[控场AI]
· 4 分钟阅读· 2,410 字

200美元开源四足机器狗:从六足改造到DIY全教程

200美元开源四足机器狗:从六足改造到DIY全教程

200美元DIY四足机器狗开源项目,从六足演化而来,计划引入强化学习并挑战双足行走

一位开源硬件爱好者将原有六足机器人「砍掉两条腿」,打造出造价约200美元的四足机器狗Quattro ZBD。整机采用ESP32 S3主控、DS3218高扭矩舵机、PCA9685驱动板和MPU6050 IMU等全现成模块,物料清单完全透明,3D打印文件、接线图、固件及安卓遥控App均已开源。当前步态由逆运动学求解器驱动,作者计划引入强化学习以实现更自然流畅的行走。在成功完成四足版本后,他正着手开发双足版本,复用同一套硬件与软件框架,循序渐进攀升足式机器人的难度曲线,为DIY爱好者提供了一条低成本入门路径。

从六足到四足:一次成功的硬件瘦身

一位开源硬件爱好者在社区分享了他的最新作品——Quattro ZBD 四足机器狗。它并非从零开始,而是在原有六足机器人(hexapod)的基础上「砍掉两条腿」演化而来。作者直言,这次改造出人意料地顺利:之前为六足机器人开发的全部功能,包括机身自平衡(body leveling)、表情动作(emotes)、木偶模式(puppet mode)等,都平滑迁移到了新平台上。

reddit source: Now its a proper Robot Dog

减少两条腿带来的收益是实打实的。相比六足版本,Quattro ZBD 更轻、更快,在许多场景下也更灵活。更关键的是成本:由于零件数量显著减少,整机搭建成本降到了约 200 美元,对想入门足式机器人的 DIY 玩家而言门槛大大降低。

硬件配置:全部基于现成模块

这台机器狗没有使用任何定制芯片,核心控制器仍是开发者圈子里口碑不错的 ESP32 S3,搭配 Arduino 生态的现成零件,整体属于「人人都能复刻」的路线。

舵机方面选用了 12 个 DS3218 高扭矩舵机(每条腿 3 个自由度),由 PCA9685 舵机驱动板统一调度。姿态感知依赖 MPU6050 IMU 传感器,这也是机身自平衡功能的基础。供电部分设计得比较讲究:主电池为 3S LiPo(3000–6000mAh),通过两块 15A 可调降压模块分别为两组腿供电,再加一块 5V 3A 降压模块负责逻辑电路,避免大电流舵机动作时拉垮主控。

完整物料清单还包括:电压传感器板、一块 2 英寸 TFT 屏幕(用于显示状态或表情)、12 个 8x5x16mm 滚珠轴承、Wago 快接端子,以及约 100 颗 M3x8 螺丝等紧固件。这份清单的透明度很高,几乎可以直接照单采购。

DS3218 是一款常见于 DIY 机器人项目的金属齿轮舵机,额定扭矩约 21kg·cm(6V 供电),能够胜任中小型足式机器人的关节驱动需求。PCA9685 是 NXP 出品的 16 通道 PWM 驱动芯片,通过 I²C 总线与主控通信,让单块 ESP32 可同时精确控制多达 16 路舵机,避免了用软件 PWM 占用大量 GPIO 的问题。MPU6050 则是一款集成 3 轴加速度计与 3 轴陀螺仪的 6 轴 IMU,能够实时输出机身的姿态角数据,是实现机身自平衡的感知基础。3S LiPo 电池的标称电压为 11.1V(满电约 12.6V),通过可调降压模块分别稳压至舵机工作电压(通常 6–7.4V)和逻辑电路所需的 5V,这种分路供电设计能有效隔离舵机峰值电流对主控稳定性的影响。

软件与运动控制:逆运动学当下,强化学习未来

当前版本的步态由**逆运动学求解器(IK solver)**为每条腿单独计算,这也是作者能够快速把六足代码迁移到四足的原因——核心数学框架是通用的,只需调整步态机制即可。作者形容「调整起来轻而易举」。

不过他对现状并不满足。IK 驱动的步态虽然稳定,但看起来偏「机械」。为此作者透露了下一步计划:引入**强化学习(reinforcement learning)**来训练控制策略,取代固定的 IK 求解器,目标是让机器狗走出更自然、流畅的步态。这一思路与当前主流足式机器人(如波士顿动力、宇树等商业产品)所采用的学习型控制路线一致,只是放到了百美元级的业余平台上实践,颇具看点。

配套软件也相当完整:ESP32 控制脚本、安卓端配套遥控 App(提供 APK),均已在 GitHub 开源。

逆运动学(Inverse Kinematics,IK)是足式机器人运动控制的经典方法:给定腿部末端(足尖)的目标位置,由算法反向推算各关节所需的角度。与之相对的正运动学是已知各关节角度求末端位置。IK 的优势在于数学关系明确、计算可预测、易于调试,因此非常适合作为入门级控制方案。然而它的局限也很明显——步态轨迹需要人工设计,机器人对地面不平整的适应能力较弱,动作自然度也受限于预设的曲线参数。强化学习则让机器人在仿真环境中通过大量试错自动习得控制策略,训练好的策略往往能产生更流畅、对复杂地形更鲁棒的步态。从 IK 迁移到强化学习,是当前足式机器人领域从「规则驱动」走向「数据驱动」的典型路径,波士顿动力的 Spot 与宇树 Go 系列均经历了类似演变。

完全开源:所有文件可免费复刻

这个项目最大的价值在于其彻底的开源属性。作者提供了全套可复刻资源:

  • CAD 设计、3D 打印文件与接线图(Patreon)
  • MakerWorld 模型页(含更多实物照片)
  • ESP32 控制脚本(GitHub)
  • 安卓遥控 App 源码与 APK(GitHub)
  • 详细演示视频(YouTube)

换言之,任何具备基础 3D 打印和电子焊接能力的玩家,都可以照着这套资料从头搭建一台属于自己的四足机器狗,而不必依赖昂贵的商业套件。

下一站:双足版本

帖子标题中「2 more to go」的玩笑暗示了作者更大的野心——在砍掉两条腿变成四足之后,他正在开发双足版本(bipedal)。目前双足所需的腿部结构更新已接近完成,使机器人能够以两条腿站立,其余零件将尽可能沿用现有设计。作者表示,如果能让它成功行走,几周内就会发布双足版本。

从六足、四足再到双足,这位创作者实际上是在用同一套低成本硬件和软件框架,循序渐进地攀登足式机器人难度曲线。对想要动手实践、又不想一上来就啃双足平衡难题的爱好者来说,这条迭代路径本身就很有参考意义。

分享:

相关推荐