در دنیای رباتیک، ساخت یک ربات فقط به انتخاب موتور، سنسور، دوربین و یک پردازنده قدرتمند ختم نمیشود. بخش دشوارتر معمولاً زمانی آغاز میشود که باید تمام این اجزا را به یک سیستم نرمافزاری منسجم تبدیل کنیم؛ سیستمی که بتواند دادههای دوربین را دریافت کند، موقعیت ربات را تخمین بزند، مسیر حرکت را برنامهریزی کند، موتورهای آن را کنترل کند و در عین حال امکان توسعه و عیبیابی سادهای داشته باشد. اینجاست که ROS وارد میشود.
ROS مخفف Robot Operating System است؛ عنوانی که معمولاً «سیستمعامل ربات» ترجمه میشود. اما یک نکته مهم وجود دارد: ROS از نظر فنی یک سیستمعامل کامل مانند Windows یا Linux نیست. ROS در واقع مجموعهای متنباز از کتابخانهها، ابزارها، استانداردها و سازوکارهای ارتباطی برای توسعه نرمافزارهای رباتیک است. خود پروژه نیز ROS را یک software development kit برای ساخت کاربردهای رباتیک معرفی میکند.
پس اگر بخواهیم در یک جمله پاسخ دهیم که ROS چیست، میتوان گفت:
ROS یک چارچوب نرمافزاری متنباز برای ساخت، اتصال، آزمایش و اجرای نرمافزارهای رباتیک است که اجزای مختلف یک ربات را از طریق یک معماری استاندارد به یکدیگر متصل میکند.
در سال ۲۰۲۶، تمرکز اصلی اکوسیستم ROS روی ROS 2 است و جدیدترین نسخه بلندمدت آن، ROS 2 Lyrical Luth، در ماه مه ۲۰۲۶ منتشر شده و تا مه ۲۰۳۱ پشتیبانی میشود.
ROS چیست و چرا به آن «سیستمعامل ربات» میگویند؟
برای درک ROS، تصور کنید یک ربات متحرک دارید که از یک دوربین RGB-D، یک لیدار (LiDAR)، انکودرهای چرخ، موتور، IMU (واحد اندازهگیری اینرسی) و یک کامپیوتر پردازشی تشکیل شده است.
هر یک از این اجزا داده خاص خود را تولید یا مصرف میکند. دوربین تصویر تولید میکند؛ لیدار ابر نقاط یا فاصله اشیا را میدهد؛ انکودر سرعت و موقعیت چرخها را مشخص میکند؛ IMU شتاب و سرعت زاویهای را گزارش میدهد؛ الگوریتم مکانیابی وضعیت ربات را محاسبه میکند و کنترلکننده نیز فرمان سرعت یا گشتاور را به موتور میفرستد.
اگر ROS وجود نداشته باشد، توسعهدهنده باید بخش زیادی از زیرساخت ارتباطی، مدیریت پردازشها، قالب پیامها، ثبت دادهها، ابزارهای عیبیابی و اتصال ماژولهای نرمافزاری را خودش طراحی کند. در یک پروژه کوچک شاید این کار شدنی باشد، اما در یک ربات پیچیده خیلی سریع به کابوس مهندسی تبدیل میشود. ROS با ایجاد یک الگوی استاندارد، این مشکل را حل میکند.
در ROS، نرمافزار ربات به اجزای مستقلتری به نام Node یا گره تقسیم میشود. برای مثال، یک Node میتواند مسئول دریافت داده دوربین باشد، Node دیگری تشخیص اشیا را انجام دهد، Node سوم مکانیابی را انجام دهد و Node چهارم فرمان موتور را مدیریت کند. این گرهها بهجای اینکه الزاماً مستقیم و بهشکل وابسته به یکدیگر ارتباط برقرار کنند، از سازوکارهای استاندارد ROS برای تبادل داده استفاده میکنند.
این طراحی مزیت بسیار مهمی دارد: یک تیم میتواند بخشهای مختلف نرمافزار ربات را جداگانه توسعه دهد و بعد آنها را در قالب یک سیستم واحد به هم متصل کند.
معمولاً ROS روی سیستمعامل لینوکس اجرا میشود و در لایه بالاتری امکانات موردنیاز نرمافزار رباتیک را فراهم میکند.
ریشههای ROS به سال ۲۰۰۷ و همکاری پروژه STAIR در دانشگاه استنفورد و برنامه Personal Robots شرکت Willow Garage بازمیگردد. از آن زمان، ROS از یک پروژه تحقیقاتی به یکی از مهمترین پایههای نرمافزاری پژوهش و توسعه رباتیک تبدیل شده است.
نکته مهمتر این است که ROS فقط مجموعهای از کدها نیست. یک اکوسیستم جهانی از پروژهها، کتابخانهها، ابزارهای شبیهسازی، درایورها، الگوریتمها و کاربران در اطراف آن شکل گرفته است؛ چیزی که ارزش ROS را بسیار بیشتر از یک کتابخانه نرمافزاری منفرد میکند. پروژه ROS نیز از کاربرد آن در آموزش، پژوهش، توسعه محصول و حتی رباتهای عملیاتی در صنعت صحبت میکند.
تاریخچه ROS و تفاوت ROS 1 با ROS 2 چیست؟
نسخه اولیه ROS بهطور عمده برای پژوهش و توسعه رباتها شکل گرفت. معماری آن برای آن زمان بسیار موفق بود و باعث شد محققان بتوانند الگوریتمهایی را که قبلاً برای هر ربات از صفر پیادهسازی میکردند، راحتتر به اشتراک بگذارند. با گستردهتر شدن استفاده از ROS، محدودیتهای معماری ROS 1 بیشتر آشکار شد.
یکی از مسائل مهم، معماری ارتباطی ROS 1 بود. در ROS 1 معمولاً یک ROS Master نقش هماهنگکننده اصلی در کشف و اتصال اجزای شبکه را ایفا میکرد. این معماری برای بسیاری از پروژههای تحقیقاتی کاملاً مناسب بود، اما برای سیستمهای توزیعشده، رباتهای صنعتی، شبکههای پیچیده و کاربردهای نیازمند قابلیت اطمینان بالاتر محدودیتهایی داشت. در همین راستا ROS 2 طراحی شد.
در ROS 2، معماری ارتباطی بر پایه یک لایه میانی قابلتعویض به نام RMW (ROS Middleware) شکل گرفته است. این لایه میتواند از پیادهسازیهای مختلف میانافزار استفاده کند. در ابتدا DDS (Data Distribution Service) اساس اصلی این معماری بود و در نسخههای جدید ROS 2، گزینههایی مانند Zenoh نیز به اکوسیستم اضافه شدهاند.
DDS مزایایی مانند کشف توزیعشده، ارتباط بین چند ماشین و کنترل دقیقتر کیفیت سرویس یا QoS (Quality of Service) را در اختیار ROS 2 قرار میدهد.
تفاوت ROS 2 با ROS 1 فقط در نحوه انتقال پیام نیست. ROS 2 از ابتدا با نگاه جدیتری به نیازهای صنعتی، سیستمهای توزیعشده، کنترل بلادرنگ (Real-Time)، امنیت، چندسکویی بودن و استفاده در محصولات واقعی طراحی شد. مستندات رسمی ROS نیز آن را بستری برای عبور از مرحله تحقیق و نمونهسازی تا استقرار و تولید معرفی میکنند.
از نظر انتخاب نسخه نیز شرایط در سالهای اخیر تغییر کرده است. ROS 2 اکنون نسخههای متعددی دارد که هرکدام عمر پشتیبانی مشخصی دارند. در سال ۲۰۲۶، Lyrical Luth جدیدترین نسخه LTS محسوب میشود و تا مه ۲۰۳۱ پشتیبانی خواهد شد. نسخههای Jazzy Jalisco و Humble Hawksbill نیز همچنان در دوره پشتیبانی قرار دارند.
این مسئله برای یادگیری ROS 2 اهمیت زیادی دارد، زیرا یکی از اشتباهات رایج مبتدیان این است که صرفاً به دنبال «آخرین آموزش ROS» میروند و متوجه نمیشوند آموزش مربوط به ROS 1 است، در حالی که ابزارها و معماری ROS 2 در بخشهای مهم با آن متفاوت است.
ROS 2 چگونه کار میکند؟ از Node و Topic تا Service و Action
برای فهم معماری ROS 2 باید یک مفهوم اساسی را در ذهن داشته باشیم: ROS 2 یک سیستم متشکل از اجزای مستقل است که از طریق واسطهای استاندارد با یکدیگر ارتباط برقرار میکنند. مهمترین جزء این معماری Node است.
هر Node یک واحد نرمافزاری مسئول یک وظیفه مشخص است؛ برای مثال دریافت اطلاعات LiDAR، کنترل موتور، پردازش تصویر یا اجرای الگوریتم مکانیابی. یک ربات ممکن است دهها یا حتی تعداد بسیار بیشتری Node داشته باشد. این گرهها از طریق سه نوع رابط اصلی با یکدیگر ارتباط برقرار میکنند: Topic و Service و Action.
Topic برای دادههای پیوسته استفاده میشود. مثلاً یک دوربین میتواند تصاویر خود را روی Topic خاصی منتشر کند و چند Node دیگر همزمان همان تصاویر را دریافت کنند. این ارتباط از الگوی Publish/Subscribe (انتشار/اشتراک) استفاده میکند. ناشر لازم نیست بداند چه کسی داده را دریافت میکند و مشترک نیز لازم نیست بداند تولیدکننده دقیقاً چگونه کار میکند.
این ویژگی برای رباتیک بسیار مهم است. مثلاً داده LiDAR را میتوان همزمان به الگوریتم SLAM، سیستم تشخیص مانع، ابزار ثبت داده و ابزار تجسمسازی ارسال کرد، بدون اینکه LiDAR driver مجبور باشد منطق تمام آنها را بشناسد.
Service برای ارتباط درخواست/پاسخ استفاده میشود. مثلاً یک Node میتواند از Node دیگری بخواهد وضعیت فعلی خود را برگرداند. Services برای عملیات کوتاه و سریع مناسب هستند؛ نه کارهایی که چند ثانیه یا چند دقیقه طول میکشند.
برای عملیات طولانی از Action استفاده میشود. تصور کنید میخواهید ربات به نقطهای در انبار حرکت کند. این کار یک عملیات لحظهای نیست. شما یک هدف ارسال میکنید، ربات در طول مسیر اطلاعات پیشرفت را برمیگرداند و در صورت نیاز میتوان عملیات را لغو کرد. Action دقیقاً برای چنین سناریوهایی طراحی شده است.
در کنار این مفاهیم، Parameter برای تنظیم رفتار Nodeها کاربرد دارد؛ مثلاً تعیین نرخ انتشار تصویر، فاصله ایمنی، نام Frame یا پارامتر یک الگوریتم.
ROS 2 همچنین دارای مفهوم Launch است. یک سیستم رباتیک معمولاً از تعداد زیادی Node تشکیل شده است و اجرای تکتک آنها در ترمینال بسیار ناکارآمد خواهد بود. فایلهای Launch مشخص میکنند کدام برنامهها با چه تنظیماتی اجرا شوند و ROS 2 میتواند کل سامانه را با یک فرمان بالا بیاورد. این فایلها میتوانند با Python یا XML یا YAML نوشته شوند.
در زیرساخت ارتباطی نیز ROS 2 از RMW و میانافزارهایی مانند DDS استفاده میکند. این معماری به توسعهدهنده اجازه میدهد در سطح بالاتر با مفاهیم ROS کار کند، بدون اینکه تمام جزئیات لایه انتقال شبکه را خودش مدیریت کند.
در همین لایه است که مفهوم QoS اهمیت پیدا میکند. برای داده سنسوری، ممکن است کاهش تعداد کمی از پیامها قابل قبول باشد، در حالی که در برخی دادههای کنترلی چنین چیزی قابل قبول نیست. ROS 2 با سیاستهای QoS امکان تعیین نحوه تحویل داده، دوام، تاریخچه و ویژگیهای ارتباط را فراهم میکند. نکته مهم این است که ناسازگاری QoS بین Publisher و Subscriber حتی میتواند مانع برقراری ارتباط شود.
این موضوع یکی از دلایلی است که ROS 2 در نگاه اول برای تازهکاران پیچیدهتر از چیزی به نظر میرسد که واقعاً هست. کاربر ابتدا باید مدل ذهنی درستی از Graph، Node، Topic، Service، Action، Parameter، QoS و Middleware بسازد.
مهمترین اجزای اکوسیستم ROS 2 کداماند؟
اشتباه رایجی که درباره ROS وجود دارد این است که تصور کنیم ROS فقط چند دستور ترمینال و یک سیستم پیامرسانی است. در واقع اکوسیستم ROS 2 از تعداد زیادی ابزار و پروژه تشکیل شده که هرکدام بخشی از چرخه توسعه ربات را پوشش میدهند.
در پایینترین سطح، توسعهدهنده معمولاً با زبانهای C++ و Python کار میکند. کتابخانههایی مانند rclcpp برای C++ و rclpy برای Python امکان ساخت Nodeها و استفاده از قابلیتهای ROS 2 را فراهم میکنند.
سپس مفهوم Package مطرح میشود. یک Package واحد سازماندهی برای کد، تنظیمات، فایلهای Interface، Launch و دیگر منابع یک بخش از سیستم است. این ساختار باعث میشود نرمافزار ربات به مجموعهای قابل مدیریت از اجزای مستقل تقسیم شود.
ابزارهایی مانند colcon برای Build (ساخت نرمافزار)، rosdep برای مدیریت وابستگیها و مجموعه فرمانهای ros2 برای بازرسی سیستم و اجرای عملیات روزمره استفاده میشوند. ابزارهای CLI میتوانند Nodeها، Topicها، Serviceها، Actionها و Packageها را بررسی کنند و حتی وضعیت سیستم را برای عیبیابی تحلیل کنند.
یکی از ابزارهای مهم دیگر RViz 2 است که برای تجسمسازی دادههای ربات استفاده میشود. در آن میتوان دادههایی مانند موقعیت ربات، ابر نقاط، نقشه، مسیر حرکت، TF و اطلاعات سنسورها را مشاهده کرد.
در زمینه شبیهسازی نیز Gazebo یکی از مهمترین ابزارهای اکوسیستم است. نکته مهم این است که Gazebo خود ROS نیست؛ یک شبیهساز مستقل است که میتواند با ROS 2 ارتباط برقرار کند. از طریق پل ros_gz میتوان دادهها و فرمانها را بین ROS 2 و Gazebo منتقل کرد. این امکان اجازه میدهد ربات را ابتدا در یک محیط مجازی آزمایش کنیم و سپس همان معماری نرمافزاری را به سختافزار واقعی منتقل کنیم.
برای رباتهای بازویی نیز MoveIt 2 اهمیت زیادی دارد. MoveIt 2 یک چارچوب برنامهریزی حرکت برای ROS 2 است که قابلیتهایی مانند سینماتیک، بررسی برخورد، مدل ربات و تولید مسیر حرکت را فراهم میکند. به بیان ساده، اگر ROS 2 زیرساخت ارتباطی و نرمافزاری ربات باشد، MoveIt 2 میتواند بخش قابل توجهی از مغز برنامهریزی حرکت یک بازوی رباتیک را تشکیل دهد.
در رباتهای متحرک، Nav2 یکی از پروژههای اصلی است. Nav2 برای ناوبری رباتهای متحرک مبتنی بر ROS 2 ساخته شده و از Action Serverها برای وظایف طولانیمدت مانند حرکت به سمت یک هدف استفاده میکند.
به این ترتیب، اکوسیستم ROS را میتوان تقریباً چنین تصور کرد: ROS 2 زیرساخت و ارتباطات را فراهم میکند؛ Gazebo برای شبیهسازی، RViz برای تجسمسازی، Nav2 برای ناوبری و MoveIt 2 برای برنامهریزی حرکت بازوها به کار میروند.
کاربرد ROS در رباتیک چیست و چه رباتهایی از آن استفاده میکنند؟
کاربرد ROS در رباتیک بسیار گستردهتر از یک نوع ربات خاص است. از رباتهای آموزشی کوچک گرفته تا سامانههای متحرک خودران، بازوهای رباتیک، رباتهای انساننما، وسایل نقلیه خودران و برخی سامانههای تحقیقاتی فضایی و زیرآبی میتوانند از فناوریهای مبتنی بر ROS استفاده کنند. خود پروژه ROS نیز دامنه کاربرد آن را از محیطهای خانگی و صنعتی تا کاربردهای خودرو، زیرآب و فضا توصیف میکند.
یکی از مهمترین کاربردهای سیستمعامل ربات، رباتهای متحرک خودران است. در چنین رباتهایی، دادههای LiDAR و دوربین وارد سیستم ادراک میشوند، الگوریتم SLAM (ساخت همزمان نقشه و تخمین موقعیت) نقشه و وضعیت ربات را محاسبه میکند، Nav2 مسیر را برنامهریزی میکند و سرعت لازم را به موتور میدهد. هر بخش میتواند توسط Nodeهای جداگانه اجرا شود.
در رباتهای بازویی، ROS 2 میتواند ارتباط بین کنترلر، سنسور، مدل ربات، الگوریتمهای بینایی ماشین و سیستم برنامهریزی حرکت را برقرار کند. MoveIt 2 نیز لایه تخصصی برنامهریزی و سینماتیک را پوشش میدهد.
در حوزه بینایی ماشین و هوش مصنوعی نیز ROS اهمیت زیادی دارد. یک مدل تشخیص شیء میتواند روی تصاویر دوربین اجرا شود، نتیجه را در قالب پیام ROS منتشر کند و Node دیگری از آن برای تصمیمگیری استفاده کند. این ساختار حتی برای مدلهای یادگیری عمیق و سیستمهای VLA (Vision-Language-Action یا مدلهای بینایی-زبان-عمل) نیز قابل استفاده است، زیرا ROS الزاماً الگوریتم هوش مصنوعی را تعیین نمیکند؛ بلکه بستری برای اتصال الگوریتم به بقیه اجزای ربات فراهم میسازد.
یکی دیگر از کاربردهای مهم، شبیهسازی است. پیش از اینکه ربات فیزیکی ساخته یا آزمایش شود، بسیاری از الگوریتمها را میتوان در Gazebo آزمایش کرد. سنسورها، محیط، حرکت ربات و بسیاری از شرایط دیگر در شبیهساز مدل میشوند و ROS 2 همان ساختار نرمافزاری را مدیریت میکند.
حتی در سامانههای دارای سختافزار کوچک نیز ROS 2 میتواند نقش داشته باشد. اکوسیستم micro-ROS برای آوردن مفاهیم ROS 2 به میکروکنترلرها طراحی شده است؛ رویکردی که اجازه میدهد پردازندههای کوچک و سیستمهای Embedded نیز در معماری بزرگتر ربات حضور داشته باشند.
در واقع دلیل محبوبیت ROS در مهندسی رباتیک یکپارچه سازی الگوریتمهای هوش مصنوعی، SLAM, بینایی ماشین و تولید سیگنالهای کنترلی است. یک مهندس ممکن است بهترین الگوریتم SLAM را داشته باشد، اما اگر نتواند آن را به داده واقعی سنسورها، سیستم مختصات، کنترل حرکت و بقیه اجزای ربات متصل کند، الگوریتم مذکور در یک ربات واقعی ارزش عملی محدودی خواهد داشت.
مزایا و محدودیتهای ROS 2؛ آیا ROS برای هر رباتی مناسب است؟
ROS 2 نقاط قوت قابلتوجهی دارد، اما تصور اینکه «هر پروژه رباتیک باید حتماً با ROS ساخته شود» اشتباه است.
مهمترین مزیت ROS 2، کاهش دوبارهکاری است. اگر درایور یک سنسور، ابزار ثبت داده، نمایشگر، سیستم پیامرسانی، کتابخانه کنترل و الگوریتم ناوبری از قبل وجود داشته باشد، تیم شما لازم نیست همه آنها را دوباره بسازد. همین موضوع زمان نمونهسازی و توسعه را کاهش میدهد. پروژه ROS نیز یکی از اهداف اصلی خود را کوتاهکردن زمان توسعه و رسیدن سریعتر از ایده به محصول میداند.
مزیت دوم، قابلیت توسعه ماژولار است. معماری Node-based باعث میشود بتوانید یک الگوریتم را جایگزین کنید، بدون اینکه الزاماً کل نرمافزار ربات را بازنویسی کنید.
مزیت سوم، اکوسیستم گسترده و متنباز است. کدهای زیادی در GitHub و مخازن رسمی و جامعه ROS وجود دارد و مستندات، آموزشها و ابزارهای متنوعی در دسترس هستند.
مزیت چهارم، قابلیت اجرای توزیعشده است. یک بخش از نرمافزار میتواند روی کامپیوتر اصلی ربات اجرا شود و بخش دیگری روی دستگاه دیگری در شبکه قرار گیرد. DDS و معماری ROS 2 امکان کشف و ارتباط توزیعشده را فراهم میکنند.
اما ROS 2 معایبی هم دارد.
اولین مشکل، پیچیدگی است. کسی که تنها Arduino را میشناسد، ممکن است با مواجهشدن با مفاهیمی مانند Node، Topic، QoS، TF، Executor، Middleware، Package و Launch احساس کند وارد یک دنیای کاملاً جدید شده است. این پیچیدگی واقعی است و نباید آن را دستکم گرفت.
دومین مسئله، وابستگی به اکوسیستم و نسخهها است. یک Package ممکن است با یک Distribution خاص سازگار باشد اما در نسخه دیگری نیاز به تغییر داشته باشد. بنابراین انتخاب نسخه ROS و سیستمعامل اهمیت زیادی دارد.
سومین نکته، Real-Time بودن است. ROS 2 برای کاربردهای بلادرنگ بسیار بهتر از ROS 1 طراحی شده، اما این به معنی آن نیست که هر Node پایتونی که روی ROS 2 نوشته شود خودبهخود برای کنترل سختبلادرنگ مناسب است. در کاربردهای حساس، باید معماری کنترل، سیستمعامل، Executor، لایه سختافزار و زمانبندی را جداگانه بررسی کرد.
چهارمین نکته، منابع مصرفی است. یک سیستم ROS 2 با تعداد زیادی Node، پردازش تصویر، شبیهسازی، ثبت داده و مدل هوش مصنوعی میتواند به CPU، RAM و پهنای باند قابل توجهی نیاز داشته باشد.
بنابراین ROS 2 برای همه پروژهها بهترین انتخاب نیست. اگر یک ربات بسیار ساده دارید که فقط دو موتور و چند سنسور دارد و تمام منطق آن در یک میکروکنترلر کوچک اجرا میشود، استفاده از ROS 2 ممکن است بیش از حد پیچیده باشد. اما هرچه سیستم به سمت ادراک، شبکه، چند پردازنده، ناوبری، شبیهسازی، برنامهریزی حرکت و هوش مصنوعی حرکت کند، مزیت معماری ROS بیشتر نمایان میشود.
از طرف دیگر، چندسکویی بودن ROS 2 نیز باید با دقت تفسیر شود. ROS 2 از Linux، Windows و macOS پشتیبانی میکند، اما هر Distribution مجموعه سیستمعاملهای Tier 1 (سیستمعاملهای رسمی و بهطور جدی تستشده) خودش را دارد. پروژه ROS توصیه میکند کاربران بهویژه در ابتدای کار از همین پلتفرمهای رسمی استفاده کنند.
در سال ۲۰۲۶، برای مثال، Lyrical Luth با Ubuntu 26.04 و Windows 11 بهعنوان پلتفرمهای اصلی خود مطرح است، در حالی که Jazzy از Windows 10 نیز پشتیبانی دارد. بنابراین عبارت «ROS 2 روی ویندوز اجرا میشود» بهتنهایی اطلاعات کافی نیست؛ باید مشخص شود کدام Distribution و کدام نسخه Windows مدنظر است.
۷. آیا یادگیری ROS 2 در سال ۲۰۲۶ ارزش دارد؟ از کجا شروع کنیم؟
پاسخ برای کسی که قصد ورود جدی به مهندسی نرمافزار رباتیک دارد، تقریباً روشن است: بله، اما نه به این دلیل که ROS یک فناوری مد روز است.
ROS 2 مهم است چون یک استاندارد عملی برای ساخت سیستمهای نرمافزاری پیچیده رباتیک ایجاد کرده است. حتی زمانی که یک تیم از الگوریتم یا سختافزار اختصاصی خودش استفاده میکند، آشنایی با معماری ROS میتواند فهم بسیار بهتری از نحوه طراحی نرمافزار رباتیک مدرن بدهد.
اما اشتباه رایج این است که فرد ماهها فقط دستورهای ros2 run و ros2 topic را حفظ کند و تصور کند ROS یاد گرفته است.
ROS را باید در بستر رباتیک یاد گرفت.
برای شروع، ابتدا باید Python یا C++ را در حد قابلقبولی بلد باشید. سپس مفاهیم پایه ROS 2 مانند Node، Topic، Service، Action، Parameter، Package و Launch را یاد بگیرید. بعد از آن، باید به سراغ TF2 (مدیریت روابط مکانی بین Frameها)، rosbag (ثبت و بازپخش داده)، QoS و ابزارهای عیبیابی بروید.
مرحله بعد باید از «Hello World» خارج شوید و یک سیستم واقعی بسازید.
برای مثال، ساخت یک ربات دوچرخ مجازی در Gazebo، دریافت داده LiDAR، انتشار Odometry، نمایش داده در RViz، ایجاد نقشه و اجرای Navigation یک پروژه بسیار ارزشمندتر از دهها ساعت مطالعه تئوری است. Gazebo رسماً امکان تبادل داده دوطرفه با ROS 2 را فراهم میکند و همین موضوع آن را به یکی از ابزارهای مهم برای تمرین معماری رباتیک تبدیل کرده است.
پس از آن، بهتر است یک حوزه تخصصی انتخاب شود: SLAM و مکانیابی، ناوبری، Manipulation (کار با بازوی رباتیک)، بینایی ماشین، کنترل یا هوش مصنوعی رباتها.
در این مرحله است که ROS از یک نرمافزار آموزشی به یک ابزار مهندسی واقعی تبدیل میشود.
برای کسی که قصد فعالیت حرفهای در رباتیک دارد، یادگیری ROS 2 را میتوان تقریباً چنین دید: Python یا C++ ابزار برنامهنویسی است، Linux محیط اصلی توسعه است، ROS 2 زیرساخت ارتباطی و نرمافزاری ربات است، Gazebo محیط شبیهسازی است، RViz پنجره مشاهده سیستم است، Nav2 ابزار ناوبری است و MoveIt 2 ابزار مهم برنامهریزی حرکت بازوهاست. این اجزا رقیب یکدیگر نیستند؛ بخشهای مختلف یک زنجیره نرمافزاری را تشکیل میدهند.
در نهایت، مهمترین نکته درباره ROS این است که نباید آن را صرفاً یک «سیستمعامل مخصوص رباتها» دید. ROS در واقع یک روش استاندارد برای مهندسی نرمافزار رباتیک است.
رباتهای امروزی دیگر مجموعهای از چند سنسور و موتور ساده نیستند. آنها سیستمهای توزیعشدهای هستند که باید دادههای زیادی را از محیط دریافت کنند، این دادهها را پردازش کنند، وضعیت خود را تخمین بزنند، تصمیم بگیرند و با جهان فیزیکی تعامل کنند. ROS 2 تلاش میکند زیرساخت لازم برای اتصال این قطعات را فراهم کند؛ از ارتباط بین Nodeها و مدیریت پیامها گرفته تا ابزارهای شبیهسازی، ناوبری، برنامهریزی حرکت، ثبت داده و عیبیابی.
بنابراین اگر سؤال این باشد که ROS چیست و چرا در رباتیک اهمیت دارد؟ پاسخ دقیق این است:
ROS یک سیستمعامل به معنای کلاسیک نیست؛ یک پلتفرم و چارچوب نرمافزاری متنباز است که توسعهدهندگان را قادر میکند اجزای مختلف یک ربات را بهصورت ماژولار، استاندارد و قابل توسعه به یکدیگر متصل کنند. ROS 2 نسل فعلی این معماری است و در سال ۲۰۲۶، با اکوسیستمی شامل ابزارهایی مانند Nav2، MoveIt 2، RViz و Gazebo، یکی از مهمترین زیرساختهای نرمافزاری برای تحقیق، نمونهسازی و توسعه سامانههای رباتیک محسوب میشود.
برای همین، یادگیری ROS 2 فقط یادگیری یک ابزار نیست؛ در عمل، یادگیری بخشی از زبان مشترک مهندسی رباتیک مدرن است.