试、部署操作都依赖 Linux 的 Shell 环境与系统工具链。

Read more

重新定义创意边界:Seedream 4.0深度测评——从个人创作到企业级生产的AI图像革命

重新定义创意边界:Seedream 4.0深度测评——从个人创作到企业级生产的AI图像革命

一、引言:AI图像创作的“奇点时刻”” 2025年的AI赛道,图像生成领域正经历一场“效率革命”。从Midjourney的写实风格到DALL·E 3的语义理解,技术迭代速度远超行业预期。然而,用户痛点始终存在: * 创作流程割裂:生成、编辑、排版需切换多个工具,设计师日均耗时超3小时在“导出-导入”的重复操作中; * 一致性失控:多图合成时,人物比例、光影逻辑、风格统一性常需手动修正,电商海报批量生产效率低下; * 企业部署门槛高:私有化部署成本高昂,API调用缺乏行业适配方案,中小团队难以规模化应用。 字节跳动交出的答案——Seedream 4.0,以“多模态创意引擎”为定位,试图打破技术壁垒,将图像生成、编辑、排版、多图融合等功能整合为“一站式解决方案”。本文将从产品定位、技术突破、趣味玩法、企业应用四大维度,结合真实测试案例,解析这款工具如何重新定义AI图像创作的生产力边界。 二、

Harness Engineering — AI 时代的工程最佳实践

OpenAI 用 5 个月、0 行手写代码,让 Codex Agent 生成了 100 万行代码的产品。效率是传统开发的 10 倍。本文提炼其核心方法论 "Harness Engineering" 为可落地的最佳实践,帮你在 Agent-First 时代少踩坑。 你正在经历这些痛点吗? 如果你已经在用 AI Agent 辅助开发,以下场景大概率似曾相识: 架构漂移失控 — Agent 不理解你的架构意图,生成的代码悄悄越过模块边界,service 层调了 controller 的工具类,循环依赖无声蔓延。你以为只是一个小功能,review 时发现依赖图已经面目全非。 技术债务指数级堆积 — 人写代码,技术债务是线性增长;Agent 写代码,技术债务是指数增长。Agent 不会主动清理上一轮遗留的废代码,

TRAE IDE 从入门到精通:打造你的 AI 超级开发伙伴

前言:为什么你需要 TRAE? 在 2024–2026 年,AI 编程助手已从“代码补全工具”进化为“自主工程代理”。GitHub Copilot、Cursor、CodeWhisperer 等工具虽能辅助编码,但大多停留在“被动响应”阶段——你写提示,它生成片段。 而 TRAE(The Real AI Engineer) 则代表了下一阶段:主动理解、自主规划、闭环执行。它不仅能写代码,还能: * 分析需求文档; * 设计系统架构; * 编写测试用例; * 部署到云平台; * 监控线上异常并修复。 这一切,都在 TRAE IDE 中完成——一个专为 AI 工程师打造的原生开发环境。 本文将带你 从零开始,逐步深入,

春节寒假作业辅导:基于 Rokid 灵珠平台打造 AI Glasses 作业助手

春节寒假作业辅导:基于 Rokid 灵珠平台打造 AI Glasses 作业助手

本文应用基于Rokid灵珠智能体/CXR SDK开发,开发指南https://forum.rokid.com/index 文章目录 * 一、引言:为什么我们需要一个 AI Glasses 作业助手? * 二、方案设计与架构 * 2.1 核心功能定义 * 2.2 端到端架构(AI Glasses) * 2.3 业务流程架构 * 三、开发实战:手把手搭建“作业救星” * 3.1 准备工作 * 3.2 步骤一:创建知识库(资源准备) * 3.3 步骤二:创建智能体(Agent) * 3.4 步骤三:搭建核心工作流(Workflow)