低成本开源!ESP32轮腿机器人实战

低成本开源!ESP32轮腿机器人实战

低成本开源!ESP32-S3轮腿机器人实战:自平衡+身高调节,语音控制在路上

作为机器人爱好者,你是否想亲手打造一款兼具灵活性与功能性的轮腿机器人,却担心成本过高、技术门槛难跨越?今天给大家分享一个超实用的开源项目——L在这里插入代码片eTian-robot2,一款基于ESP32-S3的低成本轮腿机器人,不仅实现了自平衡、身高调节、无线控制等核心功能,还开源了全部PCB、原理图和代码,新手也能跟着复刻!

在这里插入图片描述

一、项目初衷:从模仿到创新,解锁轮腿机器人的更多可能

这款机器人的灵感来源于大名鼎鼎的Ascento机器人,最初的设计目标是通过实践学习控制算法,最终实现酷炫的跳跃功能。虽然受限于理论知识储备,跳跃功能的建模仿真与实物落地预计要到明年6月才能完成,但目前已成功实现自平衡、身高调节、无线控制三大核心功能,后续还将迭代离线语音控制,性价比直接拉满!

更值得一提的是,项目完全开源,从PCB设计图、原理图、三维模型到BOM清单,所有资源都能免费获取,大大降低了制作门槛,让更多爱好者能参与到轮腿机器人的研发与优化中。

二、硬件篇:低成本选材,兼顾性能与性价比

1. 核心主控与PCB设计

机器人的“大脑”选用ESP32-S3-WROOM-1-N8芯片,兼顾高性能与低功耗,支持离线语音识别,为后续功能升级埋下伏笔。PCB设计全程使用立创EDA专业版完成,机械结构绘图则采用CAD和Solidworks,整体尺寸仅48*48mm,小巧精致,便于安装部署。

PCB历经V2.0和V3.0两个版本迭代:

  • V2.0版本采用3层连接设计,主控与电机驱动分离,电机驱动使用L6234D芯片,双路升压芯片供电,但成本较高,暂不推荐量产;

V3.0为最终版(受疫情影响暂未拿到实物),将电机驱动全部集成到ESP32-S3主控,简化结构、降低成本,目前暂时采用“V2.0主控+电源层+4010电机单独驱动”的组合方案。

在这里插入图片描述

2. 关键元器件选型(低成本核心)

  • 动力系统:足部采用4010无刷电机直驱,车轮与电机过盈配合,传动效率高;腿部用舵机控制,搭配XH2.54 3P接口,安装便捷。
  • 驱动与稳压:选用DRV8313作为驱动芯片,峰值电流2.5A,专门适配10欧姆左右的云台电机;稳压方面采用LM2596提供稳定5V电压,为舵机供电更可靠。
  • 传感器:板载MPU6050姿态传感器,精准采集机器人姿态数据,为自平衡算法提供核心支撑。

通讯与供电:集成CH340K串口芯片,通过Type-C接口实现电脑通讯与程序下载;电源支持XT60接口输入,采用3S锂电池供电,续航持久。

在这里插入图片描述

3. 丰富接口,拓展性拉满

PCB板预留了丰富的接口,满足后续功能扩展需求:

  • 两路舵机接口、两路无刷电机接口;
  • 两路IIC接口、四路SPI接口;
  • 两路FPC 0.5mm 8P LCD接口,可连接两个1.28寸圆形屏幕;
  • IO 0按键和RST复位按键,方便调试与重启。

三、软件篇:简单易上手,核心算法开源可复用

1. 开发平台与核心框架

代码开发基于VScode platform平台,主控运行ESP32 RTOS实时操作系统,通过多任务调度实现高效控制。电机驱动采用SimpleFOC算法,运行在扭矩模式下,稳定性更强,适合轮腿机器人的动力控制需求。

2. 核心功能实现逻辑

  • 双任务调度:创建两个核心任务,分别负责串口控制电机和读取电机角度信息,同时支持Blinker APP蓝牙控制,操作便捷。
  • 自平衡算法:通过MPU6050采集姿态数据,结合轮速信息进行PID运算,动态调节两侧舵机角度和电机力矩,实现机器人稳定平衡。
  • 电机初始化优化:首次上电时运行motor.initFOC()函数,串口输出电机转向和偏差角度后填入参数,下次上电即可跳过自检,提升启动效率。
  • 无线控制:除了串口控制,还支持Blinker APP蓝牙连接,手机端即可调节机器人姿态、身高,操作直观易懂。

3. 后续软件迭代计划

目前代码已实现核心功能的稳定运行,后续将重点优化:

  • 适配ESP-IDF开发平台,开发离线语音控制功能;
  • 优化PID参数,提升机器人在复杂地形的平衡能力;
  • 完善机械结构与算法的适配性,增强抗干扰性。

四、项目现状与开源资源汇总

受疫情影响,V3.0版本的SMT主板暂未取回,目前使用的临时方案存在左轮电机控制效果欠佳的问题,待疫情好转后将及时更新V3.0版本程序与调试教程。

开源资源(全部免费获取)

  • 设计文件:PCB设计图、原理图、三维模型(STL格式);
  • 代码资源:VScode platform项目工程文件;
  • 教程视频:电路讲解、代码讲解、三维模型演示视频;
  • BOM清单:详细的元器件采购清单,直接对接供应商,采购无踩坑。

资源下载地址:
代码:https://download.ZEEKLOG.net/download/xiesibo2012/92528868
模型:https://download.ZEEKLOG.net/download/xiesibo2012/92528791
3d打印件:https://download.ZEEKLOG.net/download/xiesibo2012/92528866

五、总结:低成本入门轮腿机器人的绝佳选择

LeTian-robot2项目以ESP32-S3为核心,通过低成本元器件选型、开源设计降低了入门门槛,同时兼顾了功能的完整性与拓展性。无论是想学习机器人控制算法、PCB设计,还是想亲手打造一款实用的轮腿机器人,这个项目都值得一试。

后续随着V3.0版本的落地和跳跃功能、语音控制的迭代,机器人的实用性还将进一步提升。如果你也对轮腿机器人感兴趣,不妨下载开源资源动手尝试,也欢迎在项目评论区交流探讨,一起优化这款低成本ESP32轮腿机器人!

Read more

【FPGA/EDA】Quartus 18.0 软件安装及 ModelSim 环境配置

【FPGA/EDA】Quartus 18.0 软件安装及 ModelSim 环境配置

最近在上《EDA技术》这门电气专业的任选课,用到了Quartus 18.0和ModelSim软件工具进行波形图仿真,安装及配置教程十分曲折晦涩,故作此篇笔记用以记录。 软件资源及安装方法大纲由以下链接提供,以此为基准,本文只重点说明其中可能会遇到的问题及如何配置内部ModelSim波形图仿真工具。 在此感谢这位作者为大众提供了安装包资源及非常详细的安装教程!微信公众平台https://mp.weixin.qq.com/s?__biz=MzA4MjU4MTg2Ng==&mid=2247552337&idx=4&sn=c743d0f98c0b1be42fa7e92f9ea4f51a&chksm=9f81cd54a8f64442c4e7cc206e0907e56feee88ed8b30cb00ea7a72b797d4bbe406219c962d1&scene=178&cur_album_id=3421644748383879180&search_click_id=#rd  一、Quartus 18.0 软件安装中可能会遇到的问题

低代码AI平台:Coze与Dify深度对比

低代码 AI 平台(如 Coze 和 Dify)旨在降低 AI 应用开发门槛,使开发者甚至非技术人员也能快速构建基于大模型(LLM)的智能应用。它们通常提供可视化编排、插件集成、知识库管理、对话流程设计等功能。在实际项目中,常常需要将这些平台与现有系统集成,或进行二次开发以满足特定业务需求。 以下从 集成方式 与 二次开发能力 两个维度,分别介绍 Coze 和 Dify 的特点及实践建议: 一、Coze(字节跳动) 1. 集成方式 * Webhook / API 调用 Coze 支持通过 Bot ID 和 API Token 调用其提供的 RESTful API,可将 Bot

CVPR 2026 Oral实测|YOLO-DRONE:无人机低空巡检的“性能天花板”,小目标召回率狂升39%(清华团队力作,电力部署实操全解析)

CVPR 2026 Oral实测|YOLO-DRONE:无人机低空巡检的“性能天花板”,小目标召回率狂升39%(清华团队力作,电力部署实操全解析)

前言:作为长期深耕无人机计算机视觉落地的算法工程师,我始终认为,无人机低空巡检场景的核心痛点,从来不是“模型精度多高”,而是“能否适配复杂飞行工况下的实战需求”。无论是电力巡检中的导线断股、绝缘子破损,还是安防巡检中的人员遗留、设备异常,这些目标往往尺寸极小、飞行过程中受风速扰动导致画面模糊、目标尺度动态变化,传统YOLO系列模型要么小目标漏检严重,要么抗扰动能力弱,要么实时性不足,根本无法满足工业级巡检的落地要求。 2026年CVPR大会上,清华大学团队提出的YOLO-DRONE模型惊艳全场,成功入选Oral(口头报告),成为低空巡检领域唯一入选的单阶段检测模型。这款专为无人机低空巡检设计的多尺度动态感知模型,创新性融合自适应尺度感知头(ASPH)与风速补偿特征对齐模块,彻底解决了传统模型“小目标漏检、抗扰动差、实时性不足”三大痛点——在UAV-DT无人机巡检专用数据集上,小目标召回率直接提升39%,同时支持1080p@45FPS实时处理,目前已正式部署于国内某省级电力巡检系统,实现输电线路的自动化巡检落地。 我第一时间获取了YOLO-DRONE的技术论文及开源代码,搭建了模拟无

无人机遥感航拍巡检数据集 无人机遥感图像识别 无人机视角山区泥石流和滑坡图像识别数据集-数据集第10067期

无人机遥感航拍巡检数据集 无人机遥感图像识别 无人机视角山区泥石流和滑坡图像识别数据集-数据集第10067期

滑坡检测数据集核心信息介绍 ** 这个滑坡检测数据集主要用于目标检测任务,整体数据规模和细节都比较明确。从数量上看,数据集总共包含 1660 张图像, 往期热门主题 主题搜两字"关键词"直达 代码数据获取: 获取方式:***文章底部卡片扫码获取*** 覆盖了YOLO相关项目、OpenCV项目、CNN项目等所有类别, 覆盖各类项目场景(包括但不限于以下----欢迎咨询定制): 项目名称项目名称基于YOLO+deepseek 智慧农业作物长势监测系统基于YOLO+deepseek 人脸识别与管理系统基于YOLO+deepseek 无人机巡检电力线路系统基于YOLO+deepseek PCB板缺陷检测基于YOLO+deepseek 智慧铁路轨道异物检测系统基于YOLO+deepseek 102种犬类检测系统基于YOLO+deepseek 人脸面部活体检测基于YOLO+deepseek 无人机农田病虫害巡检系统基于YOLO+deepseek 水稻害虫检测识别基于YOLO+deepseek 安全帽检测系统基于YOLO+deepseek 智慧铁路接触网状态检测系统基于YOLO+