シナリオランナー¶
scripts/run_scenarios.py はシナリオをヘッドレスでまとめて実行し、数値で報告します。
パラメータ変更の比較に使います。シナリオファイル（scenarios/）には、ワールドかレイアウトファイル
（その上に spawn・shelves・people などレイアウトのキーも書けます）、ステップ（Nav2 のゴール・kachaka-api の呼び出し・待機）、
実行回数とシードを書きます:
layout: ../layouts/room_movers.yaml
repeat: 3
steps:
- goal: [1.6, -0.3, 3.1416] # Nav2 NavigateToPose、ワールド座標
- api: move_shelf # KachakaApiClient の任意のメソッド
args: {shelf_name_or_id: S01, location_name_or_id: L01}
- api: move_to_pose # x, y, yaw はワールド座標
args: {x: 0.0, y: 0.0, yaw: 0.0}
- wait: 2.0
python3 scripts/run_scenarios.py scenarios/room_nav.yaml scenarios/room_movers.yaml scenarios/room_api.yaml
python3 scripts/run_scenarios.py scenarios/room_movers.yaml --nav2-params my_nav2.yaml --label tuned
python3 scripts/run_scenarios.py --report build/scenarios/*/ # 過去の結果を並べて表示
シナリオごとにシミュレータ（シナリオのレイアウトで run_sim.sh --headless）と ROS イメージの SLAM + Nav2 を起動し、
実行回数だけステップを実行して（間に sim/reset と SLAM 地図のクリア）、両方を終了します。
restart: true なら実行ごとに起動し直し、シードは seed + 実行番号になります。
--nav2-params で別の Nav2 パラメータファイルを使います。--backend fake は Isaac Sim の代わりに
scripts/fake_sim.py を使います（GPU 不要。既定の部屋のみで人と箱はなし）。CI は scenarios/fake_room.yaml をこれで実行します。
実行ごとの指標: 成功（全ステップ。goal と move_to_pose はグラウンドトゥルースで 0.35 m 以内に止まることも条件）、
シミュレーション時間、走行距離（グラウンドトゥルース）、衝突（sim/collision、相手も記録）、
LiDAR の点と車体の外形との最小距離、Nav2 のリカバリー回数（NavigateToPose のフィードバック。kachaka-api の移動も含む）。
結果は build/scenarios/<日時>[-label]/ に runs.csv、runs.json（ステップごとの結果つき）、summary.csv、
summary.txt とログを書きます。時間と距離は成功した実行の平均です:
scenario success time [s] path [m] collisions min clear [m] recoveries
----------- ------- ----------- ------------ ---------- ------------- ----------
room_nav 3/3 48.8 ± 0.5 10.97 ± 0.13 0 (0 runs) 0.113 0.0
room_movers 2/3 52.8 ± 1.1 11.09 ± 0.04 0 (0 runs) 0.011 6.7
room_api 2/2 111.8 ± 2.0 15.71 ± 0.36 0 (0 runs) 0.000 1.0
RTX 2080 Ti のホストでの 1 回分です。room_movers の失敗した 1 回はスタート地点から動けていません。
人が前を横切る間、最初のゴールまでの経路が見つからず、リカバリー 20 回で諦めました。
シェルフの下に入るステップ（move_shelf、return_shelf）では、ドッキングするまでシェルフの脚が車体のすぐ横にあるため
最小距離はほぼ 0 になります。runs.json にはステップごとの最小距離とリカバリー回数も入っています。