【AI加油站】机器人设计系列一百二十一：《移动机器人原理与设计》深度拆解：手把手教你造一个能跑、能看、能聊天的机器人（附下载）

从零开始，读懂移动机器人的“大脑”、“感官”与“手脚”

你是否想过，扫地机器人是怎么自己认路的？灭火机器人怎么在房间里找到火源？两轮平衡车为什么不会倒？甚至，未来的机器人会不会像人一样走路、思考、互相配合？

今天，我们就来一起深扒一本非常硬核又充满趣味的教材——《移动机器人原理与设计》（王曙光 主编）。这本书不仅是高校自动化、机电、智能科学等专业的教材，更是一本带你从零开始理解、动手搭建移动机器人的“实战手册”。

我们将把书中那些看似复杂的原理，拆解成通俗易懂的故事和干货，让你一文读懂移动机器人的前世今生、身体构造、运动逻辑和未来趋势。

01 机器人≠“人”：重新认识这个“电子宠物”

首先，一个灵魂拷问：机器人一定要长得像人吗？

答案是：不一定，甚至大多数都不像。

书里开篇就给出了一个非常务实的定义：机器人是一种可以自动执行工作的机器装置。它可以是工厂里的机械臂，长得像坦克的炮塔；也可以是火星上的“索杰纳”探测器，六个轮子满沙地跑；还可以是现在流行的扫地机器人，一个圆饼状的小东西，闷头在你家地板上转悠。

专业解读： 机器人学关注的核心不是“外形拟人”，而是 “自主能力”——即感知环境、做出决策、执行动作的闭环系统。这背后融合了机械、电子、控制、计算机、传感器、人工智能等多个学科。

书中将机器人分为两大类：

• • 工业机器人：主要用在制造业，比如汽车焊接、喷漆、装配。它们的特点是重复精度高、干活儿稳定、不怕累。
• • 特种机器人（服务机器人）：所有不在工厂里的基本都算，包括扫地机器人、医疗机器人、军用机器人、仿生机器人、可穿戴外骨骼等。

其中，“仿生机器人”和“可穿戴机器人”是两个非常吸引眼球的方向。

🔥 仿生机器人：向动物“偷师”

• • 仿人手臂：七自由度甚至更多，像人的胳膊一样灵活，能避障、能抓取。
• • 仿人双足：本田的ASIMO、波士顿动力的Atlas，能在不平地面行走，甚至后空翻。
• • 仿非人生物：蛇形机器人（钻管道）、四足机器人（波士顿动力的BigDog）、鱼形机器人（水下探测）。
• • 微型仿生：昆虫大小的机器人，以后可能钻进人体肠道做检查。

🦾 可穿戴机器人（外骨骼）：现实版“钢铁侠”

书里特别提到了美国的 XOS 和日本的 HAL-5。

• • XOS：能让士兵轻松连续500次举起90公斤的杠铃。它的控制原理很巧妙——不是让人去操纵机器，而是机器“让道”（get out of the way）。传感器感知到人想动，机器立刻辅助发力，让人几乎感觉不到负重。
• • HAL-5：更轻（21公斤），能帮人增加40公斤的举力。它甚至可以直接贴电极在人皮肤上，通过生物电流判断你想怎么动。

专业解读： 外骨骼最大的瓶颈不是机械结构，而是 能源 和 人机协同。目前的电池续航大多只有几十分钟，离“全天作战”还很远。

02 机器人的“身体”：轮子、腿还是履带？

想让机器人动起来，首先得有“脚”。书中详细对比了三种主流移动机构。

🚗 轮式：平地之王

• • 优点：结构简单、速度快、效率高、控制容易。
• • 缺点：过沟过坎能力弱，不适合复杂地形。
• • 常见构型：
• • 两轮差速驱动（如扫地机器人）：靠两个轮子的速度差转弯，简单灵活。
• • 四轮驱动（如全向轮、瑞典轮）：可以实现横向移动、原地转圈，非常炫酷，但控制复杂。

🦎 腿足式：越野高手

• • 优点：能跨障碍、爬楼梯、在不连续的地面上行走。
• • 缺点：控制极其复杂，能耗高，速度慢。
• • 自由度：每条腿至少2个自由度（抬腿、摆腿），3个自由度更灵活。
• • 稳定性：
• • 静态稳定：任何时候至少有3条腿着地，重心投影落在支撑三角形内。四足机器人常用。
• • 动态稳定：靠运动中的惯性力维持平衡，比如两轮自平衡车、人跑步时。
• • 步态规划：简单说就是“先迈哪条腿”。四足机器人经典的步态是“对角线迈步”，保证三条腿支撑身体。

🚜 履带式：折中方案

介于轮式和腿式之间，越障能力强，但速度慢、磨损大，常见于工程机械和军用机器人。

一句话总结：平坦地面选轮式，复杂地形上腿式，野地里就用履带。

03 机器人的“大脑”：运动学与控制

这部分有点烧脑，但我们把它讲简单。

什么是运动学？

就是研究“机器人怎么从A点走到B点”的几何关系，不考虑力，只考虑位置、速度、角度。

书中引入了两个坐标系：

• • 全局坐标系：房间的东南西北。
• • 局部坐标系：机器人自己的前后左右。

通过一个旋转矩阵，可以把机器人的速度从“自己眼里”转换到“世界眼里”。

非完整约束：为什么汽车不能横着走？

这是一个非常重要的概念。轮式机器人有一个经典约束——不能侧向滑动。

• • 汽车可以前进、后退、转弯，但不能原地横移。
• • 这种“速度方向受限制”但“位置空间不受限”的约束，就叫非完整约束。

专业解读： 非完整系统是控制理论中的难点。你不能用简单的线性反馈让它稳定，必须设计更聪明的控制律，比如时变控制、不连续控制。

点镇定 vs 路径跟踪 vs 轨迹跟踪

• • 点镇定：让机器人从任意位置走到一个固定目标点，然后停下。例如“回充电桩”。
• • 路径跟踪：让机器人沿着一条固定的几何路径走（不管时间）。例如“沿墙走”。
• • 轨迹跟踪：不仅要走某条路线，还要在特定时间到达特定点。例如“避障+准时送达”。

一个有趣的结论： 能够做轨迹跟踪的控制律，不一定能做点镇定。因为镇定要求最终速度为零，而跟踪速度始终不为零。两者不能简单通用。

04 机器人的“感官”：传感器大观园

机器人怎么“看”世界？全靠传感器。书里详细介绍了十几类传感器，我们挑几个重点的讲。

红外传感器：最常用的小眼睛

• • 红外接近传感器：开关量，只能告诉你“前面有没有东西”，距离大约20cm。常用于避障。
• • 红外测距传感器（如GP2D12）：模拟量，能输出10~80cm的距离值，但输出是非线性的，需要标定或查表。
• • HS0038接收管：常配合38kHz调制红外光使用，抗干扰能力强，是灭火机器人、擂台机器人的标配。

超声波传感器：不怕颜色，只认距离

工作原理和蝙蝠一样：发射超声波，计算回波时间。测量范围一般4cm~5m，精度厘米级。缺点是有盲区（近处测不准）、受温度影响、对吸音材料不敏感。

视觉传感器（摄像头）：最像眼睛

• • CCD：图像质量好，但功耗高、成本高。
• • CMOS：功耗低、集成度高，但早期图像质量不如CCD，现在技术进步已基本追平。

摄像头输出的是模拟视频信号（PAL/NTSC），包含行同步、场同步和图像信号。需要专门的芯片（如LM1881）分离同步信号，再用AD采集灰度值，才能形成数字图像。

专业解读： 视觉SLAM（同步定位与建图）是当前移动机器人的研究热点，但计算量大、对环境光照敏感，仍是工程难点。

其他有趣的传感器

• • ST188灰度传感器：红外收发一体，能区分黑白地面，是巡线小车的核心。
• • 水银开关：简单粗暴的姿态传感器，倾斜到一定角度就触发。
• • LM35温度传感器：线性输出，10mV/°C，直接接AD就能用。
• • 光敏电阻：测光照强度，可用于“趋光机器人”。
• • 陀螺仪（光纤陀螺）：利用萨格纳克效应，测量角速度，用于航迹推算。
• • 倾角传感器（SCA610）：测量重力在敏感轴上的分量，算出倾斜角，是两轮自平衡小车的“平衡器”。

05 机器人的“导航”：从迷路到认路

导航是移动机器人最核心的问题之一。书里把导航分为三大类方法。

相对定位（航迹推测）

• • 原理：从初始位置出发，不断累加轮子转动的距离和方向，推算当前位置。
• • 问题：误差会累积，走远了就不准了（打滑、轮径误差、编码器精度）。
• • 常用传感器：光电编码器（测轮子转角）、陀螺仪（测角速度）。

绝对定位

• • 原理：通过感知环境中的已知特征或外部信号，直接确定位置。
• • 方法：
• • 地图匹配：用激光雷达扫描周围，与已有地图比对。
• • GPS：室外好用，室内没信号。
• • 路标定位：识别二维码、色块、反光带等人工标记。

SLAM：同时定位与建图

这是目前最主流的方法。机器人在未知环境中，一边走一边建地图，同时在地图中定位自己。就像你蒙着眼睛走进一个房间，手摸着墙走，脑子里慢慢形成房间的轮廓，同时知道自己走到哪儿了。

技术难点：

• • 数据关联：怎么知道两次观测到的是同一个墙角？
• • 闭环检测：走了一圈回来，怎么发现回到了原点并修正累积误差？
• • 动态环境：如果有人走来走去，地图该怎么更新？

06 多机器人系统：1+1>2

单个机器人能力有限，一群机器人配合起来，能完成更复杂的任务。

协作方式

• • 生物学启发：模仿蚂蚁、蜂群，个体简单，整体智能涌现。适合大量同构机器人。
• • 经济学方法：用拍卖、市场机制分配任务，能获得较优解，但通信量大。
• • 心理学方法：给机器人赋予“个性”或“情绪”，如“饥饿”（低电量）触发充电行为。

关键问题

• • 任务分配：谁去做什么？固定分配 vs 动态分配。
• • 冲突消解：防止多个机器人抢资源、撞在一起。
• • 可扩展性：从3个机器人扩展到30个，算法还能不能用？
• • 协同定位与建图：互为信标，交替定位，把各自的局部地图融合成全局地图。

专业解读： 书中提到的免疫算法、粒子滤波（PF）、扩展卡尔曼滤波（EKF）都是多机器人SLAM的常用工具。粒子滤波适合非线性、非高斯系统，鲁棒性强；EKF计算效率高，适合收敛后的跟踪。

07 实战案例：灭火、打擂、扫地、画画

书的后半部分给出了大量实战案例，我们选几个有趣的聊聊。

🔥 灭火机器人

• • 任务：在一个模拟四室一厅的房子里，最快找到蜡烛并吹灭。
• • 策略：右手法则（沿墙走），先上台阶，按顺序搜索房间，找到火源就开风扇，灭完原路返回。
• • 传感器：火焰传感器（对红外光敏感）+ 红外避障传感器 + 灰度传感器（识别门口白线）。
• • 难点：直行和转90°的精确控制，受摩擦力、电池电压、电机一致性影响很大，需要反复调试延时参数。

🥊 擂台机器人

• • 任务：把对方机器人或棋子推下擂台。
• • 策略：边缘检测优先级最高，其次是发现敌人，最后才是棋子。有敌人就正面进攻，侧面受攻击就根据灰度判断位置，决定逃跑或反击。
• • 传感器：红外接近（边缘检测）+ GP2D12测距（探测敌人距离）。
• • 执行器：BDMC1203驱动器 + FAULHABER大功率直流电机，提供爆发力。
• • 亮点：程序用了并行思想，不断循环检测传感器，快速响应，避免掉台。

🧹 吸尘机器人（遍历覆盖）

• • 任务：走遍房间每一个角落，包括上坡、上平台、绕障碍物，最后回到起点。
• • 策略：先沿墙走，建立边界；然后采用“弓”字形或随机覆盖策略；上坡下坡靠角度传感器判断。
• • 传感器：SCA610倾角传感器（判断上下坡）+ ST188灰度（区分地面和平台）+ GP2D12（左右碰撞检测）。
• • 控制器：MC9S12DG128B（16位单片机），用PWM控制电机速度。

🎨 画图机器人（视觉反馈）

• • 任务：用摄像头拍下目标物体，识别其位置，控制机械臂画出它的轮廓。
• • 技术点：
• • 图像处理：RGB转HSI空间，用色调（H）进行颜色分割，排除亮度干扰。
• • 阈值标定：手动调整色调范围，使目标物体在二值图像中凸显。
• • 机械臂控制：三自由度，手部夹笔，能描点、画线。
• • 扩展：可以加入腕部关节控制笔压，画出更平滑的曲线。

结语：移动机器人的未来，由你参与

从这本书中，我们可以看到移动机器人已经从一个单纯的“自动化工具”，演变成为一个集感知、决策、执行、学习于一体的智能系统。

几个趋势非常明显：

1. 1. 从单一感知到多传感器融合：没有哪种传感器是万能的，激光雷达+视觉+超声波+IMU的融合成为主流。
2. 2. 从集中式到分布式：多机器人协作、边缘计算、群体智能正在兴起。
3. 3. 从结构化环境到开放世界：机器人正在走出工厂，进入家庭、野外、太空。
4. 4. 从遥控到自主：SLAM、强化学习、类脑计算正在让机器人越来越“聪明”。

无论你是学生、工程师，还是纯粹的技术爱好者，现在都是一个绝佳的入局时机。因为移动机器人技术还远未成熟，每个细分方向都有大量值得探索的问题。

最后，借用书里的一句话送给大家：

机器人学的进步和应用是20世纪自动控制领域最有说服力的成就。在21世纪，各种先进的机器人系统将会进入人类生活的各个领域，成为人类良好的助手和亲密的伙伴。

希望这篇文章，能让你对移动机器人有一个更清晰、更立体的认识。如果你也对动手造一个机器人感兴趣，不妨从“创意之星”这类模块化套件开始，一步步走进这个有趣的世界。

本文根据《移动机器人原理与设计》（王曙光主编，人民邮电出版社，2013）内容整理编写，部分术语和案例有简化改编，适合初学者和爱好者阅读。