低成本开源！ESP32轮腿机器人实战

优质文章学习记录

— 7 min read
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

RunningHub：AIGC创作平台深度解析

RunningHub：AIGC创作平台深度解析

一、平台核心定位与价值 RunningHub是全球首个基于开源生态的图形音视频AIGC应用共创平台，通过模块化节点系统与云端算力整合，将设计、视频制作、数字内容生成等复杂流程转化为"搭积木式"操作。平台已覆盖全球144个国家用户，日均处理超百万次创作请求，彻底重构了传统内容生产模式。 核心价值 1. 设计平权化 将专业级创作能力赋予普通用户，无需PS/Sketch/AE等软件基础，通过7000+功能节点自由组合即可生成商业级作品。 2. 成本重构 将传统设计中的人力成本（约200-500元/张图）转化为算力成本（0.5-3元/次），降幅达99%。 3. 生态闭环 支持开发者上传节点/工作流并获取收益，形成"创意-开发-复用-变现"的可持续经济模型。 二、技术架构与核心优势 1. 模块化节点系统 通过ComfyUI开源架构深度优化，将AI创作拆解为可拖拽的"原子单元&
手把手教你在AutoDL上用LLaMA-Factory微调GPT-OSS-20B模型（LoRA版）

手把手教你在AutoDL上用LLaMA-Factory微调GPT-OSS-20B模型（LoRA版）

本教程详细讲解如何在AutoDL云GPU上使用LLaMA-Factory框架微调GPT-OSS-20B大语言模型，包含完整的环境配置、训练流程、权重合并以及vLLM推理部署全流程。文章最后还分享了笔者踩过的坑和解决方案，建议收藏备用！ 前言 最近在做一个智能采购相关的项目，需要对大语言模型进行微调，让它能够更好地理解采购场景的业务需求。在对比了多种方案后，最终选择了LLaMA-Factory + LoRA的组合，原因主要有三点： 1. 开箱即用：LLaMA-Factory提供了非常完善的训练框架，支持多种微调方式 2. 显存友好：LoRA相比全参数微调，显存占用大幅降低 3. 效果不错：在采购对话场景下，LoRA微调已经能够满足业务需求 本文将完整记录从环境配置到模型部署的全过程，希望能够帮助到有同样需求的小伙伴。 一、方案概览 在开始之前，先来看一下整体的技術方案： 组件选择说明微调框架LLaMA-Factory 0.9.4开源的大模型训练框架基础模型GPT-OSS-20B200亿参数的MoE大模型微调方式LoRA低秩适配，显存友好推理引擎vLLM高性能推
一文通透OpenVLA——在Prismatic VLM(SigLIP、DinoV2、Llama 2)的架构上：基于“下一个token预测技术”预测离散化动作

一文通透OpenVLA——在Prismatic VLM(SigLIP、DinoV2、Llama 2)的架构上：基于“下一个token预测技术”预测离散化动作

前言 当对机器人动作策略的预测越来越成熟稳定之后(比如ACT、比如扩散策略diffusion policy)，为了让机器人可以拥有更好的泛化能力，比较典型的途径之一便是基于预训练过的大语言模型中的广泛知识，然后加一个policy head(当然，一开始背后的模型比较简单，比如有用LSTM或MLP——RoboFlamingo) 再之后，便出来了越来越多成熟稳定的专门的VLA模型，比如OpenVLA，再比如近期介绍过过的π0——用于通用机器人控制的VLA模型：一套框架控制7种机械臂(基于PaliGemma和流匹配的3B模型) 1. π0的意义在于，首次用同一套策略/算法操作不同机器人/机械臂，这种基于机器人大模型的「预训练-微调」模式，很快会越来越多(犹如此前大模型革命NLP 其次CV等各模态，目前到了robot领域)，算是代表了通用机器人的核心发展方向 2. 且π0 比英伟达的HOVER早一点，当然，同时期的RDT GR2也有这个潜力的，期待这两 后续的更新 一个多月前(本文首发于25年1月)，有朋友曾说，一个月内，π0 会开源来着，当时虽然觉得不太可能，但还是抱着期待，可还
AI安全：视觉提示词注入攻击代码/实战教学｜ 针对Hugging Face开源大模型Stable Diffusion Model

AI安全：视觉提示词注入攻击代码/实战教学｜ 针对Hugging Face开源大模型Stable Diffusion Model

本文链接地址 ：https://blog.ZEEKLOG.net/weixin_47681965/article/details/158503719?spm=1001.2014.3001.5502, 转载请注明出处。 提到提示词注入（Prompt Injection），大家的第一反应往往是精心构造的文本越狱指令。 而在图生图任务中，输入图像在本质上扮演了视觉提示词的角色，与文本指令共同指导生成模型。 基于这一视角，本文展示针对视觉提示词的注入攻击：通过PGD对抗攻击算法对输入图像进行像素级微调，使其生成的违规图像能够绕过开源大模型的NSFW安全检测机制。 临近毕业，感觉市场对提示词注入比较感兴趣，因本人读博期间一直研究对抗攻击算法，所以决定尝试用对抗攻击的思路完成提示词注入攻击，误导开源模型生成违规图像。 完整代码链接：https://github.com/YujiangLi0v0/Injection_Attack_Inpainting.git 目录 * 一、 NSFW防线：开源模型的安全过滤机制 * 二、 攻击场景定义 (Threat Model) * 三、