FOC轮腿机器人:重新定义移动机器人的机械结构与控制范式
FOC轮腿机器人项目通过创新的机械设计与控制算法,解决了传统轮式机器人地形适应性差与多足机器人能效低的核心矛盾。该开源项目提供完整的机械设计、电子方案、算法仿真和软件开发资源,使机器人爱好者能够快速构建兼具高速行驶与复杂地形通过能力的轮腿融合机器人系统。
技术痛点突破
传统移动机器人的性能瓶颈
移动机器人领域长期面临"速度-越障"的二元对立:轮式机器人虽能实现高效平整地面行驶(速度可达2m/s以上),但越障高度通常不超过轮径的1/3;多足机器人虽能跨越数倍于自身高度的障碍,却因复杂的足端控制导致能耗增加3-5倍,且最大速度普遍低于1m/s。这种矛盾使得单一结构难以满足家庭服务、巡检勘探等多元化场景需求。
轮腿融合的创新解决方案
FOC轮腿机器人提出"模态切换"设计理念:通过特殊的四连杆机构实现两种运动模式的无缝切换。在平整地面采用轮式模式,最高速度可达1.8m/s;遇到障碍时切换至腿式模式,通过150mm的腿部行程实现越障。这种设计使能耗比纯腿式机器人降低40%,同时将地形适应能力提升至传统轮式机器人的3倍以上。
低成本与高性能的平衡
项目通过三个技术策略实现低成本开发:采用开源硬件平台(ESP32主控+STM32F103电机驱动)降低电子成本至200美元以内;使用PLA+3D打印技术制作结构件,单件成本控制在5美元以下;优化机械结构减少零件数量,总装配部件不超过50个,大幅降低组装难度。
核心设计解构
轮腿一体化机械结构
FOC轮腿机器人的核心创新在于其独特的轮腿复合机构。每个轮腿单元包含:
- 2自由度关节:采用4010无刷电机驱动大腿摆动(旋转范围±45°),2804无刷电机驱动车轮旋转(最高转速3000RPM)
- 四连杆传动:通过平行四边形机构确保车轮始终保持垂直姿态,解决传统轮腿设计中轮面倾斜导致的行驶不稳定问题
- 快速切换机制:创新的凸轮锁定结构实现两种模式切换时间<0.5秒,切换过程无需复杂控制算法
图:FOC轮腿机器人实物展示,白色3D打印结构配合黑色电机与车轮,体现了紧凑高效的设计理念
模块化关节设计
关节模块采用"三明治"式层叠结构:
- 电机支架层:6061铝合金材质,通过有限元分析优化减重30%,同时保证足够的结构强度
- 传动层:集成行星齿轮减速器(减速比1:12)和绝对值编码器(14位分辨率),实现高精度位置控制
- 连接层:采用MISUMI标准轴承(C-SE604ZZ)和内六角螺栓(CBSTSR4-16),确保互换性和维护便利性
图:机器人爆炸视图展示了模块化设计,包括大腿、小腿、车轮、电机和主控板等核心组件
控制系统架构
项目采用分层控制策略:
- 底层控制:STM32F103负责电机FOC(磁场定向控制),电流环控制频率10kHz,位置环控制频率1kHz
- 中层协调:ESP32实现运动学解算和步态规划,通过CAN总线与底层控制器通信
- 上层应用:Android APP提供远程控制和状态监控,支持蓝牙和Wi-Fi两种连接方式
资源获取指南
设计文件清单
项目提供完整的开源资源包,包括:
-
机械设计:SolidWorks格式的零件图和装配体(位于solidworks目录),关键文件包括:
- 核心部件:2804电机.SLDPRT、4010电机.SLDPRT、车轮.SLDPRT
- 结构件:大腿.SLDPRT、小腿.SLDPRT、底板.SLDPRT
- 装配体:总装.SLDASM
-
电子设计:硬件原理图和PCB文件(位于stm32-foc/hardware和esp32-controller/hardware目录)
-
软件代码:STM32电机控制代码、ESP32协调控制代码、Android控制APP源码
-
仿真模型:MATLAB/Simulink动力学模型(位于matlab目录)
获取与使用步骤
- 克隆项目仓库
git clone https://gitcode.com/gh_mirrors/fo/foc-wheel-legged-robot
-
机械零件准备
- 使用SolidWorks 2018及以上版本打开模型文件
- 3D打印建议:关键结构件采用ABS材料,层厚0.2mm,填充密度30%
- 标准件采购:MISUMI轴承C-SE604ZZ(4个)、内六角螺栓CBSTSR4-16(16个)
-
电子系统搭建
- 主控板:STM32F103C6T6最小系统板
- 电机驱动:基于DRV8302的FOC驱动板
- 传感器:MPU6050六轴姿态传感器
二次开发建议
- 性能优化:通过调整lqr_k.c中的控制参数优化动态平衡性能
- 功能扩展:利用linux-fpv目录下的代码实现第一视角实时图传
- 结构改进:修改大腿.SLDPRT中的连杆长度参数可调整机器人步态
- 算法研究:基于matlab目录下的sys_sim.slx模型开发新的控制算法
图:轮腿复合结构示意图,展示了大腿、小腿与车轮的连接关系及运动范围
项目文档提供详细的装配指南和控制参数调试方法,社区论坛定期举办线上工作坊,帮助开发者解决技术问题。无论是机器人爱好者还是专业开发者,都能通过该开源项目快速掌握轮腿机器人的核心技术,开启创新应用开发。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07