Py-Apple四足机器人：低成本开源项目的技术实现与应用指南

2026-04-05 09:22:27作者：蔡丛锟

项目概述：重新定义四足机器人开发门槛

Py-Apple四足机器人项目作为一款低成本大型全套开源项目，通过模块化设计与简洁的代码架构，为机器人爱好者和开发者提供了从硬件到软件的完整解决方案。该项目创新性地采用MicroPython作为主控语言，结合高精度舵机控制算法与姿态稳定系统，在保持低成本的同时实现了复杂的运动控制功能。项目核心价值在于：打破传统四足机器人开发的技术壁垒，提供可扩展的软硬件平台，以及完整的二次开发文档支持。

核心功能解析

运动控制子系统

运动控制是四足机器人的核心能力，Py-Apple通过分层设计实现了从高层步态规划到底层执行器控制的完整链路。系统主要包含步态生成、逆运动学求解和舵机控制三个关键模块。

步态规划模块

项目实现了 trot（小跑）和walk（行走）两种基本步态，分别通过PA_TROT.py和PA_WALK.py模块实现。以 trot 步态为例，其核心算法通过三角函数模型生成腿部轨迹：

# PA_TROT.py 核心算法原理示例
def generate_trot_gait(period, duty_cycle, step_length):
    """
    生成四足机器人小跑步态轨迹
    
    参数:
        period: 步态周期(秒)
        duty_cycle: 占空比(0.5表示支撑相与摆动相各占一半)
        step_length: 步长(mm)
    
    返回:
        时间-位置映射关系
    """
    trajectory = []
    for t in range(int(period * 100)):  # 以10ms为时间单位
        time_ratio = (t / 100) / period
        # 前腿摆动相位
        front_phase = time_ratio % 1.0
        # 后腿摆动相位(与前腿相差0.5周期实现对角步态)
        rear_phase = (time_ratio + 0.5) % 1.0
        
        # 计算摆动相腿部位置
        if front_phase < duty_cycle:
            # 支撑相：保持腿部伸展
            front_pos = 0
        else:
            # 摆动相：生成正弦曲线轨迹
            front_pos = step_length * sin(pi * (front_phase - duty_cycle) / (1 - duty_cycle))
        
        # 后腿位置计算逻辑类似
        # ...
        
        trajectory.append((front_pos, rear_pos))
    return trajectory

该算法通过控制腿部摆动的相位差实现稳定的对角步态，占空比参数可调整支撑相与摆动相的时间比例，适应不同地形需求。

逆运动学求解

PA_IK.py模块实现了腿部逆运动学计算，将笛卡尔坐标系下的目标位置转换为关节角度：

# PA_IK.py 核心实现原理
def inverse_kinematics(leg_length, thigh_length, shank_length, target_x, target_y, target_z):
    """
    计算腿部关节角度
    
    参数:
        leg_length: 大腿长度(mm)
        thigh_length: 大腿长度(mm)
        shank_length: 小腿长度(mm)
        target_x, target_y, target_z: 末端执行器目标坐标(mm)
    
    返回:
        髋关节角度, 膝关节角度(度)
    """
    # 简化模型：将三维坐标投影到 sagittal 平面
    r = sqrt(target_x**2 + target_z**2)
    
    # 计算髋关节角度
    hip_angle = degrees(atan2(target_z, target_x))
    
    # 计算膝关节角度(余弦定理)
    cos_theta = (r**2 + thigh_length**2 - shank_length**2) / (2 * r * thigh_length)
    knee_angle = 180 - degrees(acos(max(-1, min(1, cos_theta))))
    
    return hip_angle, knee_angle

该实现通过几何解析法求解逆运动学，计算效率高，适合嵌入式环境实时运行。

舵机控制驱动

PA_SERVO.py实现了基于PCA9685 PWM控制器的舵机驱动，支持角度精确控制：

# PA_SERVO.py 舵机控制核心
class ServoController:
    def __init__(self, i2c_bus, address=0x40, freq=50):
        """初始化舵机控制器"""
        self.pca = PCA9685(i2c_bus, address)
        self.pca.freq(freq)
        # 舵机角度到PWM占空比的映射参数
        self.min_us = 500    # 最小脉宽(对应0度)
        self.max_us = 2500   # 最大脉宽(对应180度)
        self.period_us = 1000000 / freq  # 周期(微秒)
        
    def set_angle(self, channel, angle):
        """设置指定通道舵机角度"""
        # 角度限制在0-180度
        angle = max(0, min(180, angle))
        # 计算脉宽
        us = self.min_us + (self.max_us - self.min_us) * angle / 180
        # 转换为PCA9685的占空比(12位精度)
        duty = int(4095 * us / self.period_us)
        self.pca.duty(channel, duty)
        
    def release(self, channel):
        """释放舵机(停止输出)"""
        self.pca.duty(channel, 0)

系统通过I2C总线控制PCA9685芯片，实现16路舵机的精确控制，支持50Hz标准舵机信号。

姿态感知与稳定系统

机器人的稳定控制依赖于精确的姿态感知和实时调整机制，项目通过IMU传感器和姿态控制算法实现这一功能。

IMU数据处理

PA_IMU.py模块负责读取MPU6050传感器数据并进行姿态解算：

# PA_IMU.py 姿态解算示例
class IMUReader:
    def __init__(self, i2c_bus, address=0x68):
        self.imu = MPU6050(i2c_bus, address)
        self.imu.init()
        # 姿态角初始值
        self.pitch = 0.0  # 俯仰角
        self.roll = 0.0   # 横滚角
        # 滤波系数
        self.alpha = 0.98
        
    def update(self):
        """更新姿态角(互补滤波)"""
        # 读取加速度计和陀螺仪数据
        accel = self.imu.get_acceleration()
        gyro = self.imu.get_gyroscope()
        
        # 从加速度计计算姿态角
        accel_pitch = degrees(atan2(accel[0], sqrt(accel[1]**2 + accel[2]**2)))
        accel_roll = degrees(atan2(-accel[1], accel[2]))
        
        # 从陀螺仪积分计算姿态角变化
        dt = 0.01  # 采样周期(秒)
        gyro_pitch = self.pitch + gyro[0] * dt
        gyro_roll = self.roll + gyro[1] * dt
        
        # 互补滤波融合
        self.pitch = self.alpha * gyro_pitch + (1 - self.alpha) * accel_pitch
        self.roll = self.alpha * gyro_roll + (1 - self.alpha) * accel_roll
        
        return self.pitch, self.roll

该实现采用互补滤波算法融合加速度计和陀螺仪数据，在动态和静态场景下均能提供稳定的姿态测量。

姿态稳定控制

PA_STABLIZE.py模块实现基于姿态反馈的稳定控制：

# PA_STABLIZE.py 姿态稳定控制
class Stabilizer:
    def __init__(self, imu_reader, max_angle=15):
        self.imu = imu_reader
        self.max_angle = max_angle  # 最大允许倾斜角度
        self.pid_pitch = PIDController(kp=2.0, ki=0.1, kd=0.05)
        self.pid_roll = PIDController(kp=2.0, ki=0.1, kd=0.05)
        
    def get_adjustment(self):
        """获取姿态调整量"""
        pitch, roll = self.imu.update()
        
        # 限制最大倾斜角度
        pitch = max(-self.max_angle, min(self.max_angle, pitch))
        roll = max(-self.max_angle, min(self.max_angle, roll))
        
        # 计算PID控制输出
        pitch_adjust = self.pid_pitch.compute(0, pitch)
        roll_adjust = self.pid_roll.compute(0, roll)
        
        return pitch_adjust, roll_adjust

系统通过PID控制器实时调整腿部姿态，抵消机器人的倾斜，保持身体平衡。

快速上手指南

开发环境搭建

硬件准备
- Py-Apple四足机器人主体
- USB数据线
- 5V/2A电源适配器
- 计算机(Windows/macOS/Linux)
软件安装
- 安装uPyCraft IDE(位于"软件和驱动/2软件/uPyCraft_V1.1.exe")
- 安装CH340驱动(位于"软件和驱动/1驱动/CH34x_Install_Windows_v3_4.zip")
固件烧录
- 连接机器人主控板到计算机
- 打开uPyCraft IDE，选择正确的串口
- 擦除原有固件: 工具 > 擦除Flash
- 烧录新固件: 工具 > 烧录固件，选择"V6.8 MicroPython 固件/micropython.bin"

基本操作流程

代码上传

# 克隆项目仓库
git clone https://gitcode.com/gh_mirrors/py/py-apple-quadruped-robot

# 进入源代码目录
cd py-apple-quadruped-robot/Py Apple Dynamics V6.8/Py Apple Dynamics V6.8 固件及程序/V6.8 源代码

参数配置 修改config.py文件配置基本参数:

# WIFI设置
do_connect_STA('你的WiFi名称', '你的WiFi密码')

# 步态参数
Ts = 1.0       # 步态周期(秒)
faai = 0.5     # 占空比
speed = 0.045  # 移动速度系数

启动机器人
- 通过uPyCraft将修改后的代码上传到主控板
- 按下机器人电源开关
- 观察WiFi连接状态指示灯，当指示灯常亮表示连接成功
- 通过浏览器访问机器人IP地址，进入控制界面

高级配置技巧

性能优化策略

步态参数调优 通过调整config.py中的参数优化运动性能:

# 优化示例: 提高行走稳定性
Ts = 0.8       # 缩短周期，提高响应速度
faai = 0.6     # 增加支撑相比例，提高稳定性
xs_max = 70    # 减小步长，降低重心波动

姿态控制优化 修改PA_STABLIZE.py中的PID参数:

# 提高姿态控制响应速度
self.pid_pitch = PIDController(kp=2.5, ki=0.15, kd=0.08)
self.pid_roll = PIDController(kp=2.5, ki=0.15, kd=0.08)

功能扩展开发

自定义步态实现 创建新的步态文件my_gait.py:

# 自定义跳跃步态示例
def jump_gait(height, distance):
    """
    实现机器人跳跃动作
    
    参数:
        height: 跳跃高度(mm)
        distance: 跳跃距离(mm)
    """
    # 1. 准备阶段: 降低重心
    set_leg_height(-20)
    time.sleep(0.2)
    
    # 2. 发力阶段: 腿部伸展
    set_leg_extension(100)
    time.sleep(0.1)
    
    # 3. 空中姿态调整
    adjust_body_orientation(5, 0)  # 前倾5度
    
    # 4. 落地缓冲
    set_leg_damping(0.8)

传感器扩展 连接超声波传感器实现避障功能:

# 超声波避障示例
from machine import Pin, time_pulse_us

class UltrasonicSensor:
    def __init__(self, trig_pin, echo_pin):
        self.trig = Pin(trig_pin, Pin.OUT)
        self.echo = Pin(echo_pin, Pin.IN)
        
    def measure_distance(self):
        """测量距离(cm)"""
        # 发送触发信号
        self.trig.value(0)
        time.sleep_us(5)
        self.trig.value(1)
        time.sleep_us(10)
        self.trig.value(0)
        
        # 接收回波
        duration = time_pulse_us(self.echo, 1, 30000)  # 超时30ms
        distance = duration / 2 / 29.1  # 声速约340m/s
        return distance

# 使用示例
us = UltrasonicSensor(trig_pin=12, echo_pin=14)
while True:
    dist = us.measure_distance()
    if dist < 30:  # 距离小于30cm时停止
        padog.move(0, 0, 0)  # 停止移动
    else:
        padog.move(0.05, 0, 0)  # 前进
    time.sleep(0.1)