Un nouveau projet publié sur Open Robotics Discourse met en scène un robot mobile autonome d’entrepôt complet, simulé avec ROS 2 Jazzy, Gazebo Harmonic et Nav2. Le dépôt associé, mis à jour le 10 août, décrit une base différentielle capable d’exécuter des missions, d’éviter un obstacle mobile et de remonter son état dans un tableau de bord opérateur.
Le sujet ne repose pas sur un robot commercial prêt à être déployé, mais sur une brique pédagogique assez concrète pour intéresser les équipes qui prototypent des AMR. Le projet assemble les composants attendus dans une architecture de navigation moderne: localisation AMCL, odométrie filtrée par robot_localization, planification globale avec SmacPlanner2D, suivi de trajectoire par Regulated Pure Pursuit, costmaps obstacle-aware et couche Nav2 Collision Monitor.
Une simulation pensée comme un mini-entrepôt
Dans la scène Gazebo, le robot évolue dans un environnement d’entrepôt avec un LiDAR 2D GPU simulé. Le README du projet précise que la plateforme mesure environ 40 cm par 30 cm, avec deux roues motrices, une roulette passive, un rayon de roue de 7,5 cm et un plugin différentiel Gazebo chargé de publier odométrie et transformations.
La partie mission est l’élément le plus utile pour dépasser la simple démonstration de navigation. Les trajets sont définis dans des fichiers YAML, par exemple une séquence PICKUP -> SHELFA -> DROPOFF -> HOME. Le gestionnaire de missions prend en charge les reprises, la pause, la reprise, l’annulation, le suivi de statut et les journaux d’événements.
Le projet inclut aussi un tableau de bord Tkinter pour choisir une mission, surveiller la progression, afficher la station courante, la prochaine étape, le temps écoulé et l’état du cycle de vie Nav2. Cette interface reste simple, mais elle rapproche la simulation des contraintes ordinaires d’un poste opérateur.
Pourquoi cela compte pour ROS 2
Les AMR d’entrepôt sont souvent présentés comme des robots matures, mais leur mise au point dépend encore d’une chaîne logicielle très sensible aux détails: cartes, localisation, comportement face aux obstacles, reprise après échec et supervision. Une simulation ouverte permet de tester ces blocs sans attendre un banc physique complet.
Le scénario dynamique ajoute un ouvrier simulé qui croise la trajectoire du robot. Le LiDAR détecte l’obstacle, les costmaps sont mises à jour, puis le contrôleur et le Collision Monitor réduisent ou bloquent le mouvement avant de laisser repartir la base quand le chemin redevient praticable. Ce type de cas est justement celui qui expose vite les limites d’un réglage Nav2 trop théorique.
Notre analyse
La valeur éditoriale tient moins à la nouveauté de chaque composant qu’à leur intégration lisible dans un même exemple. ROS 2 Jazzy, Gazebo Harmonic et Nav2 sont déjà des références, mais beaucoup de projets publics restent fragmentaires: un robot sans missions, une simulation sans supervision, ou une navigation sans scénario d’obstacle dynamique.
Ici, l’ensemble forme un banc d’apprentissage compact pour comprendre comment un AMR passe d’un point A à un point B dans un environnement structuré. Il ne faut pas le confondre avec une solution industrielle certifiée, d’autant que le dépôt ne revendique ni licence commerciale, ni tests sur robot réel. Mais comme support de formation ou point de départ pour un prototype, il documente clairement les briques qu’une équipe robotique doit maîtriser avant de parler de déploiement.
