featherbirdsu/embodied-ai

Docker镜像技术文档

1. franka-humble-0919镜像

1.1 镜像概述和主要用途

franka-humble-0919是基于ROS2 Humble版本构建的Docker镜像，集成了Franka Research 3（FR3）机器人开发所需的全套工具链。主要用途包括：

• 提供FR3机器人的ROS2接口支持
• 集成运动控制、感知处理等核心开发组件
• 简化FR3相关应用的部署与环境一致性维护

1.2 核心功能和特性

• 基础环境：基于Ubuntu 22.04（ROS2 Humble默认系统），预装ROS2 Humble核心组件
• FR3工具集成：包含franka_ros2功能包、FR3机器人驱动、控制库及示例代码
• 兼容性：兼容Franka Research 3机器人硬件及官方SDK
• 开发支持：内置C++/Python开发依赖，支持ROS2节点开发、仿真与调试

1.3 使用场景和适用范围

• 学术研究：FR3机器人相关的运动规划、人机交互算法开发
• 工业自动化：基于FR3的协作机器人应用原型验证
• 教育场景：ROS2与机器人控制课程的实践环境
• 适用对象：机器人研发工程师、高校实验室、自动化领域开发者

1.4 使用方法和配置说明

1.4.1 前置依赖

• Docker Engine（20.10+）
• 网络环境（需访问FR3机器人或仿真器）
• （可选）NVIDIA显卡及nvidia-docker2（若需GPU加速仿真）

1.4.2 镜像拉取

bash
docker pull [镜像仓库地址]/franka-humble-0919  # 需替换为实际仓库地址

1.4.3 容器启动命令

基础启动（无GPU）：

bash
docker run -it --network host --name fr3-dev \
  -v $(pwd)/fr3_ws:/root/fr3_ws \  # 挂载本地工作区（可选）
  [镜像仓库地址]/franka-humble-0919

带GPU加速（如Gazebo仿真）：

bash
docker run -it --network host --gpus all --name fr3-dev-gpu \
  -v $(pwd)/fr3_ws:/root/fr3_ws \
  [镜像仓库地址]/franka-humble-0919

1.4.4 配置说明

• 网络模式：建议使用--network host以确保ROS2节点与FR3机器人/仿真器的通信
• 工作区挂载：通过-v挂载本地目录至容器/root/fr3_ws，可持久化保存开发代码
• 环境变量：
  • FRANKA_IP：FR3机器人IP地址（默认：192.168.1.100，可通过-e FRANKA_IP=xxx.xxx.xxx.xxx修改）

1.4.5 功能验证

启动容器后，可通过以下命令测试FR3接口连接：

bash
# 进入容器后执行
source /opt/ros/humble/setup.bash
ros2 run franka_ros2 moveit_example  # 运行示例运动控制节点（需FR3机器人在线或仿真器启动）

2. anygrasp-rtx3090-1013镜像

2.1 镜像概述和主要用途

anygrasp-rtx3090-1013是专为AnyGrasp抓取算法设计的Docker镜像，集成了模型推理、点云处理等核心工具，优化支持NVIDIA高端显卡。主要用途包括：

• AnyGrasp抓取规划算法的部署与测试
• 3D点云数据处理及抓取姿态预测
• 算法性能验证与二次开发

2.2 核心功能和特性

• AnyGrasp工具链：预装AnyGrasp算法库、模型权重及依赖（如PyTorch、Open3D）
• GPU兼容性：支持NVIDIA RTX 3090/3090 Ti/3080 Ti、A6000/A5000/A4000显卡
• 验证工具：工作区（/workspace）内置test.sh脚本，用于自动检测组件完整性
• 环境优化：基于CUDA 11.7+，支持FP16/FP32精度推理

2.3 使用场景和适用范围

• 机器人抓取：工业机器人抓取规划算法开发与测试
• 科研验证：抓取算法性能评估、数据集处理
• 自动化场景：物流分拣、零件装配等场景的抓取策略原型设计
• 适用对象：机器人抓取领域开发者、计算机视觉研究人员

2.4 使用方法和配置说明

2.4.1 前置依赖

• Docker Engine（20.10+）
• NVIDIA显卡驱动（510.xx+，需匹配CUDA 11.7+）
• nvidia-docker2工具包（确保容器GPU访问）

2.4.2 镜像拉取

bash
docker pull [镜像仓库地址]/anygrasp-rtx3090-1013  # 需替换为实际仓库地址

2.4.3 容器启动命令

bash
docker run -it --gpus all --name anygrasp-dev \
  -v $(pwd)/data:/workspace/data \  # 挂载数据集目录（可选）
  -v $(pwd)/output:/workspace/output \  # 挂载推理结果目录（可选）
  -e CUDA_VISIBLE_DEVICES=0 \  # 指定GPU设备（默认使用所有GPU）
  [镜像仓库地址]/anygrasp-rtx3090-1013

2.4.4 配置说明

• GPU配置：必须使用--gpus all或-e CUDA_VISIBLE_DEVICES指定GPU，否则算法无法运行
• 数据挂载：通过-v挂载本地数据集至/workspace/data，推理结果默认保存至/workspace/output
• 环境变量：
  • ANYGRASP_MODEL_PATH：自定义模型权重路径（默认：/workspace/models）
  • BATCH_SIZE：推理批次大小（默认：1，根据GPU显存调整）

2.4.5 安装验证

容器启动后，执行工作区的test.sh脚本验证组件完整性：

bash
# 进入容器后执行
cd /workspace
bash test.sh  # 自动检测CUDA、PyTorch、模型文件及推理功能，输出"All components are working properly"表示验证通过

开发者信息

开发者：FeatherBirdSu