企业官网建设流程全解析

很多第一次接触 ROS2 的读者，都会在同一个地方卡住：教程看了一大堆，命令也复制了不少，但始终没有建立起一个整体框架。ros2 run、colcon build、source install/setup.bash这些命令单独看都懂，合在一起就不知道它们在系统里到底发生了什么。尤其是从 ROS1 转过来的同学，还会下意识去找roscore、catkin_make，结果发现 ROS2 里的启动方式、通信机制、构建工具全都变了。

这篇文章想解决的，就是这个问题。我会从环境搭建开始，把工作空间、功能包、节点、话题、服务、动作、坐标变换这几个 ROS2 核心概念串成一条线，讲清楚它们各自解决什么问题、彼此之间怎么配合，再给出一套可以直接照做的实操流程。文章面向的是具身智能、机器人开发、自动驾驶感知等方向的入门读者，默认你有一台装有 Ubuntu 系统的电脑，对 Linux 基本命令有简单了解，但不需要任何 ROS 经验。

读完这篇文章，你会得到三样东西：一套能跑通的 ROS2 开发环境、一份覆盖核心概念的实操笔记、一张帮你排查常见问题的排错清单。建议先收藏，再跟着做。

1. 这篇文章真正要解决的问题

ROS2 之所以让新手觉得难，不是因为某个概念特别复杂，而是因为它同时引入了好几层新东西：操作系统层面的依赖、构建系统的差异、通信机制的改版、命令行工具的重命名。如果没有人帮你把这些层次拆开，很容易陷入“装好了但不会用，会用了但不知道原理”的状态。

从实际开发角度看，ROS2 解决的痛点是分布式机器人系统的通信与组织问题。一个真实的机器人系统往往包含多个进程：激光雷达驱动、里程计计算、路径规划、视觉识别、底盘控制。ROS2 要做的，就是让这些进程可以独立开发、独立启动、互相通信，并且能运行在不同机器上。这个目标听起来简单，但实现起来涉及进程间通信、消息序列化、节点发现、生命周期管理等一系列问题。

对于具身智能方向的开发者来说，ROS2 还是连接感知、规划、控制三个模块的“中间层”。比如你训练了一个目标检测模型，检测结果要发给导航模块，导航模块要控制底盘运动，底盘状态又要反馈给上层决策——这些数据流动的管道，就是由 ROS2 来承载的。这也是为什么很多具身智能岗位的招聘要求里，都会明确写上“熟悉 ROS/ROS2”。

这篇文章最关键的一个判断是：ROS2 入门不需要先读源码，也不需要先把通信原理研究透，你需要的是先建立“最小可用系统”的概念模型，然后通过亲手跑通一个完整流程来验证它。后面的所有内容都围绕这个判断展开。

2. ROS2 核心概念与基础原理

在开始安装之前，先花几分钟把 ROS2 的几个核心概念搞清楚。这些概念不是孤立的，它们共同构成了一套“机器人软件的组织方式”。

2.1 工作空间（Workspace）

工作空间在 ROS2 里是一个目录，用来组织你的工程代码。它的典型结构是src目录下放各个功能包源代码，构建之后生成build、install、log三个目录。

可以这样理解：工作空间是一个“项目文件夹”，功能包是“项目里的模块”。你把多个功能包放在同一个工作空间里，用colcon build一次性构建，然后用source install/setup.bash让系统找到这些包。

2.2 功能包（Package）

功能包是 ROS2 中代码组织和分发的基本单元。一个功能包可以包含节点源码、配置文件、启动文件、消息定义等。创建功能包的命令是：

ros2 pkg create <package_name> --build-type <ament_cmake|ament_python> --dependencies <依赖列表>

功能包之于 ROS2，相当于 Maven 里的模块、pip 里的包，它把相关代码打包在一起，方便复用和分发。

2.3 节点（Node）与通信机制

节点是 ROS2 中真正干活的进程。一个节点通常负责一个相对独立的职能，比如“激光雷达驱动节点”“里程计节点”“导航节点”。节点之间通过话题（Topic）、服务（Service）、动作（Action）三种方式通信。

用一个生活化的类比来解释：

• 话题（Topic）：像广播电台。发布者只管发，不关心谁在听；订阅者只管收，不关心谁在发。适合持续流动的数据，比如传感器数据、状态信息。
• 服务（Service）：像打电话。客户端发起请求，服务端处理并返回响应，是一问一答的同步模式。适合“查询状态”“触发某个操作”这类场景。
• 动作（Action）：像点外卖。你下单后，商家会持续给你反馈进度（“已接单”“正在制作”“骑手已出发”），最后送达。适合需要长时间执行、并且需要反馈和取消的任务，比如“导航到某个目标点”“机械臂执行一段轨迹”。

三种通信方式的适用场景可以用下面的表格概括：

2.4 坐标变换（TF）

坐标变换在机器人系统中解决的是“数据对齐”问题。机器人身上有多个传感器和部件，每个部件都有自己的坐标系：激光雷达坐标系、相机坐标系、底盘坐标系、机械臂末端坐标系。要让这些数据在同一个空间框架下处理，就必须知道各个坐标系之间的相对位置关系。

TF2 是 ROS2 中维护坐标变换关系的工具。它实时发布坐标系之间的变换关系，其他节点可以通过 TF2 接口查询任意两个坐标系之间的变换。比如要让相机检测到的目标位置转换到底盘坐标系下，只需要查询camera_link到base_link的变换即可。

对于刚入门的读者，不需要一开始就深入 TF2 的数学原理，但要明白它是解决什么问题的，以及在实际系统中怎么查看坐标变换关系。

2.5 启动文件（Launch File）

启动文件用来一次性启动多个节点。真实机器人系统不可能手动一个个ros2 run启动所有节点，而是通过启动文件统一管理。启动文件可以配置节点的参数、命名空间、重映射、条件执行等。

ROS2 的启动文件支持 Python、XML、YAML 三种格式，其中 Python 格式最灵活，也是目前社区的主流写法。

3. ROS2 环境搭建与安装配置

3.1 操作系统与 ROS2 发行版选择

ROS2 的官方支持平台是 Ubuntu Linux。目前主流的 ROS2 发行版与 Ubuntu 版本对应关系如下：

如果你是新手，建议选择Ubuntu 22.04 + ROS2 Humble或Ubuntu 24.04 + ROS2 Jazzy。这两个组合都是 LTS（长期支持）版本，社区资料多，遇到问题更容易搜索到解决方案。本文以 Ubuntu 22.04 + ROS2 Humble 为例进行演示，其他发行版的操作步骤基本一致，只需将版本代号替换即可。

3.2 安装 ROS2 Humble

安装 ROS2 的官方推荐方式是通过 apt 包管理器安装。过程分为四步：设置软件源、添加密钥、更新软件源、安装 ROS2 基础包。

第一步，设置软件源。打开终端，执行：

sudo apt update && sudo apt install -y curl gnupg lsb-release sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg

第二步，将 ROS2 软件源添加到 apt 源列表中：

echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(source /etc/os-release && echo $UBUNTU_CODENAME) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null

第三步，更新软件源并安装 ROS2：

sudo apt update sudo apt install -y ros-humble-desktop

ros-humble-desktop是一个元包，会安装 ROS2 的核心功能、常用工具、仿真和可视化工具（如 RViz2、Gazebo）。如果你只需要命令行工具和核心库，可以安装ros-humble-ros-base，但入门阶段建议直接安装桌面版。

第四步，配置环境变量。将以下命令添加到~/.bashrc中，这样每次打开终端都会自动加载 ROS2 环境：

echo "source /opt/ros/humble/setup.bash" >> ~/.bashrc source ~/.bashrc

安装完成后，可以通过以下命令验证 ROS2 是否安装成功：

ros2 --help ros2 topic list

如果ros2命令能够正常输出帮助信息，说明安装成功。此时ros2 topic list可能会输出空列表，这是正常的，因为当前还没有启动任何节点。

3.3 安装 colcon 构建工具

colcon 是 ROS2 的官方构建工具，类似 ROS1 中的 catkin。安装命令：

sudo apt install -y python3-colcon-common-extensions

安装完成后，colcon命令即可使用。构建工作空间时，在src目录的上级目录执行colcon build即可。

3.4 安装常用开发工具

除了 ROS2 本身，建议安装以下工具：

sudo apt install -y python3-pip python3-argcomplete pip3 install -U colcon-common-extensions

python3-argcomplete用于让 ROS2 命令行工具支持 Tab 自动补全，pip3用于后续安装 Python 依赖。

3.5 验证安装环境

安装完成后，最经典的验证方式是运行小海龟仿真程序。打开第一个终端，启动 turtlesim 节点：

ros2 run turtlesim turtlesim_node

打开第二个终端，启动海龟控制节点：

ros2 run turtlesim turtle_teleop_key

此时应该能通过键盘方向键控制小海龟移动。这个示例虽然简单，但它完整展示了 ROS2 节点通信的基本流程：turtle_teleop_key节点发布键盘指令，turtlesim_node节点订阅并执行。这也是新手理解“节点”“话题”最简单直观的方式。

4. 创建工作空间与功能包

4.1 创建工作空间目录

在 home 目录下创建一个名为ros2_ws的工作空间，并在其中创建src目录：

mkdir -p ~/ros2_ws/src cd ~/ros2_ws

4.2 创建功能包

进入src目录，使用ros2 pkg create创建一个 Python 功能包和一个 C++ 功能包：

cd ~/ros2_ws/src ros2 pkg create py_talker --build-type ament_python --dependencies rclpy std_msgs ros2 pkg create cpp_listener --build-type ament_cmake --dependencies rclcpp std_msgs

执行之后，src目录下会生成两个功能包，每个包内包含package.xml、CMakeLists.txt（或setup.py）、src（或包同名目录）等文件。

4.3 构建工作空间

回到工作空间根目录，执行 colcon 构建：

cd ~/ros2_ws colcon build

构建完成后，工作空间根目录下会出现build、install、log三个目录。source 环境后即可使用自己写的功能包：

source install/setup.bash

4.4 功能包管理经验

新建功能包时，包名建议使用小写字母和下划线，不要用大写字母或连字符，否则会导致构建和导入失败。依赖声明尽量准确，不要随意添加不需要的依赖，这会增加编译时间和安装体积。另外，构建时如果出现找不到包的错误，大概率是因为某个依赖没有安装，可以用rosdep安装依赖后重新构建。

5. ROS2 核心实操：节点与话题

5.1 写一个 Python 发布者节点

在py_talker包内创建一个发布者节点。文件路径为src/py_talker/py_talker/publisher_node.py：

#!/usr/bin/env python3 import rclpy from rclpy.node import Node from std_msgs.msg import String class TalkerNode(Node): def __init__(self): super().__init__('py_talker_node') self.publisher_ = self.create_publisher(String, 'chatter', 10) self.timer_ = self.create_timer(1.0, self.timer_callback) self.count_ = 0 def timer_callback(self): msg = String() msg.data = f'Hello ROS2, count: {self.count_}' self.publisher_.publish(msg) self.get_logger().info(f'Publishing: {msg.data}') self.count_ += 1 def main(args=None): rclpy.init(args=args) node = TalkerNode() rclpy.spin(node) rclpy.shutdown() if __name__ == '__main__': main()

这段代码做了四件事：创建节点、创建话题发布者、创建定时器、在定时器回调中发布消息。rclpy.spin(node)让节点保持运行并处理回调，这是 ROS2 节点最常见的运行方式。

5.2 写一个 Python 订阅者节点

在同一个包内创建订阅者节点。文件路径为src/py_talker/py_talker/subscriber_node.py：

#!/usr/bin/env python3 import rclpy from rclpy.node import Node from std_msgs.msg import String class ListenerNode(Node): def __init__(self): super().__init__('py_listener_node') self.subscription_ = self.create_subscription( String, 'chatter', self.listener_callback, 10) def listener_callback(self, msg): self.get_logger().info(f'Received: {msg.data}') def main(args=None): rclpy.init(args=args) node = ListenerNode() rclpy.spin(node) rclpy.shutdown() if __name__ == '__main__': main()

5.3 配置 setup.py 入口点

在src/py_talker/setup.py中，将entry_points部分修改为：

entry_points={ 'console_scripts': [ 'py_talker_node = py_talker.publisher_node:main', 'py_listener_node = py_talker.subscriber_node:main', ], },

这一步的作用是把 Python 脚本注册为可执行命令。修改后需要重新构建并 source 环境：

cd ~/ros2_ws colcon build --packages-select py_talker source install/setup.bash

5.4 运行发布者与订阅者节点

打开三个终端，分别执行：

# 终端1：运行发布者 ros2 run py_talker py_talker_node # 终端2：运行订阅者 ros2 run py_talker py_listener_node

如果一切正常，第二个终端会持续输出Received: Hello ROS2, count: ...，说明发布者和订阅者已经通过话题chatter成功通信。

第三个终端可以用来查看系统的运行状态：

ros2 node list ros2 topic list ros2 topic echo /chatter

ros2 node list会列出当前运行的节点，ros2 topic list会列出所有话题，ros2 topic echo /chatter会实时打印话题上的消息内容。这些命令是 ROS2 调试的“体检工具”，实际开发中几乎每天都会用到。

6. ROS2 核心实操：服务与动作

6.1 服务端与客户端示例

以计算两个数之和的服务为例。需要用到 ROS2 内置的example_interfaces包中的AddTwoInts.srv消息类型。

先安装依赖：

sudo apt install -y ros-humble-example-interfaces

服务端节点代码，文件路径为src/py_talker/py_talker/service_server_node.py：

#!/usr/bin/env python3 import rclpy from rclpy.node import Node from example_interfaces.srv import AddTwoInts class ServiceServerNode(Node): def __init__(self): super().__init__('service_server_node') self.srv_ = self.create_service( AddTwoInts, 'add_two_ints', self.add_two_ints_callback) def add_two_ints_callback(self, request, response): response.sum = request.a + request.b self.get_logger().info( f'Received: {request.a} + {request.b} = {response.sum}') return response def main(args=None): rclpy.init(args=args) node = ServiceServerNode() rclpy.spin(node) rclpy.shutdown() if __name__ == '__main__': main()

客户端节点代码，文件路径为src/py_talker/py_talker/service_client_node.py：

#!/usr/bin/env python3 import rclpy from rclpy.node import Node from example_interfaces.srv import AddTwoInts import sys class ServiceClientNode(Node): def __init__(self): super().__init__('service_client_node') self.client_ = self.create_client(AddTwoInts, 'add_two_ints') while not self.client_.wait_for_service(timeout_sec=1.0): self.get_logger().info('Waiting for service server...') self.get_logger().info('Service server is available.') def send_request(self, a, b): request = AddTwoInts.Request() request.a = a request.b = b future = self.client_.call_async(request) rclpy.spin_until_future_complete(self, future) return future.result() def main(args=None): rclpy.init(args=args) node = ServiceClientNode() if len(sys.argv) < 3: node.get_logger().error('Usage: ros2 run py_talker service_client_node <a> <b>') rclpy.shutdown() return response = node.send_request(int(sys.argv[1]), int(sys.argv[2])) node.get_logger().info(f'Result: {sys.argv[1]} + {sys.argv[2]} = {response.sum}') rclpy.shutdown() if __name__ == '__main__': main()

更新setup.py的entry_points，重新构建后，先运行服务端，再运行客户端：

# 终端1：运行服务端 ros2 run py_talker service_server_node # 终端2：运行客户端，传入两个整数 ros2 run py_talker service_client_node 3 5

终端2会输出Result: 3 + 5 = 8，服务端也会打印收到请求的日志。这里需要注意，客户端在发送请求前会先调用wait_for_service等待服务端就绪，这是 ROS2 服务通信中常用的健壮性处理方式。

6.2 动作服务器与客户端示例

动作用于长时任务，这里以 ROS2 官方示例中的 Fibonacci 动作器为例演示。动作的完整实现比较复杂，入门阶段可以先运行官方示例感受机制，再读源码理解结构。

sudo apt install -y ros-humble-action-tutorials-cpp ros-humble-action-tutorials-interfaces

终端1运行动作服务器：

ros2 run action_tutorials_cpp fibonacci_action_server

终端2运行动作客户端：

ros2 run action_tutorials_cpp fibonacci_action_client

客户端会发送一个目标值（默认10），服务器收到后开始计算，并持续通过反馈话题发布进度。可以看到客户端不断收到“当前斐波那契数列前几项”的反馈，最终收到结果。

如果想看到更直观的反馈效果，可以在终端3执行：

ros2 action list -t ros2 action info /fibonacci

动作机制的三个关键点是：目标（Goal）、反馈（Feedback）、结果（Result）。客户端发送目标后可以继续做别的事情，服务器在执行过程中持续发送反馈，执行完成后返回最终结果。如果任务耗时过长或者情况变化，客户端还可以发送取消请求。

6.3 三种通信方式的选型建议

在实际项目中，选错通信方式会导致代码结构混乱。这里给出一个简单判断标准：如果是传感器数据这种“无人值守持续发”的数据流，用话题；如果是一个节点需要“提问并等待答案”的同步操作，用服务；如果是一个需要几十秒甚至更长时间、需要进度反馈、可能被用户取消的任务，用动作。三个标准基本能覆盖 90% 以上的场景。

7. 坐标变换（TF2）基础与实操

7.1 坐标变换解决什么问题

一个移动机器人底盘上通常装有多个传感器，比如前向激光雷达、顶部相机、惯性测量单元（IMU）。每个传感器都有自己的坐标系原点，当相机检测到一个障碍物时，得到的是相机坐标系下的坐标；但导航模块需要的是障碍物在底盘坐标系或全局地图坐标系下的位置。如果不做坐标变换，这些数据就是“语言不通”的。

TF2 做的事情，就是维护一张坐标系关系表，并实时发布“坐标系 A 相对于坐标系 B 的位姿变换”。任何节点都可以查询这张表，把数据从一个坐标系转换到另一个坐标系。

7.2 查看 TF2 变换关系

运行 turtlesim 示例时，实际上没有使用 TF2。为了演示 TF2，可以用 RViz2 配合机器人模型：

ros2 run rviz2 rviz2

在 RViz2 中，左侧面板可以添加 TF 显示选项，勾选后可以看到当前系统中所有坐标系之间的变换关系。对于没有机器人模型的环境，可以安装turtle_tf2演示包：

sudo apt install -y ros-humble-turtle-tf2-py ros2 launch turtle_tf2_py turtle_tf2_demo.launch.py

启动后，用另一个终端运行键盘控制节点：

ros2 run turtlesim turtle_teleop_key

此时控制海龟移动，RViz2 中可以看到两只海龟的坐标系关系。这个示例直观展示了 TF2 如何维护两个坐标系（两只海龟）之间的变换。

7.3 TF2 静态坐标变换

如果两个坐标系之间的相对关系固定不变，可以使用静态坐标变换发布者：

ros2 run tf2_ros static_transform_publisher 0.1 0.0 0.2 0.0 0.0 0.0 base_link camera_link

这条命令声明了camera_link坐标系相对于base_link坐标系在 x、y、z 方向偏移 0.1、0.0、0.2 米，且没有旋转（后三个参数为 Roll、Pitch、Yaw 角度）。实际项目中，传感器安装位置可以通过标定或 CAD 模型获得，然后以静态坐标变换的方式发布。

查看当前所有坐标变换关系：

ros2 run tf2_ros tf2_echo base_link camera_link ros2 run tf2_tools view_frames

tf2_echo会持续输出两个坐标系之间的实时变换，view_frames会生成一个 PDF 文件，展示系统中所有坐标系的树形关系。

8. ROS2 常用工具：RQt、RViz2、Launch、命令行

8.1 命令行工具

ROS2 的命令行工具是日常开发使用频率最高的工具，需要熟练掌握以下一组命令：

# 节点相关 ros2 node list # 列出当前所有节点 ros2 node info <node_name> # 查看节点详情 # 话题相关 ros2 topic list # 列出所有话题 ros2 topic info <topic_name> # 查看话题类型 ros2 topic echo <topic_name> # 打印话题消息 ros2 topic pub <topic_name> <type> <data> # 手动发布消息 # 服务相关 ros2 service list # 列出所有服务 ros2 service type <service_name> # 查看服务类型 ros2 service call <service_name> <type> <data> # 手动调用服务 # 动作相关 ros2 action list # 列出所有动作 ros2 action info <action_name> # 查看动作详情 # 功能包相关 ros2 pkg list # 列出所有已安装功能包 ros2 pkg prefix <package_name> # 查看功能包安装路径

这一组命令相当于 ROS2 的“系统监控面板”。遇到问题时，先用ros2 node list确认节点是否存活，再用ros2 topic list和ros2 topic echo确认数据是否流动，这是最基础的排查套路。

8.2 RViz2 可视化工具

RViz2 是 ROS2 的 3D 可视化工具，用来显示机器人模型、传感器数据、地图、路径规划结果等。启动命令：

ros2 run rviz2 rviz2

RViz2 的核心操作逻辑是：左侧面板点击 Add 添加显示项，选择话题类型（如 LaserScan、PointCloud2、Map、Path），即可在中央视图区看到可视化数据。对于激光雷达和相机数据的可视化，RViz2 是调试感知算法不可或缺的工具。

8.3 RQt 图形化工具

RQt 是 ROS2 的图形化调试工具集，包含节点图可视化、话题监控、日志查看等插件。启动命令：

rqt

在 RQt 菜单栏选择 Plugins，可以打开 Node Graph 查看节点和话题的关系图，打开 Topic Monitor 查看话题消息的实时发布频率和值。对于理解系统结构和排查通信问题，RQt 比命令行更直观。

8.4 Launch 启动文件

启动文件用于一次启动多个节点。以下是一个 Python 格式的启动文件示例，一次性启动发布者和订阅者两个节点：

# 文件路径：src/py_talker/launch/demo_launch.py from launch import LaunchDescription from launch_ros.actions import Node def generate_launch_description(): return LaunchDescription([ Node( package='py_talker', executable='py_talker_node', name='py_talker_node', output='screen' ), Node( package='py_talker', executable='py_listener_node', name='py_listener_node', output='screen' ), ])

运行启动文件：

ros2 launch py_talker demo_launch.py

启动文件适合在需要同时拉起多个节点的场景使用，比如导航系统需要同时启动地图服务器、规划器、控制器、传感器驱动等多个节点。

9. 常见问题与排查方法

10. 最佳实践与工程建议

10.1 工作空间与包的命名管理

建议为每个项目单独创建工作空间，并在src目录下按功能模块划分功能包。功能包命名使用小写字母和下划线，保持语义明确，例如robot_bringup、robot_navigation、robot_perception，不要使用test、demo这类无意义的通用名称。每个包内的节点文件也应该有清晰命名，避免出现node1.py、node2.py这种难以维护的命名方式。

10.2 环境管理

启动终端后第一件事就是确认 ROS2 环境是否生效。最简单的方法是执行ros2 --help，如果输出正常说明环境没问题。建议在~/.bashrc中同时添加 ROS2 环境和自己的工作空间：

source /opt/ros/humble/setup.bash source ~/ros2_ws/install/setup.bash

注意顺序不能颠倒，先加载系统级环境，再加载工作空间环境，否则可能会出现覆盖问题。

10.3 日志与调试习惯

ROS2 节点的日志输出默认打印在终端，通过output='screen'可以在启动文件中配置。在节点代码中合理使用get_logger()输出关键运行信息，但不要在生产节点中高频打印大对象，这会严重影响性能。调试时优先使用ros2 topic echo和 RQt 查看数据流动，而不是在代码里加一堆print。

10.4 版本兼容与依赖管理

ROS2 各发行版之间的 API 存在差异，网上找到的教程不一定适用于你的版本。遇到问题时，先确认自己的发行版与教程是否一致，再对照官方文档核对 API。另外，对 Python 功能包来说，setup.py中的依赖声明必须与package.xml保持一致，否则可能在别的机器上构建时报错。

10.5 安全与权限边界

涉及机器人硬件控制时，一定要遵循最小权限原则。不要在未经测试的情况下让节点直接控制电机或执行器，先在仿真环境（如 Gazebo）中验证，再逐步过渡到真实硬件。任何涉及硬件操作的节点，都应该加入急停机制和安全校验逻辑。在真实机器人上调试时，务必确认制动装置有效、设备运行在安全范围内。

11. 总结与后续学习方向

这篇文章从零开始走完了 ROS2 的核心链路：环境搭建、工作空间与功能包创建、节点与话题通信、服务与动作通信、TF2 坐标变换、常用工具与排错方法。现在你应该能独立完成一个包含发布者、订阅者、服务端、客户端的最小 ROS2 系统，并且知道怎么用命令行工具去观察和验证系统的运行状态。

接下来可以沿着三个方向继续深入：

第一，学完“怎么用”，可以去理解“为什么这样设计”。ROS2 的底层通信基于 DDS（Data Distribution Service），理解节点发现、QoS 策略、DDS 实现这些概念，能帮你更好地解释“为什么节点没发现”“为什么消息丢帧”这类问题。

第二，把 ROS2 和真实项目结合起来。可以尝试用 Gazebo 仿真一个移动机器人，编写导航节点、控制节点，最后把导航结果在 RViz2 中可视化。这条路径能让你真正理解机器人系统的完整工作流程。

第三，探索 ROS2 在具身智能中的应用。当前具身智能方向的一个典型技术栈是：ROS2 负责系统集成和通信，PyTorch 负责模型训练和推理，两者通过话题或服务接口对接。如果你已经有深度学习基础，下一步可以尝试把目标检测模型检测结果发布到 ROS2 话题上，让机器人“看到”环境信息。

ROS2 入门最忌讳只看不练。建议把文章中的代码亲手敲一遍，再尝试修改话题名称、消息类型、节点名称，观察系统行为的变化。这种“改一个参数，看一个结果”的实践方式，比读十篇教程都管用。如果在实际操作中遇到问题，欢迎在评论区留言，带着错误的完整日志来讨论，通常能更快定位问题。