使用 AWS Batch 建構無頭式機器人模擬環境：大規模無人機與機器人測試完整教學

簡介

透過 AWS Batch 執行無頭式機器人模擬，能讓機器人與無人機開發者在進入實體裝置測試之前，先以程式碼跑過數千種情境並快速迭代，大幅提升開發效率。現實世界中，機器人可能遭遇的環境與狀況幾乎無窮無盡，而在實體機器人上部署和測試每個情境既耗時又昂貴。AWS Batch 服務為開發者提供了一種簡便方式，可自訂運算資源類型，在大規模環境下執行批次機器人模擬。

注意： AWS Batch 最適合用於大規模執行無頭式批次模擬。若您需要具有圖形介面（GUI）的互動式模擬，建議使用 AWS RoboMaker 模擬服務。

總覽

本教學將引導您建立 AWS Batch 運算環境與工作（Job），以執行容器化的機器人與模擬應用程式。本文以原先為 AWS RoboMaker 建構的 Amazon CloudWatch 機器人監控範例為基礎，改以 AWS Batch 實現相同功能。該範例會執行機器人導航測試，並將資料傳送至 Amazon CloudWatch 以監控機器人的位置和速度。

我們將依序完成以下步驟：

1. 準備機器人與模擬容器
2. 建立 Dockerfile 以安裝 docker-compose 與 AWS CLI
3. 建置容器映像檔並推送至 Amazon ECR
4. 建立 docker-compose.yaml 檔案並上傳至 Amazon S3
5. 設定 AWS Batch 工作及機器人/模擬應用程式的權限
6. 使用 AWS Batch 精靈建立運算環境、工作佇列、工作定義與工作
7. 在 Amazon CloudWatch 中查看日誌

前置需求

• 具備 AWS IAM、Amazon S3、Amazon ECR、Amazon CloudWatch 及 AWS Batch 權限的 AWS 帳戶
• 對 Docker 容器有基本了解
• 本機已安裝 Docker、AWS CLI 及 VCS Tool

安裝參考連結：

• AWS CLI 安裝：https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html
• Docker 安裝：https://docs.docker.com/get-docker/
• VCS Import Tool 安裝：sudo pip3 install vcstool

步驟一：準備機器人與模擬容器

本文以 Amazon CloudWatch 機器人監控範例為基礎進行修改，使容器能夠在 AWS Batch 上運作。

1. 複製範例儲存庫：

git clone https://github.com/aws-robotics/aws-robomaker-sample-application-cloudwatch.git cloudwatchsample && cd cloudwatchsample

注意：在 AWS Robotics 範例應用程式中，程式碼已按照 ROS 工作區目錄結構組織。但對於大多數開源 ROS 套件，您需要先建立工作區目錄，並將原始碼複製到 <workspace>/src 中。

2. 依照「為 AWS RoboMaker 準備 ROS 應用程式和模擬容器」文章中的步驟，將機器人與模擬應用程式容器化。可將應用程式命名為 cloudwatch-robot-app 和 cloudwatch-sim-app，標籤名稱則可命名為 batch-cloudwatch-robot-app 和 batch-cloudwatch-sim-app。

3. 完成將 ROS 基礎的機器人和模擬 Docker 映像檔推送至 Amazon ECR 後即可停止。

步驟二：建立 Dockerfile 安裝 docker-compose 與 AWS CLI

我們將在 AWS Batch 中同時啟動機器人與模擬容器，使兩者能夠互相通訊。為了讓此流程能大規模執行，需要一個特殊的 Docker 容器供 AWS Batch 使用，其中須安裝 AWS CLI（用於從 S3 下載 docker-compose 檔案）及 Docker Compose（用於啟動容器）。

1. 在 cloudwatchsample 資料夾中建立新目錄：

mkdir batch-docker && cd batch-docker

2. 建立 Dockerfile 並填入以下內容：

FROM ubuntu:focal
ARG DEBIAN_FRONTEND=noninteractive
# 安裝前置套件
RUN apt-get update && apt-get install -y curl && apt-get install wget
RUN apt-get update && apt-get -y install awscli
RUN apt -y install amazon-ecr-credential-helper
RUN apt-get -y install jq
RUN mkdir ~/.docker && echo "{\"credsStore\": \"ecr-login\"}" | jq > ~/.docker/config.json
RUN curl -L "https://github.com/docker/compose/releases/download/1.29.2/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
RUN chmod +x /usr/local/bin/docker-compose
RUN ln -s /usr/local/bin/docker-compose /usr/bin/docker-compose

步驟三：建置並推送容器映像檔至 Amazon ECR

1. 在 Amazon ECR 主控台建立私有儲存庫，命名為 batch-dockercompose-awscli。
2. 選取新建的儲存庫，點選「View push commands」取得 AWS CLI 指令。

注意：若從非 Linux 平台執行推送指令，需在 docker build 指令末尾加上 --platform linux/amd64。

docker build -t batch-dockercompose-awscli . --platform linux/amd64

步驟四：建立 docker-compose.yaml 並上傳至 Amazon S3

建立 docker-compose.yaml 檔案：

version: "3"
services:
  robot:
    image: <account-number>.dkr.ecr.<region>.amazonaws.com/batch-cloudwatch-robot-app
    network_mode: host
    command: bash -c "sudo apt-get -y upgrade && roslaunch cloudwatch_robot rotate.launch"
    environment:
      - AWS_CONTAINER_CREDENTIALS_RELATIVE_URI
      - TURTLEBOT3_MODEL
  sim:
    image: <account-number>.dkr.ecr.<region>.amazonaws.com/batch-cloudwatch-sim-app
    network_mode: host
    command: roslaunch cloudwatch_simulation bookstore_turtlebot_navigation.launch
    environment:
      - AWS_CONTAINER_CREDENTIALS_RELATIVE_URI
      - TURTLEBOT3_MODEL

將 <account-number> 和 <region> 替換為您的 AWS 帳號和區域。docker-compose.yaml 中將兩個容器的 network_mode 設為 host，使容器間可互相通訊，並透過 AWS_CONTAINER_CREDENTIALS_RELATIVE_URI 環境變數傳遞 AWS 權限。

將完成的 docker-compose.yaml 上傳至 Amazon S3 儲存桶，並記下 S3 URI 供後續使用。

步驟五：設定權限

建立 ECS Task 執行角色

1. 在 AWS IAM 主控台建立角色，選擇「Elastic Container Service Task」作為使用案例
2. 附加 AmazonECSTaskExecutionRolePolicy 管理政策
3. 將角色命名為 ecsTaskExecutionRole

建立工作執行角色

1. 同樣建立 ECS Task 類型的角色
2. 建立自訂 IAM 政策，包含以下權限：

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": "cloudwatch:PutMetricData",
            "Resource": "*"
        },
        {
            "Effect": "Allow",
            "Action": [
                "s3:GetObject",
                "logs:DescribeLogGroups",
                "logs:DescribeLogStreams",
                "logs:CreateLogGroup"
            ],
            "Resource": [
                "arn:aws:s3:::<bucketname>/docker-compose.yaml",
                "arn:aws:logs:us-west-2:<accountnumber>:log-group:robomaker_cloudwatch_monitoring_example:log-stream:*"
            ]
        }
    ]
}

3. 將政策命名為 ecspolicy-batch-cloudwatchsample
4. 建立角色時附加 AmazonECSTaskExecutionRolePolicy 與自訂政策
5. 將角色命名為 ecsJobRole-cloudwatchsample

步驟六：使用 AWS Batch 精靈建立資源

第一步：建立運算環境

• 設定執行個體組態為 On-demand（也可選擇 Spot 以節省成本）
• 將最小 vCPU 設為 0，AWS Batch 在未執行工作時不會有閒置的 EC2 執行個體
• 允許的執行個體類型可選 optimal 以自動選擇最佳配置
• 分配策略保持預設 BEST_FIT

第二步：工作佇列

可保持預設設定。

第三步：工作定義

• 設定執行逾時為 3600 秒（1 小時）
• 執行角色選擇 ecsTaskExecutionRole
• 容器映像 URI 設為：<account-id>.dkr.ecr.<region>.amazonaws.com/batch-dockercompose-awscli
• 命令設為：

bash -c 'aws s3 cp <S3 URI> . && export TURTLEBOT3_MODEL=waffle_pi && docker-compose up'

第四步：建立工作

設定執行逾時為 3600 秒，其餘由工作定義自動填入。

步驟七：執行 AWS Batch 工作

1. 在 AWS Batch 主控台的「Job definitions」中，選取已建立的工作定義並建立新修訂版
2. 將 Job role 設為 ecsJobRole-cloudwatchsample
3. 在 Linux 設定中，將使用者設為 root 並開啟 Privileged 模式
4. 在檔案系統設定中新增 Volume：
   • 名稱：dockersock，來源路徑：/var/run/docker.sock
5. 設定掛載點：
   • 來源 Volume：dockersock，容器路徑：/var/run/docker.sock
6. 提交新工作，選擇最新修訂版的工作定義和工作佇列

注意：首次執行工作需要幾分鐘才會進入 STARTING 狀態，因為未設定暖池（warm pool），AWS Batch 需要先啟動執行個體。

查看日誌

1. 工作進入 Running 狀態後，在 Job information 中點選 Log stream name
2. 將開啟 Amazon CloudWatch 日誌頁面
3. 搜尋名為 robomaker_cloudwatch_monitoring_example 的日誌群組
4. 選取 turtlebot3 日誌串流即可查看機器人應用程式的日誌
5. 在 CloudWatch 的 Metrics 中可查看機器人的位置與速度等指標

恭喜！您已成功使用 AWS Batch 執行無頭式機器人模擬。

資源清理

完成測試後，請記得清理以下資源以避免不必要的費用：

• AWS Batch： 終止工作、取消註冊工作定義、停用工作佇列與運算環境
• Amazon ECR： 刪除三個容器儲存庫
• Amazon S3： 清空並刪除儲存桶
• Amazon CloudWatch： 刪除相關日誌群組

總結

本文介紹了如何利用 AWS Batch 大規模執行無頭式機器人模擬。使用 AWS Batch 進行大規模模擬測試，能提供自訂運算資源的彈性控制並有效節省成本。對於無人機與機器人開發團隊而言，這種方法能在實體測試前充分驗證程式碼，大幅縮短開發週期。

---

原文來源： 查看原文