根据项目进度安排，本季度对ROS机器人控制系统展开研究，基于ROS机器人系统实现对车和车载机械臂进行控制。

该系统主要包括上位机、下位机和执行器三部分：上位机为笔记本电脑，下位机为STM32微处理器，执行器为车轮电机和机械臂电机。

本阶段的研究内容主要包括：

1. 设计了适合于本项目的通讯协议，完成了上位机和下位机的通讯，使得同一帧数据可同时操控车轮电机和机械臂电机。
2. 借助ROS机器人系统节点间的分布式松耦合通讯机制，使得车和机械臂精确执地行控制指令。
3. 脑电信号分析节点发布脑电信号识别结果，动作执行节点根据执行器的运动学模型将脑电分析结果转换为每个执行器的运动期望值，并通过串口通讯将控制数据发送给下位机，下位机负责对每个执行器进行闭环PID控制。

本项目团队在全国大学生电子设计大赛采用了该控制方案，取得了不错的成绩，充分验证了该方案的可行性和有效性，达到了预期效果。

       目前存在的问题：

1. 在项目开展的过程中，虽然基本实现了执行器地闭环控制，但闭环较为单一，执行器的闭环之间相互独立。

2. 实验平台为全向移动平台，简单的闭环控制虽然可实现较为精确的线速度控制，但由于存在打滑等现象，简单的闭环控制不能很好的控制机器人的角速度。

3. 脑电识别算法采用的是基于随机森林的机器学习算法，检测准确率较低

解决思路：

可添加惯性测量单元传感器，借助测量结果中的角速度信息对机器人的角速度和旋转角度进行较为精确的控制。

同时进一步研究基于深度学习的脑电信号识别算法，提高识别准确率

1. 继续按照项目计划安排，进行基于深度学习的脑电信号识别算法的研究以及仿真环境的搭建
2. 优化ROS机器人控制算法及其底层软硬件设计
3. 解决目前项目中存在的问题