1. 項目概述從“小海龜”到“會說話的機器人”如果你已經跟著教程跑通了ROS的“小海龜”例程讓那個小三角在屏幕上轉了幾圈心里可能會想這確實很酷但離我心目中那個能聽會動、能交互的智能機器人似乎還差了點意思。沒錯經典的“Hello World”之后語音交互往往是點燃項目靈魂、讓機器人真正“活”起來的那把火。想象一下你不再需要埋頭敲擊鍵盤發送速度指令而是直接說一句“小海龜向前走”屏幕上的小三角就應聲而動——這種體驗的飛躍正是ROS語音交互功能帶來的魅力。“ROS學習筆記17 ROS語音交互功能”這個標題指向的正是構建這種自然、直觀人機交互能力的關鍵路徑。它不是一個孤立的節點而是連接感知麥克風、決策你的語音指令解析與執行機器人運動控制的橋梁。無論是控制一臺機械臂完成“抓取”動作還是指揮一輛ROS小車進行“左轉”避障語音交互都極大地降低了操作門檻拓寬了機器人的應用場景。對于開發者而言實現這一功能意味著你需要串聯起音頻采集、語音識別、語義理解、ROS消息發布等多個技術棧是對ROS通信機制話題、服務、動作一次絕佳的綜合實踐。在當前的ROS生態中實現語音交互主要有兩大主流路徑一是利用成熟的云端語音服務API如科大訊飛、百度語音等其識別準確率高、開發快捷但依賴網絡且可能涉及服務費用二是在本地部署開源語音工具包如CMU Sphinx, Vosk, Whisper.cpp等追求離線、低延遲和隱私安全但對本地算力有一定要求。本文將聚焦于更通用、更能體現ROS分布式特性的本地化部署方案帶你從環境搭建、功能包配置到代碼實戰一步步構建一個屬于你自己的、可離線工作的ROS語音交互系統。2. 語音交互系統整體架構設計在動手寫代碼之前我們必須把系統的“藍圖”畫清楚。一個完整的ROS語音交互系統其核心任務是將連續的音頻信號最終轉化為ROS能理解的、可驅動機器人執行具體動作的指令。這個過程可以清晰地劃分為幾個層次分明的模塊。2.1 核心模塊分解與數據流整個系統的數據流如同一條從聲音到行動的流水線音頻采集層這是系統的“耳朵”。它通過電腦或機器人本體的麥克風持續錄制環境中的聲音。在ROS中我們通常使用audio_common套件中的audio_capture包來完成這個任務。它會將原始的PCM音頻數據封裝成audio_msgs/AudioData類型的ROS話題例如/audio持續發布出去。語音識別層這是系統的“大腦皮層聽覺中樞”。它訂閱原始的音頻流話題從中檢測出人聲片段端點檢測并將其轉換為文本。這是我們本次實踐的核心。我們將選用一個本地部署的開源語音識別引擎例如Vosk因其對中文支持好、模型輕量。這一層會發布一個新的話題比如/speech_to_text消息類型是std_msgs/String里面就裝著識別出來的文字。指令解析層這是系統的“邏輯判斷中心”。它訂閱識別出的文本但并不是所有話都是指令。比如你說“今天天氣真好”這只是一個陳述。指令解析層需要根據預設的規則或簡單的自然語言理解NLU從文本中提取出意圖和關鍵參數。例如將“小海龜請向前移動0.5米”解析為intent: move, params: {direction: forward, distance: 0.5}。解析后的結構化數據可以通過自定義的ROS消息類型發布到如/voice_cmd這樣的話題上。指令執行層這是系統的“運動神經”。它訂閱解析后的指令話題將高層的指令“翻譯”成底層控制器能理解的具體控制命令。例如將{intent: move, direction: forward, distance: 0.5}轉換為向/turtle1/cmd_vel話題發布一個線速度為0.2 m/s、持續2.5秒的geometry_msgs/Twist消息。對于機械臂則可能是調用一個逆運動學服務計算出關節角度并發布。設計思路選擇話題 vs 服務 vs 動作在模塊間通信方式上音頻流采用話題是毋庸置疑的因為它是持續、單向的數據流。對于從識別到解析再到執行是否要用服務或動作我的經驗是對于簡單的、一次性的指令如“停止”使用話題或服務均可。但對于一個可能被打斷、有執行過程反饋的復雜指令如“去廚房拿杯水”動作是更合適的選擇。在入門實踐中我們先用話題把流程跑通理解其異步特性后續再根據場景升級為動作。2.2 工具鏈選型與本地化部署考量為什么強調本地部署對于機器人應用實時性、可靠性和隱私性至關重要。云端API的網絡延遲、不穩定以及潛在的隱私風險在要求快速響應或網絡條件不佳如戶外移動機器人的場景下是致命的。本地部署雖然初始設置稍復雜但一勞永逸。語音識別引擎選型CMU Sphinx (PocketSphinx)老牌開源方案輕量但中文識別準確率在開源方案中相對一般需要訓練語言模型。Vosk近年來非常流行的選擇。它提供多種尺寸的預訓練模型小到50MB大到1GB支持上百種語言包括中文識別準確率不錯且API簡單易用。其離線、零延遲的特性非常適合ROS集成。這是我們本次實踐的首選。Whisper (OpenAI)識別準確率尤其是中英文混合場景下的表現目前是頂尖水平。但原版模型較大即使使用whisper.cpp等優化版本對CPU/GPU仍有較高要求。如果你的機器人搭載了Jetson等邊緣計算設備且對準確率有極致要求可以考慮。Snowboy已停止維護曾熱門的離線喚醒詞檢測工具適合做“你好機器人”這樣的喚醒。可惜已停止維護不推薦用于新項目。音頻處理與ROS集成audio_commonROS官方維護的音頻處理包集合包含audio_capture錄音和audio_play播放。它是ROS中處理音頻事實上的標準我們必須安裝。sound_play另一個ROS包提供了更高級的語音合成TTS播放功能如果你想實現機器人語音應答它會很有用。我的實操心得在樹莓派或性能受限的嵌入式平臺上Vosk的“small”模型是性能和精度之間的最佳平衡點。對于x86_64的PC開發環境可以嘗試更大的模型以獲得更好效果。務必根據你的硬件能力選擇模型否則實時性無法保證。3. 環境搭建與核心功能包配置理論清晰后我們開始動手搭建舞臺。這里假設你已經在Ubuntu系統上安裝好了ROS無論是Noetic還是Humble等版本下面步驟是通用的。3.1 安裝系統級音頻與ROS音頻依賴首先確保系統音頻基礎功能正常。# 安裝必要的系統音頻工具和開發庫 sudo apt-get update sudo apt-get install -y pulseaudio libpulse-dev portaudio19-dev python3-pyaudio # 測試麥克風安裝后可以運行arecord -l查看設備列表arecord -d 5 -f cd test.wav錄制測試接下來安裝ROS的音頻功能包。我們使用ros-distro-audio-common例如ROS Noetic就是ros-noetic-audio-common。# 以ROS Noetic為例 sudo apt-get install -y ros-noetic-audio-common # 同時安裝python3的pyaudio用于后續可能需要的腳本 sudo apt-get install -y python3-pyaudio3.2 部署離線語音識別引擎Vosk我們將Vosk作為本地識別引擎。它不依賴ROS是一個獨立的庫我們需要在系統中安裝它并下載對應的中文模型。安裝Vosk Python庫pip3 install vosk # 如果系統中有多個Python版本請使用對應的pip下載中文語音識別模型 Vosk提供了多個尺寸的預訓練中文模型。對于初次嘗試和大多數開發場景推薦使用vosk-model-small-cn-0.22它在準確率和速度之間取得了很好的平衡。# 創建一個目錄存放模型 mkdir -p ~/vosk_models cd ~/vosk_models # 下載小型中文模型約50MB wget https://alphacephei.com/vosk/models/vosk-model-small-cn-0.22.zip # 解壓 unzip vosk-model-small-cn-0.22.zip # 解壓后你會得到一個類似 vosk-model-small-cn-0.22 的文件夾模型選擇建議如果你的機器性能強勁如臺式機可以嘗試更大的模型如vosk-model-cn-0.22約1.2GB識別準確率會更高。對于樹莓派4B小型模型是更穩妥的選擇。3.3 創建ROS工作空間與功能包現在我們創建一個專屬的ROS功能包來組織我們的語音交互代碼。# 假設你的ROS工作空間是 ~/catkin_ws cd ~/catkin_ws/src # 創建功能包依賴roscpp, rospy, std_msgs, audio_common_msgs catkin_create_pkg ros_voice_cmd rospy std_msgs audio_common_msgs cd ~/catkin_ws catkin_make source devel/setup.bashaudio_common_msgs包含了AudioData消息的定義這是音頻流話題的標準消息類型。4. 核心節點實現語音識別與指令發布環境就緒進入核心編碼環節。我們將實現兩個主要的ROS節點一個負責音頻采集一個負責語音識別與指令解析。4.1 音頻采集節點系統的“耳朵”我們不需要自己寫這個節點直接使用audio_capture包提供的節點即可。它可以指定音頻設備、采樣率等參數。# 在一個終端中運行請先source你的ROS環境 rosrun audio_capture audio_capture _format:wave _channels:1 _rate:16000這個命令會啟動一個節點從默認麥克風設備以16kHz單聲道Vosk模型常用格式錄制音頻并發布到/audio話題。你可以用rostopic echo /audio --noarr快速查看是否有數據流會看到大量數字確認麥克風工作正常。4.2 語音識別節點從聲音到文字這是我們需要編寫的第一個核心節點。我們在~/catkin_ws/src/ros_voice_cmd/scripts/目錄下創建Python腳本speech_to_text_node.py。#!/usr/bin/env python3 # speech_to_text_node.py import rospy import sys import json from std_msgs.msg import String from audio_common_msgs.msg import AudioData # 導入Vosk from vosk import Model, KaldiRecognizer class SpeechToTextNode: def __init__(self): rospy.init_node(speech_to_text_node, anonymousTrue) # 參數模型路徑和采樣率 model_path rospy.get_param(~model_path, /home/你的用戶名/vosk_models/vosk-model-small-cn-0.22) sample_rate rospy.get_param(~sample_rate, 16000.0) # 初始化Vosk模型和識別器 rospy.loginfo(fLoading Vosk model from {model_path}...) try: self.model Model(model_path) except Exception as e: rospy.logerr(fFailed to load Vosk model: {e}) sys.exit(1) self.recognizer KaldiRecognizer(self.model, sample_rate) self.recognizer.SetWords(True) # 可選設置是否返回每個詞的時間戳 # 發布識別出的文本 self.text_pub rospy.Publisher(/speech_to_text, String, queue_size10) # 訂閱原始音頻數據 rospy.Subscriber(/audio, AudioData, self.audio_callback) rospy.loginfo(Speech-to-Text node is ready. Listening...) def audio_callback(self, audio_msg): 處理接收到的音頻數據塊 # audio_msg.data 是 bytes 類型的PCM數據 if self.recognizer.AcceptWaveform(audio_msg.data): # 識別出一句完整的話 result json.loads(self.recognizer.Result()) recognized_text result.get(text, ).strip() if recognized_text: rospy.loginfo(fRecognized: {recognized_text}) # 發布識別結果 text_msg String() text_msg.data recognized_text self.text_pub.publish(text_msg) else: # 部分識別結果可以用于實時反饋如UI顯示 partial_result json.loads(self.recognizer.PartialResult()) # rospy.logdebug(partial_result.get(partial, )) def run(self): rospy.spin() if __name__ __main__: node SpeechToTextNode() node.run()關鍵點解析AcceptWaveformVosk的識別器是流式的。你不斷喂給它音頻數據塊它會在內部進行端點檢測。當它認為一句話說完了靜音間隔AcceptWaveform會返回True然后你可以通過Result()獲取完整的識別文本。PartialResult在說話過程中它可以返回臨時的、不完整的識別結果。這對于實現實時字幕或交互反饋很有用但為了簡化我們主要使用最終結果。參數化模型路徑和采樣率通過ROS參數服務器傳入提高了節點的靈活性。你可以輕松更換模型或適配不同的音頻源。給腳本添加執行權限chmod x speech_to_text_node.py。4.3 指令解析與發布節點從文字到命令識別出文字后我們需要將其轉化為具體的控制指令。創建第二個腳本command_parser_node.py。#!/usr/bin/env python3 # command_parser_node.py import rospy import re from std_msgs.msg import String from geometry_msgs.msg import Twist class CommandParserNode: def __init__(self): rospy.init_node(command_parser_node) # 訂閱識別出的文本 rospy.Subscriber(/speech_to_text, String, self.text_callback) # 發布控制指令這里以控制小海龜為例 self.cmd_pub rospy.Publisher(/turtle1/cmd_vel, Twist, queue_size10) # 定義簡單的指令-動作映射規則可擴展為更復雜的NLU self.command_patterns { r向前|前進|直走|go forward: self.move_forward, r向后|后退|go back: self.move_backward, r向左|左轉|turn left: self.turn_left, r向右|右轉|turn right: self.turn_right, r停止|停下|停|stop: self.stop, # 可以添加更復雜的例如“轉30度”、“走0.5米” } rospy.loginfo(Command Parser node is ready.) def text_callback(self, text_msg): 處理識別出的文本匹配指令并執行相應動作 text text_msg.data.lower() # 轉為小寫便于匹配 rospy.loginfo(fProcessing text: {text}) for pattern, action_func in self.command_patterns.items(): if re.search(pattern, text): rospy.loginfo(fMatched pattern: {pattern}) action_func() # 執行對應的動作函數 return # 匹配到一個就返回避免重復執行 rospy.logwarn(fNo command matched for: {text}) # 以下是具體的動作函數發布對應的Twist消息 def move_forward(self): cmd Twist() cmd.linear.x 0.5 # 線速度 0.5 m/s cmd.angular.z 0.0 self.cmd_pub.publish(cmd) rospy.loginfo(Action: Move Forward) def move_backward(self): cmd Twist() cmd.linear.x -0.5 cmd.angular.z 0.0 self.cmd_pub.publish(cmd) rospy.loginfo(Action: Move Backward) def turn_left(self): cmd Twist() cmd.linear.x 0.0 cmd.angular.z 0.5 # 角速度 0.5 rad/s self.cmd_pub.publish(cmd) rospy.loginfo(Action: Turn Left) def turn_right(self): cmd Twist() cmd.linear.x 0.0 cmd.angular.z -0.5 self.cmd_pub.publish(cmd) rospy.loginfo(Action: Turn Right) def stop(self): cmd Twist() cmd.linear.x 0.0 cmd.angular.z 0.0 self.cmd_pub.publish(cmd) rospy.loginfo(Action: Stop) def run(self): rospy.spin() if __name__ __main__: node CommandParserNode() node.run()關鍵點解析規則匹配這里使用了最簡單的關鍵詞正則表達式匹配。對于復雜的指令如“向左轉30度”你需要使用更高級的解析方法例如正則表達式分組r轉(\d)度來提取數字。第三方NLU庫如Rasa NLU較重或Jieba中文分詞 自定義意圖分類適合復雜場景。話題映射本例中直接發布到/turtle1/cmd_vel來控制小海龜。在實際項目中這里應該發布到一個更通用的指令話題如/voice_cmd然后由另一個“指令執行節點”訂閱它并轉換成針對具體機器人機械臂、小車的控制命令。這符合ROS的模塊化設計思想。動作設計這里的動作是“瞬時”的發布一次速度命令后小海龜會一直動直到下一個停止命令。更優的做法是使用定時或動作服務器讓機器人執行一個“向前移動0.5米”這樣的有明確結果的動作。同樣給腳本添加執行權限。5. 系統集成、啟動與實戰測試所有部件準備完畢現在讓我們把它們組裝起來進行端到端的測試。5.1 編寫Launch文件一鍵啟動在功能包的launch/目錄下創建voice_control.launch文件管理多個節點的啟動。launch !-- 啟動音頻采集節點 -- node nameaudio_capture pkgaudio_capture typeaudio_capture outputscreen param nameformat valuewave / param namechannels value1 / param namerate value16000 / !-- 如果麥克風設備不是默認的可以指定設備號通過arecord -l查看 -- !-- param namedevice valuehw:1,0 / -- /node !-- 啟動語音識別節點傳入模型路徑參數 -- node namespeech_to_text_node pkgros_voice_cmd typespeech_to_text_node.py outputscreen param namemodel_path value/home/你的用戶名/vosk_models/vosk-model-small-cn-0.22 / param namesample_rate value16000.0 / /node !-- 啟動指令解析節點 -- node namecommand_parser_node pkgros_voice_cmd typecommand_parser_node.py outputscreen / !-- 啟動小海龜仿真器以便測試 -- node nameturtlesim_node pkgturtlesim typeturtlesim_node / /launch5.2 完整測試流程啟動ROS核心打開一個終端運行roscore。啟動語音控制系統打開第二個終端進入工作空間并source環境然后運行launch文件。cd ~/catkin_ws source devel/setup.bash roslaunch ros_voice_cmd voice_control.launch你應該會看到三個節點依次啟動的日志信息。啟動小海龜鍵盤控制節點可選用于對比打開第三個終端運行rosrun turtlesim turtle_teleop_key。你可以先用鍵盤控制一下熟悉小海龜。開始語音測試確保你的麥克風正常工作環境相對安靜。對著麥克風清晰地說出指令例如“前進”、“向左轉”、“停止”。觀察運行launch文件的終端你會看到speech_to_text_node打印出識別出的文字command_parser_node打印出匹配到的指令和執行的動作。同時觀察turtlesim窗口小海龜應該會根據你的語音指令做出相應的運動5.3 效果評估與初步優化第一次嘗試可能會遇到識別不準、反應慢或誤觸發的問題。別擔心這是正常的。識別準確率Vosk小型中文模型對清晰、標準的普通話短句識別效果不錯。如果準確率低可以檢查麥克風質量避免環境噪音。嘗試使用Vosk的更大尺寸中文模型。在代碼中對識別結果進行簡單的后處理比如過濾掉置信度極低的結果。系統延遲從說話到小海龜開始運動會有一個可感知的延遲幾百毫秒到一秒。這主要來自音頻緩沖區處理時間。Vosk端點檢測等待靜音的時間這是最大的延遲來源。你可以通過調整Vosk識別器的參數如果提供來減少靜音等待時間但這可能會增加誤將環境音識別為語音的概率。ROS節點間通信開銷。誤觸發在安靜環境下偶爾可能會識別出一些無意義的詞。可以在指令解析層增加一個喚醒詞機制比如只有說“小海龜”開頭的話才進行后續解析。這需要修改識別邏輯或者使用專門的喚醒詞檢測庫但如前所述Snowboy已停更可以研究Vosk是否支持或尋找其他替代。6. 進階優化與功能擴展基礎版本跑通后我們可以從以下幾個方面深化和擴展這個系統使其更健壯、更智能。6.1 提升交互體驗增加語音反饋TTS一個完整的交互是雙向的。讓機器人在執行指令后說一句“好的正在前進”體驗會好很多。我們可以集成sound_play包來實現簡單的語音合成。安裝sound_playsudo apt-get install ros-noetic-sound-play # Noetic # 或 ros-humble-sound-play 等對應你的ROS版本修改指令解析節點在執行動作后調用TTS# 在command_parser_node.py開頭導入 from sound_play.msg import SoundRequest from sound_play.libsoundplay import SoundClient class CommandParserNode: def __init__(self): # ... 其他初始化 ... self.sound_client SoundClient() rospy.sleep(1) # 等待soundplay服務器啟動 # ... def move_forward(self): # ... 發布Twist消息 ... self.sound_client.say(好的正在前進, volume0.5)這樣每次執行命令時系統都會用語音進行確認。6.2 設計更復雜的指令與參數解析當前的指令是固定的。如何解析“向前走0.3米”或“左轉90度”我們需要升級指令解析邏輯使用更強大的正則表達式或簡單的中文分詞。import jieba # 需要 pip install jieba def parse_complex_command(self, text): 解析帶參數的復雜指令示例 # 示例1使用正則表達式提取數字 distance_match re.search(r向前走(\d(\.\d)?)米, text) if distance_match: distance float(distance_match.group(1)) # 調用一個控制機器人移動指定距離的函數 self.move_distance(distance) return # 示例2使用jieba分詞進行簡單分析 words jieba.lcut(text) if 左轉 in words or 向左轉 in text: angle 90 # 默認90度 for i, word in enumerate(words): if word.isdigit(): angle int(word) break self.turn_angle(angle, left) return這需要你編寫更底層的控制函數move_distance,turn_angle這些函數可能需要通過ROS服務或動作來控制機器人完成精確位移。6.3 引入狀態機與對話管理當機器人正在執行一個“去A點”的長時任務時你突然說“停止”它應該能立即中斷當前任務。這就需要引入狀態機的概念。你可以使用smach這個ROS任務執行框架來管理機器人的狀態如“空閑”、“聆聽”、“移動中”、“執行任務”。語音指令作為外部事件觸發狀態之間的轉換。例如在“移動中”狀態收到“停止”指令則跳轉到“空閑”狀態并取消當前的運動目標。這是一個更高級的話題但它是構建真正實用、魯棒的交互式機器人的關鍵。6.4 性能優化與多平臺部署降低CPU占用Vosk識別是計算密集型任務。在樹莓派上一個節點可能就占滿一個核心。可以考慮將識別節點運行在性能更強的上位機如筆記本通過ROS網絡與運行在樹莓派上的執行節點通信這是ROS分布式特性的完美體現。模型優化探索Vosk提供的不同模型甚至使用工具量化模型以在嵌入式設備上獲得更好的速度。音頻預處理在音頻回調函數中加入簡單的噪音抑制或增益控制可以在代碼層面改善輸入音頻質量提升識別率。7. 常見問題與排查技巧實錄在實際搭建和調試過程中你幾乎一定會遇到下面這些問題。這里是我踩過坑后總結的排查清單。問題現象可能原因排查步驟與解決方案啟動audio_capture節點失敗報錯“無法打開音頻設備”1. 麥克風被其他程序占用。2. 脈沖音頻服務未運行或權限問題。3. 指定的設備號錯誤。1. 關閉其他可能使用麥克風的程序瀏覽器、通訊軟件。2. 運行pulseaudio --start啟動服務。檢查用戶是否在audio組groups $USER如不在sudo usermod -aG audio $USER并注銷重登。3. 運行arecord -l列出設備在launch文件中修改device參數格式通常為hw:card編號,device編號。語音識別節點啟動時報錯“Failed to load Vosk model”1. 模型路徑錯誤。2. 模型文件下載不完整或損壞。3. 磁盤權限問題。1. 檢查launch文件或代碼中的model_path參數確保路徑正確且指向解壓后的文件夾而不是.zip文件。2. 重新下載模型并檢查文件大小。3. 確保當前用戶有讀取模型目錄的權限。能識別出文字但小海龜不動1. 指令解析節點未訂閱/發布到正確的話題。2. 指令文本與匹配規則不匹配。3. turtlesim節點未啟動或話題名稱不對。1. 使用rostopic list查看/speech_to_text和/turtle1/cmd_vel話題是否存在并使用rostopic echo查看是否有消息發布。2. 在指令解析節點的回調函數中將接收到的原始文本打印出來檢查是否包含你預設的關鍵詞。中文可能存在空格或標點問題調整正則表達式或使用in進行模糊匹配。3. 確認turtlesim_node已啟動。識別延遲非常高3秒1. Vosk端點檢測等待靜音時間過長。2. 系統負載過高處理慢。3. 音頻緩沖區設置過大。1. 這是Vosk為提升準確率的設計。嘗試在說話后稍作停頓或研究Vosk API是否有設置max_alternatives或endpointing相關參數來調整靈敏度不同版本API可能不同。2. 使用htop查看CPU占用關閉不必要的程序。考慮在性能更強的機器上運行識別節點。3. 檢查audio_capture節點的參數嘗試減小chunk_size如果可設置。識別結果全是亂碼或英文1. 使用了錯誤的語言模型。2. 音頻格式采樣率、聲道數與模型不匹配。1. 確認下載和加載的是中文模型vosk-model-small-cn-0.22。2. 確保audio_capture設置的rate(如16000) 和channels(1) 與模型訓練時的格式一致。Vosk中文模型通常要求16kHz單聲道。在樹莓派上運行極其卡頓樹莓派算力不足無法實時處理音頻流和語音識別。1.首選方案采用分布式架構。在PC上運行audio_capture和speech_to_text_node在樹莓派上只運行command_parser_node和機器人控制節點。通過設置ROS_MASTER_URI實現多機通信。2.優化方案確保樹莓派散熱良好關閉圖形界面使用Vosk最小的模型如vosk-model-small-cn-0.22。我的獨家避坑技巧調試三步法當系統不工作時按順序檢查1)數據源rostopic echo /audio看是否有數據2)識別結果rostopic echo /speech_to_text看文字是否正確3)最終指令rostopic echo /turtle1/cmd_vel看控制命令是否發出。這能快速定位問題模塊。先文本后語音在開發指令解析邏輯時可以先不用麥克風。寫一個簡單的測試節點直接向/speech_to_text話題發布預設的字符串來驗證你的指令解析和機器人控制邏輯是否正確。這能極大提高開發效率。模型路徑用絕對路徑在launch文件或代碼中使用$(find pkg_name)或環境變量來動態構造路徑有時會出問題。在開發階段先用絕對路徑確保無誤再考慮優化。注意Python環境如果你使用了虛擬環境如conda確保你的ROS節點是在正確的Python環境下運行的。最保險的方式是在ROS工作空間內使用系統Python或通過catkin_make安裝依賴。