ESP32 + NEMA 17 步进电机自平衡机器人开源项目

开发者用 ESP32 和步进电机构建自平衡机器人,开源全部源码并附 Web 调参工具。
本文介绍了一个基于 ESP32 和两颗 NEMA 17 步进电机的非典型自平衡机器人项目。作者没有采用常见的直流电机加编码器方案,而是利用步进电机低速扭矩大、开环定位精度高的特点,通过硬件定时器中断生成步脉冲并直接操作 GPIO 寄存器来保证实时性。系统由 MPU6050 提供姿态数据,PID 算法进行控制决策,DRV8825 驱动步进电机运行在 16× 微步模式。项目还内置了 Web 界面和无线控制,可实时调整 PID 参数与角度偏移量,显著改善调参体验。控制逻辑借鉴了 YARB 和 B-ROBOT EVO2 两个开源项目,并已在两种机身尺寸上验证,全部源码已在 GitHub 开源。
一个非典型自平衡方案:为什么选步进电机?
在自平衡机器人领域,直流减速电机加编码器几乎是默认选择——便宜、响应快、控制简单。但 Reddit 上一位开发者反其道而行之,用 ESP32 搭配两颗 NEMA 17 步进电机 搭建了一台自平衡机器人,并且已经开源了全部源码。

这个选择本身就值得玩味。步进电机在低速时扭矩大、定位精度高,不需要额外的编码器就能实现精确的步进控制,16× 微步细分下每个脉冲对应的转角非常小。代价是响应速度和高速性能不如直流电机,对脉冲生成的实时性要求也更高。作者用硬件定时器中断来产生步脉冲,并且直接操作 GPIO 寄存器来保证效率——这几乎是在用单片机做软件运动控制器的思路。
微步细分(Microstepping) 是步进电机驱动器的一种控制技术,通过让电机线圈中的电流按正弦波规律变化,将原本一个整步(如 NEMA 17 常见的 1.8°)细分为多个更小的步进角。以 16× 微步为例,每个脉冲对应的转角仅为 0.1125°,理论上能显著提升运动平滑度和定位分辨率。不过微步并不增加电机的绝对精度,其实际效果受负载、驱动电压和电流环性能影响;在高细分下,每步的扭矩也会下降,因此需要在平滑性与动态响应之间权衡。
步进电机的开环特性 也是理解该方案的关键。步进电机按脉冲数转动,无需编码器即可实现位置控制,但这也意味着一旦发生丢步(如负载突变或加速过快),控制器无法察觉。在自平衡机器人中,这意味着系统必须留出足够的扭矩余量,并依赖姿态传感器(MPU6050)的反馈来间接纠偏,而非直接依赖电机位置反馈。
硬件构成与核心控制链路
项目的硬件清单很克制:ESP32 主控、两颗 NEMA 17 步进电机、两块 DRV8825 驱动板、一颗 MPU6050 六轴传感器。整套系统运行在 16× 微步模式下。
控制链路可以拆成三层:
姿态感知层 由 MPU6050 负责,提供倾角估计的原始数据。作者没有展开滤波细节,但提到用 MPU6050 做角度估计,这通常意味着要处理加速度计和陀螺仪的融合问题。
控制决策层 采用 PID 算法。传统自平衡车多用串级 PID(角度环 + 速度环),从描述看这个项目至少实现了角度环的 PID 控制。
执行输出层 是最有特色的部分。步进电机需要精确的脉冲时序,作者用硬件定时器中断生成步脉冲,并通过直接访问 GPIO 寄存器来降低开销。这种写法在 Arduino 生态里不常见,更接近嵌入式底层开发的风格。
PID 控制 是自平衡机器人最核心的算法。它根据姿态误差(目标角度与实际角度的偏差)计算控制量,其中比例项(P)决定响应力度,积分项(I)消除稳态误差,微分项(D)抑制振荡。在自平衡场景中,角度环 PID 的输出通常映射为电机的运动指令。由于步进电机以脉冲频率控制速度,PID 输出需要转换为脉冲频率或步数,这要求脉冲生成必须足够实时和平滑,否则会引入量化抖动。
硬件定时器中断 是 ESP32 上实现精确脉冲时序的常用手段。与软件延时相比,硬件定时器不受主循环任务调度的影响,能在微秒级精度上触发中断,从而稳定地翻转 GPIO 产生步脉冲。直接操作 GPIO 寄存器(而非调用 digitalWrite)则绕过了 Arduino 框架的函数开销,将中断服务程序的执行时间压缩到最短,避免在高频脉冲下丢失步进。这种底层优化思路在高速步进控制中几乎是必需的。
调参体验:Web 界面 + 无线控制
PID 调参是自平衡项目最磨人的环节。作者显然被这件事折磨过,所以给机器人加了无线控制和 Web 界面,可以直接在浏览器里调整 PID 参数和角度偏移量。
这个设计决策的实用价值很高。传统调参要么反复烧录固件,要么接串口线看数据,而 Web 界面让开发者可以拿着手机站在机器人旁边实时修改参数、观察平衡效果。作者也明确提到,这个功能在调参过程中「非常有用」。
对于想复现这个项目的人来说,这套无线调参工具降低了门槛——你不需要理解每一步的寄存器操作,就能在浏览器里把机器人调稳。
角度偏移量 是自平衡控制中的一个实用参数,用于补偿机器人的机械零位偏差。由于传感器安装误差、重心偏移或机身不对称,机器人的“物理直立点”往往与 MPU6050 读出的 0° 并不重合。通过 Web 界面实时调整这个偏移量,开发者无需重新烧录固件就能校准平衡点,这在更换机身或调整电池位置后尤其方便。它与 PID 参数共同构成了调参的核心变量:PID 决定“如何纠正”,角度偏移决定“纠正到哪个目标”。
站在 YARB 和 B-ROBOT EVO2 的肩膀上
作者坦承,项目大量借鉴了两个开源自平衡机器人项目:YARB 和 B-ROBOT EVO2。这两个项目在自平衡控制社区里有一定知名度,前者以简洁的 Arduino 实现著称,后者在机械结构和控制策略上有更完整的工程化方案。
这种「学习—复现—改造」的路径值得关注。作者没有从零发明算法,而是在成熟方案基础上换了一套执行机构(步进电机替代直流电机),并补上了自己需要的工具链(Web 调参界面)。这恰恰是开源硬件社区最健康的协作方式:复用控制逻辑,在硬件选型和工程实现上做差异化。
作者还测试了两种不同尺寸的机器人机身,说明这套控制方案对机械参数变化有一定适应性。
这个项目适合谁
如果你正在做自平衡相关的项目,这个仓库有几个可直接复用的部分:硬件定时器生成步进脉冲的写法、直接操作 GPIO 寄存器的优化技巧、基于 Web 的 PID 实时调参方案。
如果你只是想理解自平衡控制的基本原理,这个项目的价值在于它展示了一个非标准方案的完整取舍——为什么步进电机可行、代价在哪里、如何用软件弥补硬件特性。作者还录制了较长的视频,涵盖机器人演示、组装过程和代码讲解,对动手复现的人比较友好。
源码托管在 GitHub(xamechanics/xabalancing),作者也在征集反馈和建议。对于一个还在迭代中的开源硬件项目来说,社区的实测反馈往往比代码本身更有价值。
相关推荐

Gemini 4 Neon 曝光:或成 Opus 5.5 有力竞争者
Hacker News 讨论帖指出 Gemini 4 Neon 看起来像 Opus 5.5 的竞争者。本文解读这一社区信号背后的产品定位、顶级模型竞争格局变化,以及对开发者模型选型策略的实际意义。

Claude Fable 5.2 独立创作短片《Fable》引热议
Hacker News 上出现由 Claude Fable 5.2 独立完成剧本、画面与导演的短片《Fable》,本文分析全流程 AI 创作的意义、社区反应及对内容创作者的启示。

Anthropic IPO定价:AI巨头上市信号
Anthropic 进行 IPO 定价的消息引发关注。本文分析这一动作对 AI 行业估值、商业化路径和竞争格局的潜在影响,并指出公开市场对 AI 公司的期待与挑战。