# pur_game_server_x

**Repository Path**: CeasarSmj/pur_game_server_x

## Basic Information

- **Project Name**: pur_game_server_x
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-11-06
- **Last Updated**: 2026-02-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 追捕任务系统 (Pursuit Game Server - Client)
README for English User please turn to [README_en.md](./README_en.md)


这是一个基于图结构的多机器人追捕任务系统，实现了1个逃避者和2个追捕者的博弈任务。系统包含服务器端、机器人客户端和策略计算模块，支持真实机器人部署和仿真测试。

特别说明：客户端和视频图传客户端在 go2w_nav_ws 项目的 navigation_system_ros1ws/src/navigation_exp_pkg 中有部署

## 目录结构

```
.
├── config.py                # 全局配置文件，包含通信协议、服务器配置等
├── core/                    # 核心服务模块，负责任务逻辑控制和机器人管理
├── datas/                   # 数据文件目录，包含地图、图结构和策略数据
├── main.py                  # 项目入口文件
├── map/                     # 地图管理模块，负责地图加载、坐标转换和障碍物编辑
├── map_generate/            # 地图生成模块，用于从图像生成图结构
├── policy/                  # 策略模块，包含本地信念更新和远程DRL策略通信
├── policy_client_remote/    # 远程策略客户端，与策略服务器配合实现DRL策略计算
├── policy_generate_and_test/# 策略生成和测试模块，用于预计算距离矩阵和策略模拟
├── requirements.txt         # 项目依赖列表
├── robots/                  # 机器人客户端模块，包含真实和模拟客户端实现
├── ui/                      # 用户界面模块，提供图形化监控界面
└── utils/                   # 工具模块，包含通信帧处理和日志工具
```

## 项目功能概述

本项目实现了一个基于图结构的追捕任务系统，主要功能包括：

1. 管理1个逃避者和2个追捕者的多机器人协调系统
2. 实现基于信念状态的追捕策略计算
3. 支持本地策略计算和远程深度强化学习(DRL)策略
4. 提供图形化监控界面，实时显示任务状态
5. 支持真实机器人部署和仿真测试环境
6. 实现视频流传输和显示功能


## 快速启动
注意：
- 其中需要安装 torch 建议先按照自己的 CUDA 版本先行安装
- 如有需要请自行准备 conda 环境
- 本项目需要使用 g++ 

1. 拷贝项目到本地，并进入项目目录：
```bash
git clone https://gitee.com/CeasarSmj/pur_game_server_x
```

2. 安装依赖：
```bash
pip install -r requirements.txt
```

3. 准备地图文件和策略相关文件：
```bash
./prepare_data.sh
```

4. 打开三个中断分别启动服务器、策略客户端和仿真机器人端：
```bash
# terminal 1
python main.py
# terminal 2
python policy_client_remote/drl_policy_driver.py
# terminal 3
python robots/fake_clients_simulate_multibot.py
```


## 数据准备

项目运行需要以下数据文件，均位于 `datas/` 目录下：

### 地图文件
- `outdoor_final.yaml` - ROS格式地图配置文件
- `outdoor_final.pgm` - 地图图像文件
- `outdoor_final.png` - 地图可视化文件

### 图结构文件
- `points.txt` - 图节点坐标信息
- `adj_matrix.txt` - 图邻接矩阵

### 策略数据文件
- `D_bin.txt` - 二进制格式的距离矩阵
- `D_bin.npy` - NumPy格式的距离矩阵

### AI模型文件
- `yolov11.pt` - YOLO目标检测模型

详细的数据生成方法请参考 `policy_generate_and_test/README.md` 和 `map_generate/README.md`。

## 测试流程启动 (使用fake_clients_simulate_multibot.py)

使用模拟客户端进行测试的启动步骤：

1. 确保所有依赖已安装：
   ```bash
   pip install -r requirements.txt
   ```

2. 启动服务器：
   ```bash
   python main.py
   ```

3. 在新终端中启动模拟客户端：
   ```bash
   python robots/fake_clients_simulate_multibot.py
   ```

4. 通过UI界面控制任务开始、暂停和重置等操作。

## 实验流程启动 (使用client_node.py和video_client.py)

在真实机器人环境中部署的启动流程：

### 服务端部署
- 确保所有依赖已安装
- 启动主服务器：
  ```bash
  python main.py
  ```

### 机器人端部署
在每个机器人上执行以下步骤：
- 安装机器人端依赖
- 修改 `robots/client_node.py` 中的服务器IP地址
- 启动机器人客户端：
  ```bash
  python robots/client_node.py
  ```

### 视频客户端部署
在需要传输视频的机器人上执行：
- 安装视频相关的依赖项
- 启动视频客户端：
  ```bash
  python robots/video_client.py
  ```

## 运行环境需求

### 服务端环境需求
- g++
- Python 3.x
- PyQt5
- networkx
- opencv-python
- PyYAML
- ultralytic (用于视频分析)

### 机器人端环境需求
- Python 3.x
- ROS noetic

### 策略端环境需求
- Python 3.x
- torch  (用于DRL策略)

## 通信协议

系统采用固定32字节的数据帧结构：

```
版本(1B) + 命令(1B) + 机器人ID(4B) + 时间戳(8B) + 载荷(14B) + CRC32校验(4B) = 32字节
```

支持的主要命令类型包括连接请求、位置报告、导航目标、心跳检测等。

## 注意事项

- 确保防火墙允许相关端口通信（默认6001用于机器人通信，6002用于策略通信，6003用于视频传输）
- 在真实部署时，请根据网络环境修改配置文件中的IP地址
- 策略计算需要预先生成距离矩阵数据文件
- 视频传输功能需要摄像头设备支持