上篇聊了ROS2里Python和C节点的混合编程。今天说一个很多人忽视、但面试越来越常考的话题——自动化测试。先讲个真实场景。去年面试一家做AGV的公司面试官问你们项目的测试怎么做的我当时的回答大概是在ROS2里跑起来看机器人行为对不对。面试官笑了笑又问那你怎么回归测试每次改完代码怎么确认没有引入新bug这次我没答上来。后来才知道成熟的机器人项目都有自动化测试体系。Python在这个领域的应用非常广泛——从单元测试到集成测试从仿真测试到性能回归Python脚本几乎能覆盖整个测试流程。单元测试从函数级别保证正确性最基础的测试是单元测试。比如你写了一个运动学解算函数输入关节角度输出末端位姿。怎么保证它算对了用Python的pytest框架可以这样写import pytest import numpy as np from robot_kinematics import forward_kinematics def test_forward_kinematics_zero_angles(): 所有关节角度为0时末端应该在初始位置 joint_angles np.zeros(6) pose forward_kinematics(joint_angles) expected_pos np.array([0.5, 0.0, 0.8]) # 根据DH参数计算 np.testing.assert_allclose(pose[:3, 3], expected_pos, atol1e-6) def test_forward_kinematics_known_config(): 已知构型验证末端位姿 joint_angles np.array([0, np.pi/4, -np.pi/4, 0, 0, 0]) pose forward_kinematics(joint_angles) # 验证位置精度在1mm以内 assert abs(pose[0, 3] - 0.354) 0.001 # 验证姿态矩阵的正交性 R pose[:3, :3] np.testing.assert_allclose(R R.T, np.eye(3), atol1e-10)pytest的好处是写法简单断言方式直观。np.testing.assert_allclose特别适合数值计算场景——它允许浮点误差不用你自己写abs(a-b) epsilon这种代码。一个实际的建议把你的核心算法函数都从ROS2节点里抽出来做成独立的Python模块。这样测试的时候不需要启动ROS2直接pytest test_kinematics.py就能跑速度快很多。集成测试验证节点间的协作单元测试管的是单个函数集成测试管的是多个节点之间的交互。比如你有一个激光雷达节点和一个避障节点需要验证雷达发布数据后避障节点能正确响应。ROS2的launch_testing框架支持在测试中启动节点。核心思路是用Python脚本启动被测节点然后用另一个测试节点发布模拟数据、订阅输出结果最后用assert验证。比如测试避障节点启动节点后发布一个所有方向都是0.3m的LaserScan消息订阅/obstacle_near话题验证输出是True。整个流程用pytest包装每次改完代码跑一遍就能确认节点间通信正常、消息格式匹配、处理逻辑正确。关键代码大概长这样# 发布模拟数据 scan LaserScan() scan.ranges [0.3] * 720 pub.publish(scan) # 等待并验证结果 for _ in range(100): rclpy.spin_once(node, timeout_sec0.1) if result is not None: break assert result is True, 应该检测到障碍物这种测试的价值在于自动化——不用手动启动节点、手动发消息一个命令就能跑完所有验证。仿真测试在虚拟环境里跑完整流程机器人测试有个特殊之处——很多场景在真实环境里测试成本太高。你不可能每次改个路径规划算法就让机器人在仓库里跑一圈。这时候仿真测试就派上用场了。Python在仿真测试中的角色通常是编写测试场景、驱动仿真器、收集分析结果。比如用PyBullet做抓取测试脚本的核心逻辑是这样的循环50次试验每次重置仿真环境、随机放置物体、执行抓取策略、记录是否成功。最后统计成功率断言不低于80%。for obj in [cube, cylinder, sphere]: for trial in range(50): p.resetSimulation() p.loadURDF(plane.urdf) p.loadURDF(f{obj}.urdf, [0.5, 0, 0]) result run_grasp_policy(obj, trial) if result: success_count[obj] 1 assert success_count[obj] / 50 0.8这种测试跑一次可能要几分钟但比真实机器人测试快得多而且可以并行跑多个场景覆盖各种边界情况。性能回归测试确保改动不会让系统变慢还有一种容易被忽视的测试——性能回归测试。比如你优化了一个路径规划算法怎么确认优化后确实更快了而且未来的改动不会让它变回去Python可以写性能基准测试import time, statistics def benchmark_planner(planner_func, scenarios, iterations10): results {} for name, scenario in scenarios.items(): times [] for _ in range(iterations): start time.perf_counter() planner_func(scenario) times.append(time.perf_counter() - start) results[name] { mean: statistics.mean(times), p95: sorted(times)[int(iterations * 0.95)] } return results把这个脚本集成到CI里每次提交代码自动跑一遍。如果某个commit导致规划时间增加了50%CI就会报警。面试中怎么聊测试面试官问测试核心想考察的是你的工程素养。不是要你背pytest的API而是想知道你有没有写过测试测试覆盖哪些层面怎么把测试融入开发流程一个好的回答思路先说单元测试——核心算法都有单元测试用pytest写数值计算用assert_allclose处理浮点误差。再说集成测试——用launch_testing验证节点间通信。最后说性能测试——有基准测试脚本集成到CI里做回归检测。如果你还能提到测试覆盖率的概念——比如用pytest --cov看代码覆盖率目标80%以上——那就是加分项了。感知模块的Python实战经验在实际机器人项目中Python常用于感知算法的快速原型开发。比如用OpenCV做图像预处理然后用NumPy做点云滤波。一个常见的面试追问是你怎么保证Python处理数据的实时性答案是用多进程而不是多线程因为Python的GIL会限制并发。另外可以用Cython把关键函数编译成C扩展性能能提升几十倍。给正在准备面试的你如果你之前没写过自动化测试建议从单元测试开始。挑一个你写过的算法函数给它写三五个测试用例覆盖正常情况和边界情况。跑通之后你会对代码质量有新的理解。面试的时候能说出我给运动学解算写了单元测试给节点间通信写了集成测试还做了性能回归测试——这种回答比我手动测过强太多了。下篇聊Python在数据分析中的应用——怎么处理机器人实验日志和性能统计。如果这篇文章对你有帮助欢迎点赞、在看、转发三连。 你的支持是我持续更新的最大动力。「机器人软件开发面试·从入门到精通」连载系列上一篇第74篇 ROS2中的Python——和C节点的混合编程下一篇预告第76篇 Python在数据分析中的应用——处理实验日志和性能统计有任何问题欢迎评论区留言我会尽量回复。