基于Bullet物理引擎的机器人仿真实验平台设计

黄弢，汪迪，万晨晖，马瑞启，许 洋

（华中科技大学机械科学与工程学院，武汉 430074）

0 引言

实验教学是高校创新实践人才培养的重要手段［1］，机器人教学是工程类实验教学中重要的组成部分［2］，在实验教学中，受限于现场条件和传统工业机器人的价格，可用的实验资源往往有限，学习成本较高。借助计算机仿真技术，可在软件中集成虚拟仿真模块，自定义仿真场景［3］。

目前，国内外比较通用的机器人仿真软件有VREP、Gazebo和Webots 等［4］。V-REP是一款灵活的通用机器人仿真器，支持嵌入式脚本，插件和ROS 节点［6］，自2019 年后改名为CoppeliaSim，V-REP已经停止更新。Gazebo可构建机器人运动仿真模型，支持传感器数据的仿真［7］，主要配合ROS 仿真在Linux 平台使用。Webots自带众多不同种类传感器和驱动器［8］，近年来在四足类机器人仿真上应用广泛［9］。现有平台的不足之处在于，它们只是一个仿真工具，而非一个实验工具，为完成实验往往需要多个软件相互配合，学习成本高，开发一款具备机器人仿真功能与实验设计的平台则具有较大意义。

工业机器人中应用较为广泛的是示教编程，即通过示教器控制机器人移动，在运动过程中记录相应的关节位置，完成示教操作。这种示教方式过于简单和低效，并不适用于机器人学科教学。一种较好的方式是类似于Matlab 脚本化、交互式编程，既可通过类的方式封装简易调用函数，也可以赋予用户自己实现算法的能力。

为使机器人仿真实验平台更具灵活性和可扩展性，采用以Bullet为仿真引擎，以Lua 为交互式操作语言、Qt为图形框架和节点图和数据流驱动为实验系统的技术方案。体架构设计如图1 所示。

图1 基于Bullet引擎的机器人仿真实验平台整体架构

其中，仿真层为机器人仿真的核心实现，由OpenGL提供场景管理与视图管理，Bullet 提供物理运算，如碰撞检测、运动学运算和动力学运算等。操纵层面向用户，以函数和功能节点的方式向用户提供对仿真层的功能访问。

1 基于Bullet引擎的机器人仿真

1.1 Bullet与OpenGL的关联

Bullet是一种应用广泛的物理引擎，支持多个平台［10］。作为一款物理引擎，它并没有提供可视化对象的方法，为可视化Bullet对象，还需要使用OpenGL，它的接口与图形卡硬件非常接近，处理底层命令，尤其是图形应用程序，是一项烦琐的任务，例如Glut、FreeGlut、Glfw库可以用来简化工作，这类库通常可称为包装器，另外它还负责应用程序的启动、控制和输入处理［13］。

物理计算方面由Bullet 提供的相关接口实现，主要涉及的核心对象有世界对象、碰撞配置、碰撞检测、约束解算器和碰撞调度器等多种。物理和图形部分需要进行运动状态绑定和几何更新，以便根据物理引擎计算的位姿变换矩阵更新几何显示。采用物理和图形分离的架构能降低程序耦合，便于功能扩展［14］。

图2 渲染场景的一般流程

在创建OpenGL上下文之后，将解析OpenGL函数指针，即调用硬件平台的函数实现，所有OpenGL命令都会用来改变当前上下文的状态信息，OpenGL 根据上下文的状态信息进行渲染工作。

1.2 Bullet与OpenGL的绑定

Bullet保持其核心组件的相同模块化设计，甚至包括单个物理对象。这使得可通过随意互换或替换物理对象的组件来定制它们。在Bullet中构建物理对象需要3 个组件：

（1）碰撞形状（Collision Shape）。定义物体的体积和形状，可以是长方体、球体、圆柱体或其他更为复杂的形状，决定了物体与其他物体在碰撞时的响应方式。

（2）运动状态（Motion State）。跟踪物体的运动状态，运动状态的工作是记录对象的当前位置和方向。

（3）碰撞对象（Collision Object）。作为对象的主控制器，管理前面提到的组件和对象的物理属性。碰撞物体是物理物体的基本组成部分，因为它们保持了物体的物理属性。

文献[19]显示，当模型的水平范围为8～10倍隧道直径时，即可获得较高的计算精度。本文建立了二维弹塑性动力有限元模型，模型水平方向为80 m，竖直方向为60 m，盾构隧道直径为6 m。

从创建Bullet对象，配置相应的物理参数，到步进模拟，场景渲染基本流程如图3 所示。

图3 场景渲染、基本流程

在创建Bullet对象之后，在OpenGL中同步创建几何形状，其关键在于运动状态的绑定，这一步骤是通过指针方式设定运动状态。既当物理模型中的运动状态更新时，用于描述运动状态的变量值会同步更新，当渲染场景时，通过指针来访问描述运动状态的变量，此时即可实现状态的同步更新。

2 基于Lua的交互式编程

Lua 是一种嵌入式脚本语言，扩展性好，容易与C／C++语言结合。Lua的目标是仅提供一些很有限但却很强大的语言机制［11］。Lua 是基于关联数组和扩展性语法结构设计的语言，支持动态定义类型，内存自动回收机制，常被用于嵌入其他宿主语言［12］。

将Bullet相关功能封装为C ++接口，即可实现基于C++语言的机器人仿真，但C ++程序需要编译，无法脱离开发环境存在，不便于用在实际的教学环境。Lua语言提供了一种在Lua中调用C++函数的机制。

2.1 C ＋＋接口的绑定

Lua与C／C++语言之间的通信，主要是通过一个虚拟堆栈进行。Lua 给C ++语言提供了API 来对堆栈进行操作，这些API 就好比两者之间通信的协议。C++与Lua的常规绑定方法如下：

（1）在C++中提供具体的函数

（2）在C++中按照指定格式提供回调函数，调用具体的函数

（3）在C++中注册回调函数

可见，对于每一个需要在Lua 中调用的C ++函数，都需要一系列较为繁琐的绑定过程。对于Qt环境而言，使用QtLua 库可以大大简化这一过程。它提供了有用的C++包装器类，以使Lua 和C ++都可访问C++和Lua 对象。利用Qt 元对象系统的优势将QObject成员公开给Lua脚本。其特点如下：

（1）不公开基于Lua 堆栈的CAPI，仅从C ++代码操纵QtLua：：State和QtLua：：Value 之类的C ++对象。

（2）通过继承QtLua：：UserData类，可将C++对象作为用户数据值提供给Lua。可通过覆盖虚拟函数来重新定义所有Lua 元操作，包括对来自Lua 的userdata对象的迭代。

（3）可以将QtLua：：Function 类子类化，以轻松定义可从Lua 调用的C ++函数对象。使用QtLua 绑定Lua与C++的基本流程如图4 所示。

图4 在C++中绑定Lua的基本流程

创造LuaState，用于储存Lua 变量值的虚拟堆栈，启用Lua的标准库，注册自定义对象。如自定义变量（属性）、自定义函数对象和自定义类对象。然后就可以通过state执行Lua语句，Lua中注册的C ++对象均可通过Lua语句来调用或赋值。

2.2 基于节点图的图形化编程

基于节点图的控制方式是对基于Lua控制方式的一层封装，实现了以事件驱动的方式来调用Lua，并将设备和功能块抽象为节点，节点之间的数据传递方式通过连线来定义。

在现有基于Lua 脚本的控制模式下，已可进行构建机器人仿真场景，分析仿真结果等操作。在复杂的机器人场景中，往往需要多台机器人相互协作共同完成实验任务，为实现灵活的机器人运动控制，可根据不同实验场景进行机器人组态［16］。本平台设计了一种基于事件驱动的图形节点编程工具。

节点编辑工具在建模类工具中应用广泛，如Blender的材质编辑和模型渲染节点图。其基本流程为事先定义数据模型并将其注册到数据模型注册表，构造节点并与对应的数据模型进行绑定，用户操作信号或者定时器信号、通信信号等将触发模型计算，计算结果将传播到输出连接，每个新连接都会获取可用的数据并进一步传播，数据节点的组成如图5 所示。

图5 数据节点的组成

数据节点采用数据模型和图形节点分离的设计模式，数据模型负责定义端口、数据输入、输出和数据运算等，而图形节点则定义了图形的外观样式、几何形状和连接状态等。

本平台将图形节点和Lua 脚本融合，实现一种形如Simulink中Matlab Function的效果。在节点从构造到数据输入、输出的不同阶段，将执行不同的函数。Lua脚本节点生命周期中所执行的函数如图6 所示。

图6 Lua脚本节点生命周期中所执行的函数

其中构造函数和初始化函数只执行一遍，而数据输入触发的运算类函数将在每次输入数据时执行。在Lua函数中通过调用获取节点数据函数，将数据从C++环境中拷贝到Lua 环境，编写相应的处理逻辑，调用输出节点数据函数，将数据节点数据传播到下个节点。

3 实验验证

3.1 Scara机器人解析G代码绘图

节点图的典型优势在于基于数据流驱动的控制逻辑，避免了循环扫描指令的CPU 负荷，同时图形化交互和事件驱动方式符合人的控制直觉。可将典型的功能块封装为图形节点，用户只需要考虑输入和输出，而不用关注内部的实现细节。节点之间具有低耦合的特性，可根据实际的逻辑将不同的节点进行连接和组合。

图7 是一个G代码解析并控制Scara机器人绘图的一个案例，Gcoder 模块负责G 代码的解析，将解析得到的点位通过输出端口输出，连接到一个散点图模块和机器人“反解驱动”模块，“反解驱动”模块的输出端口输出机器人实际末端轨迹。

图7 Scara机器人绘图案例

Scara机器人绘图实验流程如图8 所示。

图8 Scara机器人绘图流程

通过Gcoder模块导入G代码文件并解析，将开启一段定时循环，不断输出点位数据，虚线框中的内容在“反解驱动”节点中实现。G代码解析并执行完毕后，运行效果如图9 所示。

图9 Scara机器人绘图效果

发现最终运动得到的路径与期望路径基本一致，达到预期的实验目的，如图10 所示。

图10 机器人末端理论轨迹与实际轨迹

3.2 Scara机器人抓取物体

本实验平台支持多种实验场景，通过导入不同机器人模型可进行不同的实验。得益于Bullet的碰撞检测功能，能在机器人场景中模拟抓取实验。Scara机器人抓取案例脚本实验界面如图11 所示。

图11 Scara机器人抓取案例脚本

游戏手柄是一种典型的输入设备，通过操纵按钮和摇杆可以向计算机发送相应的触发信号和键值，是一种典型的事件发生装置。在实验平台中，游戏手柄作为输入设备被定义为功能节点，它的按键信号被映射到节点的输出端口，并与后续的逻辑处理节点相连接。当按下或松开手柄的某一个键时，对应的端口将发射一个数据更新信号，并将数据传递到下一个节点。

手柄的前后左右摇杆来控制Scara 机器人末端的平面移动方向，上下键来控制机器人升降。而B、A功能键用于控制末端执行器——卡爪的开合，Scara机器人抓取效果如图12 所示。

图12 Scara机器人抓取效果

由Scara机器人解析G代码绘图和抓取物体实验中可见，本平台能够快速搭建仿真实验，并对结果进行实时可视化分析。机器人功能的节点化使得实验平台具有较高的可重构性和可扩展性，能适应机器人实验的多样化。

4 结语

基于Bullet 设计了一种机器人仿真实验平台，具备运动学解算、碰撞检测与轨迹可视化功能。通过使用数据流节点图作为逻辑手段，将计算模块和通信模块封装为功能节点，大大降低了实验搭建的难度。通过图形连接定义运算逻辑的方式，便于用户快速理解实验架构。应用实例表明，该平台功能完善，可扩展性强，兼具脚本语言的灵活性与图形化语言的便捷性，适用机器人的多种实验场景。