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

从麦克斯韦到无人机：有感 FOC 与无感 FOC 的深度解析

引言：为什么 FOC 是电机控制的 “天花板”？ 如果你拆开无人机、扫地机器人或工业机械臂的电机驱动部分，大概率会看到 “FOC” 这个词。磁场定向控制（Field-Oriented Control，简称 FOC）不是什么新鲜技术 —— 它诞生于 1960 年代，但直到嵌入式芯片算力提升后，才真正在民用领域普及。 简单说，FOC 的核心是 “让电机像直流电机一样好控制”。直流电机通过电刷切换电流方向，实现稳定转矩输出，但电刷磨损、噪音大的问题始终存在；交流电机（尤其是永磁同步电机 PMSM）无电刷、效率高，但三相电流的 “旋转特性” 让控制变得复杂。FOC 通过数学变换，把三相交流电流 “拆解” 成两个直流分量，从此交流电机也能实现毫秒级的转矩响应。 但 FOC 分两种：有感和无感。有感 FOC 靠传感器

不用写代码，AI 直接帮你出网站？实测三款国外“低代码”神器，谁才是最强辅助？

最近，AI 编程的风越刮越猛，仿佛只要你会打字，人人都能变身“全栈工程师”。 以前做一个简单的页面，还得琢磨 HTML、CSS，现在直接把需求扔给 AI，几秒钟就能给你生成一个能跑的应用。今天，我就为大家深度测评三款国外非常火爆的 AI 低代码开发平台：bolt.new、lovable.dev 和 Firebase Studio。 它们到底能不能真正解放生产力？免费额度够不够用？我们一个个来看。 01 bolt.new：像聊天一样做网页 bolt.new 是一个国外的 AI 低代码开发平台（网址：https://bolt.new/）。它的体验非常流畅，有点类似于国内的百度“秒哒”，非常适合用来快速搭建简单的页面或小工具。 下面我们试着做一个简单的 BMI 计算器看看： 1）输入需求打开网站，直接在对话框里输入你的需求，
机器人笔记——轨迹规划

机器人笔记——轨迹规划

前言 之前的文章讲过到了关节是持续运动的，雅可比矩阵正是描述关节运动与机器人末端运动映射关系的有力工具。然而有了如何映射的工具仅仅是分析机器人运动的开始，要知道空间两点间的运动轨迹是多样的，因此就产生了轨迹规划的概念。这里讲的轨迹规划可以理解为寻求最优路径的过程，下文对其展开介绍。  前序内容 * 机构自由度的计算 * 齐次变换与齐次变换矩阵的计算 * 机器人正运动学——学习笔记 * 机器人正运动学实例——PUMA560机械臂（附Matlab机器人工具箱建模代码） * 机器人逆运动学——以六自由度机器人为例（详解、易懂，附全部Matlab代码） * 双平行四边形码垛机械臂的运动学正逆解——简化方法（附完整Matlab代码、解析过程） * 机器人笔记——关于atan2与atan的区别 * 雅可比矩阵——机器人笔记（简化、易懂） 1. 什么是机器人轨迹规划？ 想要解答这个问题，我们先来看什么是轨迹。 轨迹：就是机器人手臂（末端点或操作点）的位置、速度、加速度对于时间的历程； 我们在意的其实是，机器人末端轨迹对于工件的状态或相对关系，就像下面右侧图一样

突破机器人动态控制瓶颈：重力补偿技术实战指南

突破机器人动态控制瓶颈：重力补偿技术实战指南 【免费下载链接】mujocoMulti-Joint dynamics with Contact. A general purpose physics simulator. 项目地址: https://gitcode.com/GitHub_Trending/mu/mujoco 问题：为何移动机器人在斜坡上总是"力不从心"？ 当配送机器人满载货物行驶在15°斜坡时，即使电机全力输出，速度仍会逐渐下降；当手术机器人的机械臂在不同姿态下执行缝合任务时，相同的控制指令却导致不同的操作精度。这些现象背后隐藏着同一个核心挑战——重力场对机器人动力学的非线性影响。在多关节机器人系统中，每个关节的重力负载会随位形变化而呈现复杂的耦合关系，就像人类搬运重物时，手臂角度不同会明显感受到负载的变化。 传统控制方法往往将重力影响视为干扰量，通过PID反馈调节进行抑制，但这种方式在高速动态场景下会导致明显的滞后误差。据国际机器人学研究期刊（2023）统计，未进行重力补偿的机器人系统在垂直平面内的轨迹跟踪误差平均可达3.2mm，而经过补偿的系统误差可降低至0.