ROS-LLM

ROS-LLM 是一个用于实现具身智能应用的 ROS 框架。它支持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，适用于所有基于 ROS 的机器人。

通过 ROS-LLM，你可以利用如 GPT-4 和 ChatGPT 大型语言模型的能力，实现机器人决策制定和控制。

这个框架设计得易于扩展。只需按照提供的示例为你的机器人提供一个函数接口，你就可以在十分钟内将 ROS-LLM 集成并使用。

ROS-LLM 提供了一个简单的方法，快速创建与任意机器人互动和控制体验。

🚀 功能特性

• 🤖 ROS 集成：平滑地与机器人操作系统（ROS）交互，实现广泛的机器人控制。

• 🧠 大型语言模型支持：利用 GPT-4 和 ChatGPT 进行增强的决策制定和任务管理。

• 🗣️ 自然交互：通过对话参与促进与机器人的直观沟通。

• 🔄 灵活控制：根据语言模型解析，利用 LLM 系统执行如运动和导航等任务。

• 🔌 简化扩展性：提供简单的接口，实现无缝的机器人功能集成。

• 🛠️ 快捷开发：迅速创建交互式的机器人控制体验，有时仅需十分钟。

• 📚 教程示例：提供详尽的教学示例以便理解和实施。

• 🗃️ 历史存储：保存本地聊天记录，方便回顾和参考。

🔥 快速入门指南

按照以下步骤设置 ROS-LLM：

1. 克隆仓库：

使用以下命令克隆仓库。

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

2. 安装依赖项：

导航到 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：

如果你还没有 OpenAI API 密钥，可以在 OpenAI 平台 获取。使用以下脚本来配置你的 OpenAI API 密钥。

cd ROS-LLM/llm_install
bash config_openai_api_key.sh

4. 配置 AWS 设置（可选）：

为了实现云上自然交互能力，配置 AWS 设置。如果偏好使用本地 ASR，则可以跳过此步。

对于低性能边缘嵌入式平台，推荐使用 ASR 云服务以减轻计算压力；对于高性能个人主机，建议使用本地 ASR 服务以加快响应速度。

cd ROS-LLM/llm_install
bash config_aws.sh

4. 配置 OpenAI Whisper 设置（可选）：

为了实现本地自然交互能力，配置 OpenAI Whisper 设置。如果偏好使用云端 ASR，则可以跳过此步。

对于低性能边缘嵌入式平台，建议使用 ASR 云服务减轻计算压力；对于高性能个人主机，建议使用本地 ASR 服务加速响应。

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

5. 构建工作区：

导航到你的工作区目录并构建工作区。

cd <你的工作区>
rosdep install --from-paths src --ignore-src -r -y  # 安装依赖
colcon build --symlink-install

6. 运行演示：

源化设置脚本，并使用云端 ASR 启动 TurtleSim 演示。

source <你的工作区>/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

⚙️ 配置你自己的机器人（可选）

要将自己的机器人与框架一起使用，修改 llm_robot 和 llm_config 包以适应你机器人的规格。这允许你自定义机器人的行为。

🧑‍💻 未来开发计划

我们持续努力改进 ROS-LLM，以更好地服务于社区中的开发者和机器人专家。以下是未来更新中计划的关键开发：

• 代理机制

添加代理机制以更好地分割长序列任务。

• 外部函数反馈通道

我们计划添加一种让机器人从外部功能接收信息的机制。这将极大地辅助模型基

👋致用户

如果您觉得这个项目对您有所帮助，请考虑在GitHub上给它点一个✨星标！您的支持能帮助我们改进项目，并激发更进一步的发展。别忘了也把它分享给可能受益的朋友和同事哦。感谢您的支持！

🏆 贡献指南

欢迎贡献！在提交Pull Request之前，请先阅读贡献指南。

📄 许可证

版权所有 2023 额尔赫尼·叶@Auromix
根据Apache License 2.0（“许可”）授权；
除非遵守许可，否则您不得使用此文件。
您可以在此处获取许可的副本：http://www.apache.org/licenses/LICENSE-2.0
除非根据适用法律要求或书面同意，软件
在许可下分发是基于“原样”基础的，
没有任何明示或暗示的保证或条件。
参阅许可以了解特定的权限和限制规定。