廖德 Handel Working Spece: ROS

顯示具有 ROS 標籤的文章。顯示所有文章

2025年11月13日星期四

ROS1 catkin build 介紹

🛠️ `catkin build` 介紹

catkin build 是一個用於建構（build）ROS (Robot Operating System) 專案的指令。它是 catkin_make 的一個更現代、更強大的替代品，設計用於建構大型的 Catkin 工作空間（workspace）。

核心功能與優勢

平行建構 (Parallelism):
- catkin build 最重要的優勢之一是它能自動利用您的電腦的多核處理器，同時建構多個套件 (packages)。這顯著加快了大型工作空間的建構時間。
單一套件建構 (Isolating Package Builds):
- 如果某個套件建構失敗，catkin build 通常可以更清楚地指示是哪個套件出錯，而且只會嘗試重新建構失敗的套件及其相依項，而不是整個工作空間。
更清晰的輸出 (Better Output):
- 它提供了一個更簡潔、更具組織性的終端機輸出，讓您可以一目了然地看到哪些套件正在建構、哪些已完成，以及建構所需的時間。
隔離的建構空間 (Isolated Build Space):
- catkin build 會在工作空間（通常是 src 資料夾的父目錄）中建立一個獨立的 build 資料夾來存放所有中間建構檔案，而不是像 catkin_make 一樣將所有東西都放在一個 devel 資料夾中。
- 它還提供一個隔離的安裝空間 (isolated install space)，這對於建立發行版或測試單一套件的安裝效果很有幫助。

基本使用

1. 安裝 (如果尚未安裝)

catkin build 並不屬於 ROS 的核心安裝，但通常會隨 ROS 系統一起安裝。如果沒有，您可能需要安裝它：

Bash

sudo apt update
sudo apt install python3-catkin-tools

或對於舊版 ROS (如 Melodic/Kinetic)：

Bash

sudo apt update
sudo apt install python-catkin-tools

2. 建立 Catkin 工作空間

您需要一個標準的 Catkin 工作空間結構。

Bash
mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src
catkin_init_workspace # 建立一個空的 CATKIN_IGNORE 檔案
cd ..

3. 執行建構

在您的工作空間根目錄（例如 ~/catkin_ws）下執行：

Bash

catkin build

建構特定的套件：
Bash
catkin build <package_name>

清除並重新建構 (Clean and Build):

Bash

catkin clean # 清除建構檔案
catkin build

4. 設定環境

建構完成後，您需要將新的執行檔路徑加入到您的終端機環境中，這樣您才能執行您建構的節點 (nodes)：

Bash
source ~/catkin_ws/devel/setup.bash
# 如果您使用了 --install 選項，則改為
# source ~/catkin_ws/install/setup.bash

總結

特性	catkin build	catkin_make
平行建構	預設啟用，效率更高	需手動使用 `-j` 參數
工作空間結構	有單獨的 `build` 資料夾，更乾淨	建構結果都放在 `devel`
指令介面	提供更多選項，更清晰的輸出	較為基本
推薦用途	推薦用於所有 Catkin 工作空間	適用於簡單、單一套件的建構

您是否希望我進一步介紹 catkin build 的常用選項（例如：-j、--install、--cmake-args）或是說明 如何將現有的 catkin_make 工作空間轉換為使用 catkin build 呢？

2025年6月24日星期二

ros_maze_house.stl 模型 load by ros2 gazebo x11

ros_maze_house.stl 模型

markdown
ros_maze_house/
└── meshes/
    └── ros_maze_house.stl

接下來提供如何在 ROS 2 + Gazebo 11（Focal, Foxy 適用） 的 Docker 環境中，將該 STL 模型載入 Gazebo，並建立 ROS 套件的完整流程。

✅ 一、建立 ROS 2 套件 `ros_maze_house_world`

1. 建議結構

bash
ros2_ws/
└── src/
    └── ros_maze_house_world/
        ├── launch/
        │   └── maze_world.launch.py
        ├── models/
        │   └── maze_house/
        │       ├── model.config
        │       ├── model.sdf
        │       └── meshes/
        │           └── ros_maze_house.stl
        └── worlds/
            └── maze_house.world

✅ 二、編寫模型 SDF 檔案 `model.sdf`

xml
<!-- models/maze_house/model.sdf -->
<sdf version="1.6">
  <model name="maze_house">
    <static>true</static>
    <link name="maze_link">
      <visual name="visual">
        <geometry>
          <mesh>
            <uri>model://maze_house/meshes/ros_maze_house.stl</uri>
            <scale>1 1 1</scale>
          </mesh>
        </geometry>
      </visual>
      <collision name="collision">
        <geometry>
          <mesh>
            <uri>model://maze_house/meshes/ros_maze_house.stl</uri>
            <scale>1 1 1</scale>
          </mesh>
        </geometry>
      </collision>
    </link>
  </model>
</sdf>

✅ 三、建立 `model.config`

xml
<model>
  <name>maze_house</name>
  <version>1.0</version>
  <sdf version="1.6">model.sdf</sdf>
  <author>
    <name>ros-user</name>
    <email>ros@example.com</email>
  </author>
  <description>A STL-based maze model</description>
</model>

✅ 四、建立 Gazebo 世界檔 `maze_house.world`

xml
<sdf version="1.6">
  <world name="default">
    <include>
      <uri>model://sun</uri>
    </include>
    <include>
      <uri>model://ground_plane</uri>
    </include>
    <include>
      <uri>model://maze_house</uri>
    </include>
  </world>
</sdf>

✅ 五、建立 ROS 2 Launch 檔 `maze_world.launch.py`

python
from launch import LaunchDescription
from launch.actions import ExecuteProcess
from ament_index_python.packages import get_package_share_directory
import os

def generate_launch_description():
    pkg_path = get_package_share_directory('ros_maze_house_world')
    world_path = os.path.join(pkg_path, 'worlds', 'maze_house.world')

    return LaunchDescription([
        ExecuteProcess(
            cmd=[
                'gazebo',
                '--verbose',
                world_path,
                '-s', 'libgazebo_ros_factory.so'
            ],
            output='screen'
        )
    ])

✅ 六、使用 Docker 建立 ROS 2 + Gazebo 環境

bash
docker run -it --rm \
  --name ros2_gazebo_maze \
  --env="DISPLAY" \
  --env="QT_X11_NO_MITSHM=1" \
  --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw" \
  --volume="$HOME/.Xauthority:/root/.Xauthority:rw" \
  --volume="$HOME/ros2_ws:/root/ros2_ws:rw" \
  --net=host \
  osrf/ros:foxy-desktop

⚠️ 若用 ROS 2 Humble 請使用 osrf/ros:humble-desktop，Gazebo 版本需切換為 Fortress。

✅ 七、Docker 容器中執行步驟

bash
cd /root/ros2_ws
source /opt/ros/foxy/setup.bash
colcon build --packages-select ros_maze_house_world
source install/setup.bash
ros2 launch ros_maze_house_world maze_world.launch.py

✅ 八、設定 GAZEBO_MODEL_PATH（避免模型找不到）

bash
export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:/root/ros2_ws/install/ros_maze_house_world/share/ros_maze_house_world/models

2025年4月17日星期四

Ubuntu 上安裝 NVIDIA Container Toolkit 的完整流程

在 Ubuntu 上安裝 NVIDIA Container Toolkit 的完整流程，讓 Docker 容器可以使用 GPU（如：NVIDIA Jetson、RTX 顯示卡、CUDA 開發等）。

✅ 指令逐步說明：

🔹 1. 加入 NVIDIA GPG 金鑰（供 apt 驗證）

bash
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey \
| sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg

這會下載 GPG 金鑰並儲存為 .gpg 格式到 /usr/share/keyrings
→ 供接下來 apt repository 使用，避免「未簽署的來源」警告。

🔹 2. 加入 NVIDIA APT 套件來源清單（stable 版本）

bash
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list \
| sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' \
| sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

這段會：

下載官方套件來源 list 檔
插入 GPG key 使用的 signed-by 參數
儲存成 /etc/apt/sources.list.d/nvidia-container-toolkit.list

🔹 3. 啟用 experimental 測試源（某些版本預設註解）

bash
sudo sed -i -e '/experimental/ s/^#//g' /etc/apt/sources.list.d/nvidia-container-toolkit.list

這會移除 # 註解符號，啟用套件清單中名為 experimental 的項目（若有）

🔹 4. 更新 apt 套件清單

bash
sudo apt-get update

🔹 5. 安裝 NVIDIA Container Toolkit 主套件

bash
sudo apt-get install -y nvidia-container-toolkit

這會安裝：

/usr/bin/nvidia-container-runtime
GPU runtime hooks
Docker engine GPU 插件

🔹 6. 重新啟動 Docker 服務

bash
sudo systemctl restart docker

→ 確保 docker 套用新的 runtime 設定
→ 接下來 docker run --gpus all 就可以正常啟用 NVIDIA GPU

✅ 檢查是否安裝成功

bash
docker run --rm --gpus all nvidia/cuda:12.2.0-base-ubuntu22.04 nvidia-smi

如果看到 nvidia-smi 顯示 GPU 列表，代表一切設定完成 ✅

📌 延伸建議：加入預設 docker 設定

確認 /etc/docker/daemon.json 包含：

json
{
  "runtimes": {
    "nvidia": {
      "path": "nvidia-container-runtime",
      "runtimeArgs": []
    }
  },
  "default-runtime": "nvidia"
}

如果你常跑 GPU 容器，這樣可自動使用 NVIDIA runtime。

#restart docker and test docker gpu

$sudo systemctl restart docker

$docker run --rm --gpus all nvidia/cuda:12.2.0-base-ubuntu22.04 nvidia-smi

$nvidia-smi

$docker info | grep -i nvidia

2025年4月15日星期二

GPU + USB + micro-ROS 的 docker-compose.yml + Dockerfile 套件組

以下是完整的 ROS 2 Humble 環境組合：

🎯 支援 NVIDIA GPU、USB 裝置（如 /dev/ttyACM0）、micro-ROS Agent、自訂 ubuntu 用戶，並透過 docker-compose 一鍵啟動

📁 目錄結構

ros2_microros_gpu_docker/
├── docker-compose.yml
├── Dockerfile
└── entrypoint.sh

📦 `Dockerfile`（支援 GPU + ROS2 + micro-ROS agent）

Dockerfile
FROM osrf/ros:humble-desktop-full

# 建立使用者
RUN useradd -ms /bin/bash ubuntu && echo "ubuntu:ubuntu" | chpasswd && adduser ubuntu sudo

# 安裝常用工具與 micro-ROS 相依套件
RUN apt update && apt install -y \
    build-essential python3-pip \
    python3-colcon-common-extensions \
    git curl wget nano tmux net-tools iputils-ping \
    libboost-system-dev libtinyxml2-dev libyaml-cpp-dev \
    && rm -rf /var/lib/apt/lists/*

# 建立 micro-ROS agent 工作空間
USER ubuntu
WORKDIR /home/ubuntu/data/uros_ws
RUN mkdir -p src && cd src && \
    git clone -b humble https://github.com/micro-ROS/micro-ROS-Agent.git && \
    git clone -b humble https://github.com/micro-ROS/micro_ros_msgs.git

SHELL ["/bin/bash", "-c"]
RUN source /opt/ros/humble/setup.bash && \
    colcon build

# 自動載入 ROS 與 micro-ROS 環境
RUN echo "source /opt/ros/humble/setup.bash" >> /home/ubuntu/.bashrc && \
    echo "source /home/ubuntu/data/uros_ws/install/setup.bash" >> /home/ubuntu/.bashrc

COPY entrypoint.sh /entrypoint.sh
RUN chmod +x /entrypoint.sh

ENTRYPOINT ["/entrypoint.sh"]

🛠 `entrypoint.sh`（進入後切換成 ubuntu 使用者）

bash
#!/bin/bash
exec sudo -u ubuntu -H bash

🧩 `docker-compose.yml`（支援 GPU + USB + X11 + Volume）

yaml
version: '3.9'

services:
  ros2dev:
    build: .
    container_name: ros2dev
    network_mode: host
    privileged: true
    environment:
      - DISPLAY=${DISPLAY}
      - QT_X11_NO_MITSHM=1
    volumes:
      - /tmp/.X11-unix:/tmp/.X11-unix:rw
      - ./data:/home/ubuntu/data
    devices:
      - /dev/ttyACM0:/dev/ttyACM0
    deploy:
      resources:
        reservations:
          devices:
            - capabilities: [gpu]

🚀 使用步驟

建立資料夾並放入三個檔案

bash
mkdir -p ros2_microros_gpu_docker/data
cd ros2_microros_gpu_docker
# 放入 Dockerfile、docker-compose.yml、entrypoint.sh

建立映像與啟動容器

#docker compose use docker-compose.yml 啟動
$xhost +local:ubuntu
$docker compose up --build

#docker run 啟動 
$docker run -itd \
  --restart=always \
  --name ros2dev \
  --network host \
  --privileged \
  -e DISPLAY=$DISPLAY \
  -e QT_X11_NO_MITSHM=1 \
  -v /tmp/.X11-unix:/tmp/.X11-unix:rw \
  -v $(pwd)/data:/home/ubuntu/data \
  --device=/dev/ttyACM0:/dev/ttyACM0 \
  --device=/dev/ttyUSB0:/dev/ttyUSB0 \
  --gpus all \
  ros2-humble-ubuntu:latest

容器啟動後執行：

#bash login ros2dev
$ docker exec -it ros2dev bash

#new firmware_ws prj run 建立 micro ros firmware by stm32 or esp32
#create stm32F407 freerots firmware code and build code
$ros2 run micro_ros_setup create_firmware_ws.sh freertos olimex-stm32-e407
$ros2 run micro_ros_setup build_firmware.sh

#to uros_ws prj  run
$cd uros_ws
$echo "source /opt/ros/humble/setup.bash" >> /home/ubuntu/.bashrc
$source /opt/ros/humble/setup.bash
$source install/local_setup.bash


$ros2 run micro_ros_agent micro_ros_agent serial --dev /dev/ttyACM0

✅ 功能總結

功能	支援
micro-ROS Agent	✅ 編譯內建
USB UART (/dev/ttyACM0)	✅ 掛載
NVIDIA GPU	✅ docker compose 支援
GUI 工具（Gazebo / RViz）	✅ 透過 X11
Ubuntu 使用者	✅ 預設 `ubuntu/ubuntu`

ros2 容器內預設ubuntu user

#add user ubuntu to images

# Dockerfile: ROS 2 Humble + MoveIt2 + Gazebo + micro-ROS Agent (source build)

FROM osrf/ros:humble-desktop-full

ENV DEBIAN_FRONTEND=noninteractive

# === 新增 ubuntu 使用者 ===

RUN useradd -m -s /bin/bash ubuntu && \

echo "ubuntu:ubuntu" | chpasswd && \

usermod -aG sudo ubuntu

# === 安裝基礎工具與依賴 ===

RUN apt update && apt install -y \

build-essential \

cmake \

git \

curl \

wget \

lsb-release \

gnupg2 \

python3-pip \

python3-colcon-common-extensions \

libboost-system-dev \

libtinyxml2-dev \

libyaml-cpp-dev \

nano tmux net-tools iputils-ping \

sudo \

ros-humble-rmw-fastrtps-cpp \

ros-humble-moveit \

ros-humble-moveit-setup-assistant \

ros-humble-gazebo-ros-pkgs \

ros-humble-ros2-control \

ros-humble-ros2-controllers && \

rm -rf /var/lib/apt/lists/*

# === 使用 ubuntu 用戶 ===

USER ubuntu

WORKDIR /home/ubuntu

ENV HOME=/home/ubuntu

# === 建立 micro-ROS Agent workspace ===

RUN mkdir -p /home/ubuntu/data/uros_ws/src

WORKDIR /home/ubuntu/data/uros_ws

# === Clone micro-ROS Agent + msgs ===

RUN git clone -b humble https://github.com/micro-ROS/micro-ROS-Agent.git src/micro_ros_agent && \

git clone -b humble https://github.com/micro-ROS/micro_ros_msgs.git src/micro_ros_msgs

# === Build Agent ===

RUN /bin/bash -c "source /opt/ros/humble/setup.bash && colcon build"

# === Source setup 環境 ===

RUN echo 'source /opt/ros/humble/setup.bash' >> /home/ubuntu/.bashrc && \

# echo 'source /home/ubuntu/data/uros_ws/install/setup.bash' >> /home/ubuntu/.bashrc

# === 建立 ROS2 工作目錄 ===

WORKDIR /home/ubuntu/ros2_ws

RUN mkdir -p /home/ubuntu/ros2_ws/src

CMD ["bash"]

=================================================

✅ 已根據你的需求更新 Dockerfile，具備以下特性：

🔐 新增用戶 ubuntu 並設定密碼為 ubuntu
📂 將 micro-ROS workspace 建置於 /home/ubuntu/data/uros_ws
🔁 自動載入 ROS 2 與 micro-ROS Agent 環境變數於 .bashrc
🔧 預設使用 ubuntu 使用者執行容器

🚀 建立與啟動容器

bash
$docker build -t ros2-humble-ubuntu .

bash
$xhost +local:ubuntu
$docker run -it --restart=always \
  --name ros2dev \
  --env="DISPLAY" \
  --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw" \
  --privileged \
  ros2-humble-ubuntu


#docker start for gpu , /dev/ttyACM0 ,/dev/ttyUSB0
xhost +local:root  # 開放 X11 存取（若尚未執行）
docker run -it --rm \
  --name ros2dev \
  --gpus all \
  --net=host \
  --privileged \
  --env DISPLAY=$DISPLAY \
  --env QT_X11_NO_MITSHM=1 \
  --volume /tmp/.X11-unix:/tmp/.X11-unix:rw \
  --volume $(pwd)/data:/home/ubuntu/data \
  --device /dev/ttyACM0:/dev/ttyACM0 \
  --device /dev/ttyUSB0:/dev/ttyUSB0 \
  ros2-humble-ubuntu

登入後執行：

bash
$source /home/ubuntu/data/uros_ws/install/setup.bash
$ros2 run micro_ros_agent micro_ros_agent serial --dev /dev/ttyACM0

以下是你需求的 完整 Docker run 指令，包含以下功能 ✅：

✅ 功能清單

GUI 顯示支援（X11）
掛載 USB 裝置 /dev/ttyACM0
將本機當前目錄下的 ./data/ 資料夾，掛載至 container 的 /home/ubuntu/data/
使用 --privileged 確保有完整裝置操作權限

🐳 最終指令如下：

bash
xhost +local:ubuntu

docker run -it --alway \
  --name ros2dev \
  --env="DISPLAY" \
  --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw" \
  --device=/dev/ttyACM0 \
  --volume="$(pwd)/data:/home/ubuntu/data" \
  --privileged \
  ros2-humble-ubuntu

📌 補充說明：

參數	功能說明
`xhost +local:ubuntu`	允許 container（以 ubuntu user 執行）使用 X11
`--device=/dev/ttyACM0`	掛載 USB Serial 裝置到 container 中
`--volume="$(pwd)/data:/home/ubuntu/data"`	將本機目錄下的 `./data` 映射到 container 內部
`--privileged`	授權 container 操作 /dev 類裝置等

✅ 啟動後，你可以：

bash
cd /home/ubuntu/data/uros_ws
source install/setup.bash
ros2 run micro_ros_agent micro_ros_agent serial --dev /dev/ttyACM0


=====================================================================

Docker 是支援 GPU 的，只要滿足以下條件，就可以在容器中使用 NVIDIA GPU 來加速 AI 推論、Gazebo 模擬、RViz 渲染等功能。

✅ 使用 GPU 的條件總覽

項目	說明
GPU 驅動程式 (Driver)	主機需先安裝 NVIDIA 官方驅動，非 nouveau
NVIDIA Container Toolkit	安裝 `nvidia-docker2` 或 `nvidia-container-toolkit`
Docker 版本	建議 Docker CE 19.03 以上
NVIDIA GPU	建議 CUDA Compute >= 5.0，例如 GTX 10xx / RTX / Jetson

🧰 安裝流程：Docker 支援 GPU 的步驟

1️⃣ 安裝 NVIDIA Driver（在主機上）

請使用官方指令，或：

bash
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall

然後重開機：

bash
reboot

2️⃣ 安裝 NVIDIA Container Toolkit

bash
# 下載 GPG key
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -

# 加入套件庫
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \
  sudo tee /etc/apt/sources.list.d/nvidia-docker.list

# 安裝 toolkit
sudo apt update
sudo apt install -y nvidia-container-toolkit

# 重啟 Docker
sudo systemctl restart docker

3️⃣ 測試 GPU 可用性

bash
docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi

若成功，會看到熟悉的 nvidia-smi 顯示 GPU 資訊畫面 ✅

🚀 在 ROS2 Docker 中使用 GPU

✅ 範例 run 指令（支援 GPU + GUI + USB）

bash
docker run -it --rm \
  --gpus all \
  --device=/dev/ttyACM0 \
  --volume="$(pwd)/data:/home/ubuntu/data" \
  --env="DISPLAY" \
  --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw" \
  --privileged \
  ros2-humble-ubuntu

🎯 額外支援

應用	Docker GPU 支援說明
OpenCV + CUDA	在容器中加裝 `opencv-contrib-python` 或自行 build with CUDA
PyTorch / TensorRT	使用 NVIDIA 官方容器即可支援 GPU 推論
Gazebo	RViz / Gazebo 使用 GPU 可提昇顯示效能
micro-ROS	一般不使用 GPU，但可與視覺/SLAM 搭配

✅ 檢查容器內是否偵測到 GPU

bash
nvidia-smi

或使用 ROS 範例查看 GPU 加速：

bash
glxinfo | grep "OpenGL renderer"

訂閱：文章 (Atom)

welcom ! Handel home

2025年11月13日 星期四

ROS1 catkin build 介紹

🛠️ catkin build 介紹

核心功能與優勢

基本使用

1. 安裝 (如果尚未安裝)

2. 建立 Catkin 工作空間

3. 執行建構

4. 設定環境

總結

2025年6月24日 星期二

ros_maze_house.stl 模型 load by ros2 gazebo x11

✅ 一、建立 ROS 2 套件 ros_maze_house_world

1. 建議結構

✅ 二、編寫模型 SDF 檔案 model.sdf

✅ 三、建立 model.config

✅ 四、建立 Gazebo 世界檔 maze_house.world

✅ 五、建立 ROS 2 Launch 檔 maze_world.launch.py

✅ 六、使用 Docker 建立 ROS 2 + Gazebo 環境

✅ 七、Docker 容器中執行步驟

✅ 八、設定 GAZEBO_MODEL_PATH（避免模型找不到）

2025年4月17日 星期四

Ubuntu 上安裝 NVIDIA Container Toolkit 的完整流程

✅ 指令逐步說明：

🔹 1. 加入 NVIDIA GPG 金鑰（供 apt 驗證）

🔹 2. 加入 NVIDIA APT 套件來源清單（stable 版本）

🔹 3. 啟用 experimental 測試源（某些版本預設註解）

🔹 4. 更新 apt 套件清單

🔹 5. 安裝 NVIDIA Container Toolkit 主套件

🔹 6. 重新啟動 Docker 服務

✅ 檢查是否安裝成功

📌 延伸建議：加入預設 docker 設定

2025年4月15日 星期二

GPU + USB + micro-ROS 的 docker-compose.yml + Dockerfile 套件組

📁 目錄結構

📦 Dockerfile（支援 GPU + ROS2 + micro-ROS agent）

🛠 entrypoint.sh（進入後切換成 ubuntu 使用者）

🧩 docker-compose.yml（支援 GPU + USB + X11 + Volume）

🚀 使用步驟

✅ 功能總結

ros2 容器內預設ubuntu user

🚀 建立與啟動容器

✅ 功能清單

🐳 最終指令如下：

📌 補充說明：

✅ 啟動後，你可以：

✅ 使用 GPU 的條件總覽

🧰 安裝流程：Docker 支援 GPU 的步驟

1️⃣ 安裝 NVIDIA Driver（在主機上）

2️⃣ 安裝 NVIDIA Container Toolkit

3️⃣ 測試 GPU 可用性

🚀 在 ROS2 Docker 中使用 GPU

✅ 範例 run 指令（支援 GPU + GUI + USB）

🎯 額外支援

✅ 檢查容器內是否偵測到 GPU

2025年11月13日星期四

🛠️ `catkin build` 介紹

2025年6月24日星期二

✅ 一、建立 ROS 2 套件 `ros_maze_house_world`

✅ 二、編寫模型 SDF 檔案 `model.sdf`

✅ 三、建立 `model.config`

✅ 四、建立 Gazebo 世界檔 `maze_house.world`

✅ 五、建立 ROS 2 Launch 檔 `maze_world.launch.py`

2025年4月17日星期四

2025年4月15日星期二

📦 `Dockerfile`（支援 GPU + ROS2 + micro-ROS agent）

🛠 `entrypoint.sh`（進入後切換成 ubuntu 使用者）

🧩 `docker-compose.yml`（支援 GPU + USB + X11 + Volume）