当看到“荣耀机器人元气仔以 48.47 秒的成绩夺得亚军”这样的赛报时很多人的第一反应是“这个机器人好快”。但如果你自己动手做过竞速类机器人就会明白48.47 秒这个数字背后并不是电机转速的简单堆叠而是一整套运动控制、传感融合、路径规划和调试方法的协同结果。计时类机器人赛项是对工程能力非常综合的考核直线能不能跑直弯道能不能按最优轨迹切过停车能不能停准重复运行时成绩是否稳定。任何一个环节出现 10% 的误差总成绩就可能从 48 秒掉到 55 秒以上。本文不评价具体赛队而是把这个 48.47 秒当作一个典型性能目标拆解竞速机器人从底盘选型到路径控制、再到实际调试的完整链路。读完你可以回答三个问题这类机器人到底在比什么50 秒以内的成绩是怎么被拆出来的如果自己搭一台比赛机器人应该优先解决哪些环节1. 计时类机器人赛项到底在比什么很多人以为竞速机器人赛项就是“谁跑得快”这是最常见的误解。计时类赛项包括巡线竞速、工程任务赛、轨迹赛有两个指标同时起作用一是完成任务需要的时间二是任务完成的规范性。跑得快但撞到赛道边界、漏掉任务点、冲过停车区都会被罚时甚至直接取消成绩。一个 48.47 秒的成绩我们可以从时间维度做一个粗略拆解。假设赛道长度为 30 到 40 米中间包含直道、大弯、S 弯、十字路口和停车区那么机器人平均速度大约在 0.7 到 0.9 米/秒。这个速度对高性能四驱模型车来说并不算高难点在于弯道速度不能太慢否则时间全耗在转向里直道速度不能持续太猛否则入弯时容易冲出赛道停车时必须停在指定区域位置偏差不能超过几厘米整个过程中传感器数据、电机调速、控制决策要实时同步延迟超过 20ms 就可能造成明显的过冲。所以赛项本质上考的是“在保证任务完成率的前提下把整条赛道的速度曲线优化到极限”。它不是单点技术比拼而是系统工程机械底盘决定速度上限传感器决定感知精度控制算法决定动态响应代码结构决定调试效率。任何一个短板都会变成时间成本。这篇文章讨论的“元气仔”属于这类竞赛机器人中的一个典型形态中小尺寸、轮式驱动、由嵌入式主控板控制、通过传感器感知路径。下面所有技术拆解都以这种形态为例泛化到其他底盘结构也同样适用。2. 竞速机器人的运动模型与底盘选型优化任何一台竞速机器人之前必须建立运动模型。运动模型决定了你能用什么样的控制策略也决定了代码里速度指令应该怎么下发。2.1 差速底盘竞速项目最常用的模型竞速机器人最常用的底盘是“两轮驱动 万向轮”或“四轮驱动”的差速结构。差速模型的核心是左右两侧轮子的速度不同机器人就会转向。用公式表示v 是机器人中心线速度ω 是机器人旋转角速度vL 和 vR 分别是左右轮线速度。当 vL vR直行当 vL vR机器人向右偏转反之向左。差速模型的控制量可以抽象成两个目标线速度和目标角速度。上层算法只需要关心“现在该走多快、该以多大弧度转弯”底层负责把目标换算成左右电机的实际 PWM 占空比。2.2 底盘对比不是越复杂的底盘越快底盘类型机动性直线稳定性传动效率控制复杂度适合场景二轮差速中中高低简单轨迹、短赛道四轮差速中高高中长直道、重型任务车三轮全向高低中高全向移动任务不适合高速竞速四轮麦克纳姆高低低高全向平移任务速度劣势明显这里的关键判断是很多新手觉得“全向轮能横移肯定更先进”但高速竞速场景恰恰是差速底盘的主场。全向轮依靠辊子接触地面直线行驶时能量损耗更大而且每个辊子的接触状态会引入高频抖动对巡线传感器和陀螺仪的稳定性都不友好。差速底盘结构简单、可靠、反馈线性度好更适合把时间投入在控制算法优化上。2.3 底盘参数对时间的影响底盘参数直接决定了控制带宽。需要关注三个参数轮径轮径越大单位转速下的线速度越高但加速力矩要求也越大。轮径 65mm 到 80mm 是比较常见的比赛区间。轴距轴距越长直线稳定性越好但转弯响应越迟钝。竞赛车为了灵活性轴距通常控制在 120mm 到 180mm。减速比电机减速比决定最大速度与扭矩的平衡。比赛车常用的 N20 电机减速比 30:1 到 60:1 都有具体选型要看赛道平均速度需求。如果你手上已经有一台成品车先测量这些参数再把它们写进代码配置里。后续所有速度规划都会依赖这些物理常数。3. 控制闭环为什么 50 秒以内的成绩离不开 PID竞速机器人的核心控制问题是给定目标速度机器人实际速度能不能快速而准确地跟上。如果你只是写死 PWM 占空比会发现同一个 PWM 在不同电池电压下速度差很多左轮和右轮即使在相同 PWM 下转速也不一致。没有闭环控制直线会越跑越偏弯道会忽快忽慢成绩自然不稳定。PID 是最常用的闭环控制方法。它根据“目标值与当前值的误差”计算输出P比例根据当前误差输出误差越大输出越大I积分消除长期稳态误差D微分根据误差变化率提供阻尼抑制超调。在实际比赛中有两种 PID 是必不可少的速度环 PID让左右轮的实际线速度分别稳定在目标值转向环 PID根据传感器偏差实时调整机器人方向让车体尽量贴合赛道中心线。这两种 PID 属于串级结构外层转向环输出期望角速度内层速度环输出期望 PWM。不过对于入门到中级的竞速机器人很多队伍会把转向环直接映射到左右轮的速度差也能跑出不错成绩。下面优先介绍最实用的实现方式。4. 环境准备与开发板选型比赛机器人主控的选择通常围绕生态成熟度和实时性展开。单片机能直接操作 GPIO、定时器、PWM 和中断相比树莓派等高系统平台实时性更好启动更快更适合高速运动控制。常用组合有主控平台语言优点注意事项STM32 系列C/C定时器资源丰富实时性强开发环境配置相对复杂Arduino MEGA / DueC上手最快资料多单片机性能有限编码器计数请加中断Raspberry Pi PicoMicroPython / C性价比高MicroPython 调试方便高级定时器需要查阅 DatasheetESP32 系列Arduino / ESP-IDF带 WiFi方便调参ADC 精度一般如果目标是比赛实战更推荐采用“单片机主控 电调/电机驱动板”方案。以本文示例为例我会使用 Raspberry Pi Pico MicroPython 来实现核心控制因为它的代码可读性高、串口交互方便便于读者快速复现。工程上要迁移到 STM32控制思路完全一致。需要准备的材料一台差速底盘两个带编码器的直流减速电机一个双 H 桥电机驱动模块如 TB6612 或 DRV8833主控板一块Pico 或其他单片机一个 4 到 8 路灰度传感器阵列或一个能输出 8 位灰度值的巡线模块锂电池组7.4V 2S 是常见选择USB-TTL 串口模块用于调试输出杜邦线、面包板、万用表。版本信息以你实际拿到的硬件为准。本文重点演示通用思路不绑定某个特定驱动库。5. 核心实现编码器测速与电机调速代码很多队伍在代码上容易犯的错误是先写一大段逻辑然后发现电机根本不动也不知道是接线问题还是代码问题。正确的顺序是“最底层先跑通”先让电机能转再让编码器能量到最后才上 PID 闭环。5.1 电机 PWM 驱动代码以 MicroPython 为例先写一个最基本的电机驱动函数。# 文件路径main.py片段仅演示电机驱动 from machine import Pin, PWM import time # 假设左边两个引脚是方向和控制 # 这里使用 TB6612 驱动模块 LEFT_AIN1 Pin(10, Pin.OUT) LEFT_AIN2 Pin(11, Pin.OUT) LEFT_PWM PWM(Pin(12), freq20000) def left_motor(speed): # speed 范围 -100 到 100 if speed 0: LEFT_AIN1.value(1) LEFT_AIN2.value(0) elif speed 0: LEFT_AIN1.value(0) LEFT_AIN2.value(1) else: LEFT_AIN1.value(0) LEFT_AIN2.value(0) LEFT_PWM.duty_u16(int(abs(speed) * 65535 / 100)) # 测试左电机正转 50 left_motor(50) time.sleep(2) left_motor(0)这段代码的核心是把速度值抽象成 -100 到 100 的归一化量后期做 PID 时不用每次都换算 PWM 范围。需要注意的是PWM 频率不要设得太低一般 15kHz 到 25kHz 可以避免电机发出尖锐噪音。5.2 编码器读取与测速编码器的作用是测量电机实际转速。多数直流减速电机搭配霍尔编码器输出 A、B 两路脉冲。通过 A 相和 B 相的相位关系可以判断旋转方向。下面代码演示用中断方式简单计数。# 文件路径encoder.py from machine import Pin class Encoder: def __init__(self, pin_a, pin_b, ppc20): self.ppc ppc # 每圈脉冲数根据具体编码器修改 self.pin_a Pin(pin_a, Pin.IN, Pin.PULL_UP) self.pin_b Pin(pin_b, Pin.IN) self.count 0 self.pin_a.irq(handlerself._update, triggerPin.IRQ_RISING) def _update(self, pin): # A 相上升沿时检查 B 相电平判断方向 if self.pin_b.value(): self.count - 1 else: self.count 1 def reset(self): self.count 0这个实现策略是只在 A 相上升沿进入中断再读 B 相电平判断方向。相比 4 倍频解码它的中断频率低适合 MicroPython 这种解释执行环境。高速场景下如果发现漏脉冲可以改用 C 语言硬件定时器解码。5.3 速度 PID 闭环测速得到的是一个累积脉冲数要转成速度需要记录单位时间内的增量。下面实现一个周期性速度 PID。# 文件路径speed_controller.py class SpeedPID: def __init__(self, kp, ki, kd, sample_time0.02): self.kp kp self.ki ki self.kd kd self.sample_time sample_time self.target 0 self.integral 0 self.last_error 0 def set_target(self, speed): self.target speed def update(self, current_speed): error self.target - current_speed self.integral error * self.sample_time # 积分限幅防止 windup self.integral max(-50, min(50, self.integral)) derivative (error - self.last_error) / self.sample_time output self.kp * error self.ki * self.integral self.kd * derivative self.last_error error # 输出限幅 return max(-100, min(100, output))在主循环里每 20ms 读取一次左右编码器增量计算实际速度再用两个 SpeedPID 分别输出左右电机 PWM。这样就能保证左右轮速度尽量一致直道跑得直弯道跑得稳。6. 基于灰度传感器的路径识别与转向控制有了速度闭环机器人已经能跑直线但比赛赛道在不停变化方向所以还需要路径识别。最常用的传感器是红外灰度阵列它通过地面反射率判断当前传感器下方是白色赛道还是黑色引导线。6.1 传感器偏差计算灰度阵列通常返回一组二值数据例如 8 位数字每一位代表一个传感器是否压线。好的处理方式是把“压线位置”映射为一个偏差值 error例如error 0 表示车在线的正中心error 正数表示机器人偏向线的左侧error 负数表示机器人偏向线的右侧。一个简单的加权平均实现# 文件路径line_sensor.py class LineSensor: def __init__(self, values): # values 是一个 0/1 列表0 为未检测到线 self.values values def get_error(self): weight [-3, -2, -1, 0, 1, 2, 3] # 这里假设 7 路传感器中心传感器权重为 0 total 0 count 0 for i, v in enumerate(self.values): total weight[i] * v count v if count 0: # 丢线返回一个较大偏差让转向逻辑加大纠偏 return self.last_error * 2 if abs(self.last_error) 1 else 8 self.last_error total / count return self.last_error丢线情况非常关键。在高速过弯时传感器有可能全部离开黑线。如果此时直接把偏差置 0车就会直线冲出赛道。更稳妥的策略是记住上一次有效偏差并让输出继续沿原方向加大纠偏直到重新检测到线。6.2 转向 PID 与速度联动转向 PID 的输出可以理解为左右轮的差速分配。简单做法是base_speed 45 # 直道基础速度 turn_gain 8 # 转向增益需实测调整 error sensor.get_error() correction turn_gain * error left_speed base_speed correction right_speed base_speed - correction这样做在慢速巡线时有效但高速时容易出现两个问题一是入弯时速度没有降低转弯半径太大二是出弯时速度恢复太慢白白浪费时间。更合理的方式是把 base_speed 也做成传感器偏差的函数偏差越大速度越低从而自动实现入弯减速、出弯加速。def compute_speed(error): # 偏差越大基础速度越低 speed 55 - abs(error) * 6 return max(25, min(55, speed))这样一来机器人可以做到“直道加速、弯道减速”的自然匹配不需要人工去设置每个弯道的位置。7. 点位任务、停车与精度验证计时赛往往不止“跑一圈”这么简单。很多赛题会在赛道中设置任务点要求机器人停在指定区域、完成特定动作或者精准停车。停车精度直接影响罚时是成绩不稳定的重要来源。停车控制的一个核心思想是不要等到传感器已经看到停车标志才刹车。因为机器人有惯性从发出停车指令到完全停下还需要滑行一小段。正确做法是提前在代码中设定一个“预停车距离”或用编码器累计位移判断。# 文件路径stop_controller.py # 假设已经知道目标停车位置对应的编码器累计数 stop_count def check_stop(encoder_left, encoder_right, stop_count, allow_error20): avg_count (encoder_left.count encoder_right.count) // 2 if abs(avg_count - stop_count) allow_error: left_motor(0) right_motor(0) return True return False如果要更精确地控制停车位置可以采用位置 PID。位置 PID 的目标不是速度实时相等而是“位置逐渐逼近目标”。当编码器累计数接近目标时速度输出自动减小让车缓慢停稳避免高速急停带来的滑行误差。建议在赛前把所有关键位置都标定成编码器累计数起点、每个任务点、停车区。比赛时读取编码器数据就能判断当前位置离目标还有多少距离。8. 运行结果与效果验证到这一节为止代码已经把“电机驱动—编码器测速—速度闭环—巡线转向—停车控制”串起来了。但写完代码不等于跑得好必须用数据验证三个指标。8.1 用串口观察速度曲线启动机器人在直道上给定目标速度 50通过串口打印实际速度正常曲线应该迅速接近 50 且没有明显振荡。如果实际速度围绕目标值大幅波动说明 PID 参数 P 过大或 D 过小。# 串口调试终端 minicom -D /dev/ttyUSB0 -b 115200预期输出示例target: 50.00, current: 49.82, pwm: 48.10 target: 50.00, current: 50.11, pwm: 49.80 target: 50.00, current: 49.95, pwm: 50.02相邻周期差值在 2 以内基本合格。8.2 用计时器验证整圈用时在起点放置一个光电门或者用程序在按下启动按钮后开始计时完成停车后停止计时。多次测量取平均值和方差。如果方差超过 3 秒说明机器人轨迹重复性差优先检查左右轮参数是否一致、传感器安装是否松动、电池电量是否充足。8.3 如果成绩不稳定第一排查顺序看左右轮编码器读数是否同步看弯道丢线是否频繁看停车滑行距离是否每次不同看电池电压赛前 7.4V 和赛后 7.2V 对电机速度影响很大。每轮测试都记录串口日志和圈时数据化分析才能定位问题。9. 常见问题与排查思路问题现象可能原因排查方式解决方案电机不转PWM 引脚或方向引脚接反用万用表检查引脚电平对照 PCB 原理图重新接线直线跑偏左右轮机械阻力不一致旋转车轮感受阻力差异检查轴承、齿轮啮合必要时换轮速度 PID 振荡P 过大或积分限幅太高串口观察速度曲线降低 P检查积分限幅弯道冲线入弯速度过快或 D 过小慢速回放轨迹录像降低 base_speed 的弯道最小值丢线后乱转丢线处理逻辑错误打印丢线时的 error 值采用“保留上次偏差并增益放大”策略停车过冲刹车太晚记录刹车点编码器值提前刹车距离或改位置 PID同一套程序两次成绩差 5 秒电池电量或传感器被遮挡测量电池电压、清洁传感器赛前充电固定传感器支架这里特别强调一点传感器安装高度对巡线影响巨大。灰度传感器离地面太高反射值边界模糊太低过粗糙赛道时容易刮擦。一般建议安装高度在 8mm 到 15mm 之间并且要保证所有传感器离地高度一致。10. 竞速机器人调优的最佳实践跑进 50 秒以内不能靠“运气好”而是靠一套可复现的调试流程。下面这些建议来自大量竞赛队伍的共同经验适合直接落到工程里。10.1 参数不要散落在代码里把 PID 参数、基础速度、转向增益、停车点位置都集中到一个配置文件中。比赛现场调参时会大幅减少改代码的时间。# 文件路径config.py BASE_SPEED 55 MIN_SPEED 25 TURN_GAIN 8 SPEED_ERROR_GAIN 6 LEFT_KP 18 LEFT_KI 2 LEFT_KD 0.5 RIGHT_KP 18 RIGHT_KI 2 RIGHT_KD 0.5 STOP_COUNT 2400现场调试时只需调整这一组常量即可。10.2 建立“测试—记录—调整”循环不要一口气把所有参数调到位。先固定直线速度再调弯道减速最后调停车。每次修改只动一个参数记录修改前后的圈时和现象。用表格管理调试记录比凭感觉试要有效得多。10.3 提前做好电池管理和温度保护电池电压下降会导致同样的 PWM 下电机转速下降。如果比赛分多轮建议每轮之间测量电压并在代码里做电压补偿电压低时自动提高 PWM 上限。另外长时间堵转会让电机驱动板过热可以在驱动芯片上贴散热片。10.4 机械结构要固定电气线路要防抖比赛过程中机器人会高频振动杜邦线接口很容易松动。建议所有信号线用扎带固定电源线采用焊点连接。传感器支架使用金属或硬质塑料不能用热熔胶粘一下就完事。10.5 留出断点调试手段在代码里增加调试模式开关。比赛时可以把调试输出关掉节省串口带宽平时测试时打开方便实时观察每个传感器状态、编码器计数和 PID 输出。一个典型的调试指令可以是# 文件路径main.py DEBUG False # 比赛时改为 False这行配置看似简单实际能帮你省下大量现场排查时间。11. 回到 48.47 秒一个合格的竞速系统应该具备什么回到“元气仔”夺得亚军的 48.47 秒。这个成绩不一定是全场最快但从获奖角度看它至少说明这台机器人在几个关键维度上没有明显短板机械和驱动系统有足够的响应速度和稳定性不会因为电机差异导致轨迹发散传感器数据处理得当弯道丢线概率低停车定位比较可靠控制算法兼顾了直道速度与弯道通过性没有因为过度保守而浪费大量时间调试流程到位能够在赛前把参数收敛到合理区间。也就是说当你看到 48.47 秒时不应该只把它理解为“电机转速很快”而要把它理解为“电机控制、路径感知、逻辑决策、机械可靠性”四个层面的综合结果。如果你想自己复现类似的成绩建议不要从赛前两周才开始搭建。正确路径是先用最简单的 2 到 3 米折返赛道跑通整套代码确认底层可靠再逐步加入弯道、S 弯、停车任务最后才针对完整赛道优化参数。底层不稳时调上层参数只会越调越乱。下一步可以深入的方向包括使用傅里叶变换分析曲线轨迹的振动频率、引入陀螺仪辅助姿态估计、用离线路径规划预先设定每个区段的目标速度。这些都建立在本文这套基础闭环之上。先把基础闭环跑稳再考虑更高级的优化是竞速机器人项目最稳妥的推进方式。