Conférences ROSCon Fr & De 2025

As part of ERJU’s European FP3-IAM4RAIL project, SNCF’s Research Division is developping with its partners, PRIME, an autonomous modular robot for infrastructure maintenance, natively developed under ROS2 Humble.

nav2 has become the reference navigation stack for ground robots. We hope that nav4rail will become the reference for rail robots. In any case, it’s this stack that lies at the heart of PRIME’s autonomy.

After a first version developed traditionally under ROS2 Humble, nav4rail was reworked with the CEA List’s papyrus-robotics framework to embed behavior-tree (BT) technology. The framework greatly facilitated the transition. The habits acquired in this phase now speed up the development of all our nodes, whether or not we use BT.

nav4rail is based on 5 servers providing the topics, services and actions required to implement the defined behaviors. 5 basic motion skills are currently available to handle a wide range of missions and terrain configurations.

Several trials on a real railway line took place throughout 2025 to test the robustness of our stack and the functionalities that have enriched it month after month.

This stack, available as opensource, should accelerate the adoption of robotics by the sector. Development isn’t over yet, but a first decisive step has been taken. Let’s pool volontiers to “finish” developing this building block, which is at the heart of everything, but which is not directly useful to rail network maintainers.

The CHROMA team at Inria-Lyon presents NAMOROS, an open-source ROS2 package designed to address the complex problem of Navigation Among Movable Obstacles (NAMO) for single and multi-robot systems. NAMOROS encapsulates our NAMOSIM navigation planner within a ROS2 framework to facilitate the execution of NAMO plans on real and simulated mobile robots. The package integrates seamlessly with the Gazebo simulator, enabling robust simulation of dynamic environments, and enables real world experimentation with any ROS2-compatible robot. NAMOROS provides example Gazebo simulations using a behavior tree that is responsible for controlling the robot while periodically synchronizing the NAMO planner node with the perceived environment state and dynamically reacting to changes in the plan due to conflicts. Key features include realtime conflict avoidance and deadlock resolution, social-cost based obstacle placement, and dynamic perception of movable obstacles using ArUco markers. This presentation will showcase NAMOROS’s capabilities and demonstrate its integration with ROS2. The project is publicly available at https://gitlab.inria.fr/chroma/namo/namoros, inviting collaboration and further development within the ROS community.

Dans cette présentation, nous proposons une solution de navigation autonome pour véhicule terrestre (UGV) en verger, intégrant une analyse de traversabilité en milieu destructuré. Notre approche repose sur la fusion de données issues d’un LiDAR 3D et d’une caméra multispectrale capturant des informations dans le visible et le proche infrarouge, zones sensibles à la chlorophylle. Cette combinaison permet une cartographie fine du terrain et une discrimination précise de la végétation, des obstacles et des sols praticables. L’objectif est d’optimiser la planification de trajectoire en milieu agricole en tenant compte à la fois de la structure et de la composition du sol.

Cette présentation porte sur la conception et le développement d’un banc de test innovant dédié à la validation de systèmes embarqués de détection de défauts sur rails. Conçu à l’aide de l’environnement ROS2, ce banc expérimental permet d’émuler diverses conditions cinématiques de circulation du train et intègre un système multicapteur (caméra linéaire et IMU) indispensable au diagnostic embarqué. Il offre des capacités de validation en modes Software-In-the-Loop et Hardware-In-the-Loop, essentielles pour tester, affiner et valider les algorithmes de détection dans des conditions contrôlées avant leur déploiement sur le terrain. Ce banc constitue ainsi un outil central pour accélérer le développement de solutions de maintenance prédictive, en garantissant leur robustesse et leur adaptabilité aux réalités du terrain.

Chez Yona Robotics, nous développons une plateforme robotique autonome capable d’évoluer dans des environnements humains et dynamiques. Notre démonstrateur combine une architecture GPU avec un ensemble de capteurs complémentaires (LiDAR, caméras, radar) pour produire une perception multimodale riche, optimisée pour le traitement parallèle.

Côté logiciel, nous utilisons ROS 2 avec des lifecycle nodes et des type adapters pour gérer efficacement les flux de données hétérogènes. Notre pipeline de perception vise à aller au-delà de la détection : gestion des zones inconnues, extraction d’états sémantiques et dynamiques, et surtout prédiction de mouvement à court terme. Ces informations permettent une compréhension plus fine des scènes, mais posent la question centrale : comment exploiter ces données avancées pour améliorer la navigation ?

Nous avons choisi NAV2 comme socle de navigation pour sa modularité et sa communauté active. Toutefois, nous avons rapidement identifié des limites : représentation binaire des obstacles dans les costmaps, absence de prise en compte des prédictions dans les comportements, difficulté à intégrer la sémantique dans la planification.

Dans cette présentation, nous décrivons les adaptations que nous avons réalisées pour dépasser ces limites. Nous montrons comment nous avons injecté la prédiction de mouvement dans la couche costmap de NAV2, en modifiant la logique d’inflation notamment. Nous partageons aussi notre retour d’expérience sur l’utilisation avancée de NAV2 : speed filters, plugins de costmap personnalisés, comportements spécifiques pour interagir avec les humains.

Cette présentation s’adresse aux utilisateurs et développeurs ROS 2 confrontés à des environnements riches, partagés avec des humains, et cherchant à enrichir la navigation robotique au-delà des standards actuels. Elle vise aussi à ouvrir la discussion sur les perspectives futures pour NAV2 et la navigation sémantique.

Cette présentation a comme objectif de faire un retour d’expérience sur la première édition du « The Upper Rhine Mobile Robotic Challenge », une compétition de robotique mobile qui s’est déroulée lors du Salon congrès BE 5.0 Industries du Futur en novembre 2024 à Mulhouse (France). Ce concours de robotique est organisé dans le cadre du projet INTERREG Robothub Academie avec le soutien de l’ENSISA, de l’IUT de Mulhouse et de l’IRIMAS.

Valider des algorithmes de conduite autonome directement sur un véhicule réel peut s’avérer coûteux et risqué. L’utilisation d’un modèle réduit à l’échelle 1/5e peut s’avérer intéressant si toutefois les technologies embarquées sont à faible coût. Cette présentation propose de montrer la réalisation d’un prototype basé sur ce cahier des charges. A partir d’un modèle réduit issu du commerce, le prototype a été instrumenté puis doté d’une Single Board Computer (SBC) et d’une carte à microcontrôleur afin d’intégrer une pile logicielle basée sur ROS2. Des premiers tests unitaires suivis de premières fonctions de localisation et navigation viennent confirmer la bonne marche du véhicule en mode autonome.

TIAGo Pro is the latest mobile manipulator by PAL Robotics. This robot has been a full ROS 2 robot from the very first delivered unit. As its older brother TIAGo, it combines perception, manipulation and navigation, enabling Human-Robot interaction and AI embodiment. In this talk we will present the TIAGo Pro robot with emphasis in the ROS 2 - based architecture. A three-armed version of TIAGo Pro, called TRIAGo, which belongs to a public French research ecosystem, will also be presented.

Le Roboterrium est une plateforme expérimentale intégrée au projet national TIRREX qui met à disposition, sur le site expérimental de l’INRAE à Montoldre, un ensemble de robots tout-terrain avec différents moyens de locomotion (robots à quatre roues directrices, véhicules à chenilles, robots quadrupèdes) ainsi que des moyens expérimentaux (champs, outils agricoles, outils métrologiques, etc.) pour mener des expériences dans le domaine de la robotique agricole. Le workspace Tirrex comprend en open-source l’ensemble des codes et outils permettant d’utiliser ces robots de manière unifiée en temps réel ou en simulation.

In the ROS community, we are all aware of the importance of logging as a productivity tool. Arguably, one of the most valuable contributions of ROS to robotics was providing rosbags and a way to visualize them, using RViz and other tools. In this talk, I will tell you more about my 20+ years journey as a roboticist, and how logging shaped the way I develop robotic applications. Additionally, you will learn more about my latest projects, such as “Cloudini” and “DataTamer”

Utiliser n’importe quelle distribution ROS (oui, même les obsolètes si vous y tenez, mais vous ne devriez pas…), voire les mixer entre elles, sur n’importe quel Linux ou Mac de manière reproductible est possible grace au travail de https://github.com/lopsided98/nix-ros-overlay (ref. “Better ROS Builds with Nix” @ https://roscon.ros.org/2022/), qui génère des paquets Nix à partir de rosdistro.

Plusieurs tentatives de faire marcher aussi Gazebo sous Nix sont en cours avec plus ou moins de succès, mais aucune ne génère du code Nix à partir de https://github.com/gazebo-tooling/gazebodistro. De la même manière, de nombreux paquets open-source sont disponibles avec des package.xml contenant la quasi-totalité des informations nécessaires pour générer des paquets Nix, donc “y’a qu’à, faut qu’on”.

Et bien voilà: https://github.com/Gepetto/gazebros2nix

Cette présentation donnera quelques bases de Nix, avec ses avantages et ses inconvénients, ses applications en robotique, en une démo de gazebros2nix pour générer les paquets dont vous auriez besoin et qui ne sont pas dans rosdistro.

From signal processing and control loops to deploying neural networks, robots need to transmit and manipulate data. Dataflow paradigms can express such systems as block diagrams and translate easily into ROS 2 nodes and topics. Yet, real applications are not steady-state and need logical control flow to drive sequential actions. We compare existing system design frameworks (FSMs, BTs) with our architecture which combines dataflow principles with event-driven logic, using lifecycle nodes and dynamic composition for reactively managing states. Practical examples involving computer vision, force-sensitive control, and RL policies from our open-source SDK are presented alongside our commercial product, AICA Studio.

mc_rtc [*] is an open-source, cross-platform, real-time robotics control framework used to design complex control applications. It features a modular and extensible interface that allows users to develop custom components using a lean C++ or Python API. The same control code can run in simulation or on the real robot, with minimal changes, and a single URDF file is enough to integrate a new robot. In most modern robots, manufacturers provide a native SDK or a ROS interface—typically built on top of the SDK. This allows developers to choose between a fully ROS-free control architecture or one integrated with the ROS ecosystem.

The purpose of this presentation is to demonstrate how mc_rtc can be interfaced directly with an existing ROS 2 robot driver, avoiding the need to build a custom hardware interface for mc_rtc from scratch. This significantly reduces development overhead and enables faster integration and testing.

[*] https://jrl.cnrs.fr/mc_rtc/index.html

Cette présentation expose l’intégration de pal_statistics au sein de ROS 2 Control pour offrir une introspection en temps réel des entrées et sorties des contrôleurs. Cette fonctionnalité permet aux développeurs de surveiller les signaux internes sans intervention utilisateur, améliorant considérablement les workflows de débogage et de réglage. Au-delà de ROS 2 Control, pal_statistics peut être utilisé indépendamment pour exposer des métriques que des outils comme PlotJuggler peuvent analyser facilement. Nous présentons une démonstration — implémentée dans ros2_control_demos — où nous exécutons ros2_control_example_1 et montrons que chaque contrôleur expose ses entrées/sorties. Un nœud additionnel est lancé pour illustrer la fonctionnalité indépendante de pal_statistics et son utilisation avec PlotJuggler.

The goal of this talk introduces a method for creating ros2_control controllers in Python, enabling fast prototyping without writing C++ code. Building on the Pytroller project, it removes the need for compilation, supports memory preallocation in Python, and enables publishing and subscribing to multiple topics. The goal is to facilitate fast development of complex controllers that run at high frequencies, while maintaining Python’s ease of use, manufacturer-provided hardware access, and abstracted hardware interfaces.

ROS 2 was designed to be independent from the underlying communication middleware. This is a nice architectural property, yet it does not come for free. What if we were to streamline ROS 2 and implement it natively on Zenoh? ROS-Z, a Zenoh-native ROS 2 stack, answers this question. It preserves portability for RCL-C/CPP/Py-based applications, provides an extremely optimized stack for Rust users that interoperates with any Zenoh RMW-based ROS 2, and opens the doors to an array of innovations. This talk will share with the ROS community ROS-Z design and the resulting performance characterisation.

An extended abstract is attached and also available at: https://docs.google.com/document/d/1HNzwlUk9bTMrJOPRGi39sFCqhyoB1o5PVRJ67Oqm7rE/edit?usp=sharing

Que ce soit pour l’élaboration d’une nouvelle fonctionnalité ou le déploiement d’un système robotique, tester son code est une tâche primordiale mais fastidieuse. C’est tout particulièrement vrai quand tester consiste à lancer une simulation ros / gazebo et vérifier le bon fonctionnement d’un ou plusieurs robots dans des scénarios divers. Lors de cette présentation, on montrera comment les fonctionnalités gitlab peuvent permettre d’automatiser des protocoles de tests et ceci à chaque changement du code.Nous nous appuierons sur notre propre cas d’usage en montrant notre simulation, notre CI et les fichiers de tests.

Hand-coding many ROS nodes can be slow and error-prone, and debugging is challenging. In this presentation, we will show how you can leverage model-based design to develop, simulate, test, and deploy ROS nodes in a unified environment.

With MATLAB and Simulink’s built-in simulation engine, you can verify algorithms against virtual environments or real data before deployment, then deploy with one click to produce standard ROS nodes, component nodes, or even ROS Controller plugins for real-time hardware control. Importantly, the generated code is efficient, maintainable C++ with no proprietary runtime required, so it runs on any ROS setup just like hand-written code. This approach doesn’t lock you out of coding and lets you incorporate custom code and inspect or modify the auto-generated code at any time, ensuring transparency and fine-grained control.

We will also show how to leverage verification and validation workflows to integrate requirements management and testing to find errors early and achieve higher quality. The result is a development process that bridges the gap between creative design and robust implementation, making advanced ROS applications easier and faster to create, test, and deploy.

Highlights

• Modeling and simulation enable engineers to quickly try many ideas in a high-level, graphical environment.
• ROS-nodes can be automatically generated from the system models, which reduces effort and eliminates hand-coding errors.
• Test, refine and retest your design throughout the development process.
• Models can be adapted and easily reused on subsequent projects.

L’efficacité d’un modèle d’imitation learning repose entièrement sur la qualité des démonstrations collectées. Une seule trajectoire bruitée ou irréaliste peut corrompre l’apprentissage.

Dans cette présentation, nous décrivons une pipeline ROS 2 modulaire combinant MoveIt 2, Isaac Lab, et CuMotion, conçue pour produire des trajectoires « propres par conception ». Plutôt que de capturer des vitesses brutes en téléopération, nous intégrons MoveIt dans la boucle de démonstration : chaque mouvement est planifié en ligne avec vérification des collisions, respect des limites cinématiques et lissage automatique.

L’ensemble du processus d’entraînement est ensuite réalisé dans Isaac Lab, qui permet de valider et affiner les policies apprises en simulation physique haute fidélité, tout en restant interopérable avec ROS 2.

Grâce aux composants standardisés de ROS 2 (ros2_control, teleop_twist_joy, joint_trajectory_controller…), cette stack est immédiatement compatible avec des robots physiques ou simulés, sans code personnalisé.

Après l’apprentissage, nous exploitons CuMotion pour exécuter des trajectoires optimisées sur le robot réel. Des outils NVIDIA complémentaires peuvent également être intégrés pour renforcer la qualité de l’apprentissage et améliorer la précision des comportements générés.

Cette approche réduit drastiquement les étapes de nettoyage, sécurise les démonstrations, et accélère le cycle démonstration → déploiement.

Bénéfices démontrés :

• Réduction du nettoyage post-acquisition
• Qualité de dataset directement exploitable
• Compatibilité simulation ↔ robot physique
• Planification avec CuMotion
• Intégration transparente dans Isaac Lab
• Intégration de briques NVIDIA pour renforcer l’apprentissage

https://isaac-sim.github.io/IsaacLab/main/source/overview/teleop_imitation.html#:~:text=Using%20the%20teleoperation%20devices%2C%20it,into%20the%20open%20HDF5%20format

Pico-ROS est une nouvelle bibliothèque open-source ultra-légère en C, spécialement conçue pour les microcontrôleurs. Basée sur le middleware Zenoh-Pico, elle permet aux microcontrôleurs limités en ressources de communiquer avec un système ROS 2 utilisant rmw_zenoh.

Jusqu’à présent, l’intégration de microcontrôleurs avec ROS nécessitait des protocoles de communication personnalisés et un nœud sur l’ordinateur hôte. Par exemple, rosserial et un nœud sur l’ordinateur hôte, ou, dans le cas de micro-ROS, un agent sur l’ordinateur hôte pour convertir le protocole DDS-XRCE vers le protocole DDS.

Depuis l’avènement de Zenoh, il est désormais possible dans ROS de construire un système utilisant le même protocole de communication pour l’ensemble du système, des microcontrôleurs jusqu’à l’edge et le cloud.

Basé sur Zenoh-Pico qui est dédié aux matériels contraints en ressources, Pico-ROS permet aux microcontrôleurs de participer nativement à ROS 2 en pair-à-pair. Développé initialement sur STM32 avec Eclipse ThreadX, il est agnostique en termes de matériel et supporte divers microcontrôleurs et dispositifs Linux.

De plus, le projet inclut un standard open-source pour le matériel, avec un connecteur standardisé pour une compatibilité multi-fabricants, et un exemple de matériel supportant Arduino et Grove.

Cette présentation vise à susciter l’intérêt et l’engagement de la communauté autour de Pico-ROS, un ensemble fonctionnel de standards open-source pour le matériel et les logiciels facilitant l’intégration directe des microcontrôleurs dans les systèmes basés sur ROS 2. En offrant une pile légère et fonctionnelle construite sur Zenoh-Pico, ainsi qu’un connecteur ouvert et un design de carte, Pico-ROS vise à jeter les bases d’un écosystème de microcontrôleurs interopérables.

Références :

• https://github.com/Pico-ROS
• https://github.com/eclipse-zenoh/zenoh-pico
• https://github.com/ros2/rmw_zenoh

Robots are increasingly being deployed outside strictly controlled environments. However, when confronted with unexpected situations, they often struggle to take appropriate action and require human intervention. Robot deliberation technologies employ models of the robot and its environment to facilitate high-level decision-making, thereby enhancing flexibility and adaptability in the execution of capabilities such as navigation and manipulation. This presentation introduces a ROS 2-based software pipeline for cognitive deliberation, designed to ensure safe, long-term robot operation through autonomous adaptation to the environment and operational context. The pipeline is part of the open-source toolbox developed within the CONVINCE Project(*).

(*) https://convince-project.eu/

hid ros2 is a ros2 control hardware interface that acts as a universal, high-performance bridge between the ROS2 control framework and any device via the standard Human Interface Device (HID) protocol. While this includes off-the-shelf joysticks and gamepads, its primary power lies in enabling seamless, driverless integration of custom hardware, sensor arrays, and microcontroller-based projects on any PC. It allows a robotics developer to create and integrate custom physical interfaces with guaranteed low latency, simply by defining the structure of their device’s data packets in a human-readable configuration file.

An increasing number of institutions recently started teaching ROS2, some of them migrating from teaching ROS1. Expertise in robotics and software engineering is required to identify up-to-date valuable resources and to reuse it. Moreover, many code repositories advertise easy-to-deploy development environments, without always being clear on limitations, e.g. with hardware acceleration or connectivity. In this talk we will present an initiative to encourage collaboration in the identification and maintenance of high-quality pedagogical contents. We will present a Github repository for a cooperative survey, as well as a selection of repositories for teaching mobile and industrial robotics.

Comprehensive data collection is crucial for the deployment of robotic systems. Enabling efficient debugging, in-depth statistical analysis, real-time monitoring, alerts, and continuous data acquisition is key to successful operations. The Canonical Observability Stack for robotics is a readily deployable, scalable, open-source full stack from server infrastructure down to robots. This presentation offers an overview of the project’s key features and applications; walking through the steps to rapidly set up an observability server as well as an entire robot fleet. Setup an entire observability solution in less than a day without prior DevOps knowledge!

Pendant longtemps, les robots industriels ont été des unités stationnaires et fermées, programmées une fois pour toutes. Aujourd’hui, ils sont confrontés à de nouveaux défis : flexibilité, modularité et ouverture sont essentielles pour répondre aux exigences croissantes des environnements de production modernes. Dans notre présentation, nous mettrons en lumière comment les exigences de la robotique industrielle évoluent – et pourquoi le framework ouvert ROS joue un rôle central dans ce processus. Nous comparerons les architectures système classiques et propriétaires avec les approches modernes basées sur ROS, et démontrerons les avantages pratiques que cela offre aux développeurs, intégrateurs et utilisateurs. En nous basant sur le développement de notre premier robot industriel entièrement compatible ROS, nous partagerons des aperçus des décisions techniques, des défis et des leçons apprises – de l’idée initiale à la mise en œuvre. La présentation sera complétée par des retours d’expérience issus de discussions avec des clients et de scénarios d’application spécifiques. Découvrez comment l’ouverture et la standardisation façonnent la robotique du futur – et comment ROS contribue à créer des systèmes réellement adaptés.

ctrlx-automation-sdk-ros2 ROS2 package