DAMO开发者矩阵

【花雕学编程】Arduino BLDC 之化工园区有毒气体泄漏应急排查机器人

Arduino BLDC化工园区有毒气体泄漏应急排查机器人，是以Arduino/ESP32为主控、BLDC无刷电机为底盘驱动，搭载多模态气体传感阵列、红外热成像与SLAM自主导航系统，在易燃易爆、有毒有害的化工高危环境中替代人工执行泄漏源定位、浓度场重构与应急侦察的特种智能机器人。适用场景：化工园区发生有毒气体泄漏后，机器人作为应急联动节点，当检测到泄漏浓度达到危险阈值时，联动触发园区警报，同时自

【花雕学编程】Arduino BLDC 之机器人多机协同逃逸 + 模糊逻辑 + 信息素共享

多类型信息素：系统中可定义多种信息素——“危险信息素”（标记威胁源位置，浓度越高表示威胁越大）、“安全路径信息素”（标记已成功逃逸的路径，引导后续机器人沿安全通道撤离）、“探索信息素”（标记已搜索区域，避免重复搜索）。同时，BLDC的高效率特性在电池供电的集群机器人中能显著延长续航时间。当某个区域发生火灾报警或设备故障时，系统通过信息素机制标记危险区域，模糊逻辑动态调整各AGV的逃逸路径和优先级（

【花雕学编程】Arduino BLDC 之机器人结合红外和 IMU 的 SLAM 导航与安全监控

Arduino BLDC机器人结合红外与IMU的SLAM导航与安全监控系统，是以Arduino/ESP32为主控、BLDC无刷电机为底盘驱动，通过红外传感器阵列提供近距离障碍物检测与边缘感知、IMU提供高频姿态与航向补偿，经互补滤波或轻量级卡尔曼滤波实现多源数据融合，驱动BLDC电机在自主建图、定位导航的同时构建分层安全防护体系的智能移动机器人系统。当红外检测到障碍物时，系统可结合IMU的航向信息

AI苹果智能疏果机器人 QT信创完整工程

QString path = QFileDialog::getOpenFileName(this,"加载苹果幼果枝条图片",".","图片(*.jpg *.png *.bmp)");ui->txtLog->append(QString("串口%1打开成功，波特率%2").arg(port).arg(baud));ui->txtLog->append(QString("劣果ID%1疏除完成，投入废料

西瓜/甜瓜智能采摘机器人 QT信创上位机完整项目

适配大棚吊蔓西瓜、露地西瓜、薄皮甜瓜、厚皮哈密瓜，遵循《DB3209/T1315—2025东台西瓜春提早栽培技术规范》《SB/T 11030-2013瓜类贮运保鲜技术规范》，集成**AI果实识别+成熟度分级、分采收模式智能决策、柔性无损采摘、园区环境联锁、自动分级转运**一体化管控，全国产信创架构（银河麒麟V10/统信UOS、飞腾/鲲鹏/龙芯），全套可直接编译C++源码，设施大棚、露天连片瓜田通用

【C++】RANSAC 鲁棒拟合算法详解与实现

在计算机视觉和机器人领域，我们经常需要从一组观测数据中拟合几何模型（直线、平面、圆等）。最小二乘法对异常值（外点）极其敏感。举个例子：假设你有 100 个点，其中 90 个在一条直线上，10 个是噪声点。最小二乘会把这 10 个外点也纳入计算，导致拟合出的直线严重偏离真实模型。RANSAC（Random Sample Consensus，随机抽样一致）就是为了解决这个问题而生的。它是一种鲁棒拟合算

第280篇 系统调试方法论——机器人出问题时你怎么排查

文章摘要：本文系统介绍了机器人系统调试的方法论，分为四个核心维度：1.分层排查法（硬件层→应用层逐步排查）；2.建立多级日志与实时监控体系；3.使用二分法快速定位问题模块/时段；4.构建可复现场景和回归测试机制。针对偶发性崩溃、跨层问题等复杂场景，提出数据回放、内存检测等实用技巧，并给出ROS2环境下的具体命令示例。文章强调调试思维比解决问题本身更重要，面试时应重点展示系统化的排查逻辑而非单纯陈述

第279篇 系统集成实战——从模块开发到完整产品上线

本文探讨了机器人系统集成过程中的关键挑战与解决方案。文章指出，系统集成是将独立模块转化为可销售产品的分水岭，重点分析了四个核心问题：1）建议采用分阶段集成策略，从最小系统逐步扩展功能；2）强调接口管理的重要性，需明确定义数据格式、坐标系和时序要求；3）揭示时序同步的隐形风险，提出硬件/软件同步方案；4）剖析资源争抢问题，给出CPU、内存、网络优化建议。文章还总结了集成阶段80%的bug来源，并提供

第278篇 协作机器人安全标准——ISO/TS 15066的技术要求

本文摘要： ISO/TS 15066是协作机器人安全的核心标准，定义了四种安全功能（安全监控停止、手动引导、速度间距监控、功率力限制）及人体各部位力/功率限值。关键点包括：基于关节力矩传感器的碰撞检测技术、两级安全架构（主控+独立安全控制器）、冗余设计确保单一故障安全，以及严苛的响应延迟要求（100-200ms内停止）。安全认证需通过风险评估、功能验证和第三方审核，开发需符合功能安全流程（如IEC

第277篇 人机交互设计——机器人操作界面和交互逻辑

本文聚焦机器人产品化中的人机交互（HRI）设计，指出交互体验对产品成败的关键影响。文章系统梳理了三大交互模式（示教/命令/自主）及其适用场景，强调状态反馈需包含任务进程、完成度和后续动作三要素。在错误处理方面提出分级策略和用户友好提示原则，并详细阐释安全交互设计的核心要求：意图预告、急停机制、恢复确认及ISO标准下的速度/功率限制。最后针对面试常见问题，对比了机器人交互与传统软件的本质差异，突出物

第276篇 多机器人路径协调——冲突避免和死锁处理

本文深入探讨了多机器人系统中的路径协调问题，分析了路径冲突的三种类型（顶点冲突、边冲突、追尾冲突），并介绍了三种解决方案：集中式的CBS算法（保证全局最优但计算量大）、分布式优先级规划（计算快但可能次优）以及工程中常用的分组折中方案。文章还详细讨论了死锁检测与解除策略，包括简单死锁处理和复杂场景下的集中式管理方案。最后针对实际应用场景，提供了面试常见问题的专业解答，并指出路径协调是多机器人系统效率

第275篇 多机器人系统架构——通信/协调/任务分配

多机器人系统架构设计需解决三大核心问题：通信、协调与任务分配。通信架构分为集中式（全局最优但单点故障）和分布式（扩展性强但协调难），实践中常采用混合模式。协调机制通过空间标记、时间窗口或交通规则避免冲突。任务分配可采用拍卖机制（分布式）、匈牙利算法（全局最优）或约束优化（多条件约束）。系统选型需根据规模与场景需求，如小规模用集中式，大规模需分布式容错设计。ROS2通过命名空间隔离实现多机通信，结合

第274篇 任务调度与编排——多任务机器人的执行管理

本文探讨了机器人任务调度的核心问题与方法。主要内容包括：1）任务调度的三大核心问题：优先级判定、资源竞争协调和任务依赖管理；2）基础任务队列与优先级调度方案，以及动态优先级调整的实现；3）抢占式调度中任务中断处理策略；4）DAG任务编排框架处理复杂依赖关系；5）行为树与任务调度的层级关系，前者解决"怎么做"，后者决定"做什么"。文章还提供了相关代码示例和常见面试问题解答，为构建完整的多任务机器人系

第273篇 行为树vs状态机——为什么行业在迁移

本文对比了行为树与状态机在机器人行为逻辑组织中的差异。状态机在状态增多时面临状态爆炸、条件分散和调试困难等问题，而行为树通过模块化设计、条件集中管理和树状结构天然解决了这些痛点。关键区别在于：行为树采用轮询机制实现反应式执行，新增行为只需添加节点，无需全局修改转移关系。实际工程中常采用分层架构——行为树负责顶层决策，状态机处理底层模块。文章指出状态机在简单场景仍有优势，面试时应结合具体差异分析适用

第272篇 行为树设计模式——机器人任务管理的最佳实践

本文讲解 Nav2 行为树八大实战设计模式，包含反应式序列、记忆序列、优先级选择、并行调度、强制成功、故障恢复与子树复用等。适配导航动态决策、安全避障、异常重试等场景，是机器人任务编排的核心工程方案。

第271篇 行为树基础——序列/选择/装饰/并行节点

局部规划器选型聊完了，DWA、TEB、MPC三种方案的特点和适用场景应该清楚了。从这篇开始，我们进入行为树系列。Nav2用行为树来编排整个导航流程，行为树在机器人任务管理领域已经成了标配方案。面试问到Nav2架构，行为树是绕不开的话题。行为树（Behavior Tree，简称BT）听起来很高大上，但核心概念其实很简单。它就是用一棵树来组织机器人的行为逻辑，树的每个节点负责一小块任务，节点之间通过固

【花雕学编程】Arduino BLDC 之基于编码器+PID的全向移动机器人防滑控制

Arduino BLDC基于编码器+PID的全向移动机器人防滑控制，是以Arduino/ESP32为主控、BLDC无刷电机为底盘驱动，通过编码器实时检测各轮转速与IMU/加速度计交叉验证，经PID闭环动态调整扭矩分配，实现全向移动中打滑检测、抑制与恢复的主动防滑控制系统。编码器与IMU的对比是打滑检测的最可靠方法：通过电机编码器获得的轮速可以计算机器人的“期望运动”，而IMU（特别是陀螺仪）直接测

【花雕学编程】Arduino BLDC 之视觉+IMU融合的目标跟随服务机器人

Arduino BLDC视觉+IMU融合目标跟随服务机器人，是以Arduino/ESP32为主控、BLDC无刷电机为底盘驱动，通过摄像头进行目标识别与跟踪、IMU提供高频姿态与航向补偿，经扩展卡尔曼滤波（EKF）或互补滤波实现紧耦合融合，驱动BLDC电机精确执行跟随运动的服务型智能机器人系统。IMU姿态层：IMU（如MPU6050、ICM-20948、BMI088等）以200~1000Hz的高频率

【花雕学编程】Arduino BLDC 之多机器人协同避障（UWB+超声波融合）

Arduino BLDC多机器人协同避障（UWB+超声波融合）系统，是以Arduino/ESP32为主控、BLDC无刷电机为底盘驱动，通过UWB提供全局厘米级绝对定位、超声波阵列提供局部实时障碍物检测，经卡尔曼滤波融合实现多机器人间互避与全局协同导航的多智能体系统。协同层：速度障碍法（VO/RVO）或人工势场法（APF），每台机器人根据UWB获取的邻居机器人位置和速度，计算"碰撞锥"（Collis

【花雕学编程】Arduino BLDC 之气体浓度监测与自主路径规划机器人

机器人通过MQ系列气体传感器（如MQ-135检测空气质量/CO₂、MQ-2检测可燃气体、MQ-4检测甲烷）实时采集环境气体浓度数据，结合自主路径规划算法（如A全局规划+DWA局部规划）实现智能巡检。Arduino BLDC气体浓度监测与自主路径规划机器人，是以Arduino/ESP32为控制核心、BLDC无刷电机为底盘驱动、MQ系列气体传感器为环境感知源，结合激光雷达/超声波等导航传感器，通过浓度

【花雕学编程】Arduino BLDC 之机器人弹性链式编队——自适应旋转方向 + 通信中继

Arduino BLDC机器人弹性链式编队——自适应旋转方向 + 通信中继，是以Arduino/ESP32为主控、BLDC无刷电机为底盘驱动，通过链式拓扑结构实现多机器人编队协同，具备队形弹性重构、智能旋转方向选择与分布式通信中继能力的多智能体系统。 该方案具备弹性队形保持与动态重构、自适应旋转方向策略、链式通信中继拓扑与BLDC高动态响应四大特点，主要应用于仓储物流AGV车队、野外勘探集群、应急

机器人运动控制学习5——状态估计 State Estimation进阶

Visual-Inertial Odometry，视觉+IMU，根据摄像头看到的环境特征估运动。甚至可以不用先算速度，直接利用支撑脚位置。从里程计参考系看，机器人已经向前移动约2.3m，横向偏了0.1m，朝向转了5°。：实验室里的光学动作捕捉系统可以非常准确地给机器人世界位置。你现在再看“多传感器融合”这句话，应该不再只是一个抽象词了。这条假设就错了，于是 Leg Odometry 也会骗人。：用

第270篇 局部规划器选型——DWA/TEB/MPC的实测对比

Nav2 主流局部规划器包含 DWB、TEB、MPC 三类。DWB 基于速度空间采样，运算快、易调参，适配算力有限设备；TEB 依托图优化迭代时空轨迹，路径平滑、适配异形机器人；MPC 基于模型预测滚动优化，控制精度最高但算力开销大、调参复杂，可按需选型适配场景。

第267篇 代价地图原理——机器人“眼中“的世界长什么样

本文详解 Nav2 代价地图原理，其由静态层、障碍物层与膨胀层叠加构成，依托膨胀机制预留安全通行距离。采用滚动窗口降低计算开销，支持体素层实现三维障碍物检测。结合坐标变换完成数据融合，区分全局与局部地图，同时解答相关面试高频问题。

第262篇 语义SLAM——给地图加上“这是什么“的标签

本文介绍了语义SLAM的核心概念与技术路线。传统SLAM仅构建几何地图，而语义SLAM通过融合语义信息（如物体类别）实现环境理解，其优势包括：区分动静物体、优化回环检测、提升数据关联。文章详细阐述了三种语义地图表示方法（物体级、像素级、栅格级）和三种语义标注技术（视觉、激光、多模态）。重点分析了物体级SLAM的创新性——将语义物体作为地标进行联合优化。最后探讨了语义SLAM面临的实时性挑战，并指出

第261篇 多传感器融合SLAM——视觉+激光+IMU的组合方案

摘要：多传感器融合SLAM通过结合不同传感器的优势提升性能，已成为自动驾驶和机器人的标配技术。主流方案包括视觉+IMU(VIO)、激光+IMU(LIO)以及三传感器融合。VIO采用滤波或图优化框架，IMU预积分是关键；LIO利用IMU去除激光雷达运动畸变，FAST-LIO通过IEKF实现高效融合。三融合系统通过因子图整合各类传感器数据，适应性更强。时间同步与外参标定是工程实现的核心难点。实际应用中

【花雕学编程】Arduino BLDC 之机器人规则迷宫循迹求解（校园科创竞赛场景）

寻路算法：常用算法包括左手法则/右手法则（简单但不一定最优）、深度优先搜索（DFS，能记录路径）、广度优先搜索（BFS，理论上能找到最短路径但对内存要求高）、洪水填充（Flood Fill，Micromouse竞赛经典算法）和A。BLDC电机在直道的高速特性与优化A生成的“少转弯路径”形成正向协同。适用场景：校园综合科创竞赛，迷宫为多层复合结构（地面层+二层），含多个任务点（如搬运小球、识别标记）

ROS2----组件（Components）

摘要： ROS2组件机制通过将功能模块封装为可动态加载的共享库，解决机器人系统中多模块耦合性、通信效率和动态部署的痛点。核心优势包括单进程多组件（消除IPC开销）、动态加载/卸载、模块化复用和统一调试。组件分为普通组件和生命周期组件，后者通过状态机管理更适合CV等复杂场景。以视觉目标检测组件为例，展示了从环境准备到生命周期组件开发的完整流程，突出ROS2组件在CV高吞吐、低延迟场景中的价值。

生菜/菠菜/油麦菜智能收割机器人 QT信创上位机系统

m_tableRecord->setHorizontalHeaderLabels({"采收时间","叶菜品类","分拣仓位","单次耗时(秒)","品质状态"});m_labCutPoint->setText(QString("切割坐标 X:%1 Y:%2").arg(res.xCut).arg(res.yCut));cntWaste++;"存在黄叶/腐烂缺陷" : "无缺陷健康株");m_lab

AI小麦精准施肥机器人 Qt信创完整项目

<property name="text"><string>土壤钾：</string></property></widget><widget class="QLabel" name="labK"><property name="text"><string>0.0 mg/kg</string></property>

【花雕学编程】Arduino BLDC 之融合IMU姿态校正的平滑运动控制机器人

Arduino BLDC融合IMU姿态校正的平滑运动控制机器人，是以Arduino/ESP32为控制核心、BLDC无刷电机为执行器、IMU为姿态感知源，通过传感器融合算法获取高精度姿态数据，并结合FOC驱动与轨迹规划实现低抖动、无冲击、抗扰动平滑运动的智能机器人系统。由于硬件平台、实际使用场景、Arduino 版本的差异，均可能影响代码的适配性与使用方法的选择。通过互补滤波或卡尔曼滤波获得高精度、

【花雕学编程】Arduino BLDC 之基于距离触发的园林机器人避障与喷洒控制算法

摘要： Arduino BLDC园林机器人采用距离触发的智能避障与喷洒控制算法，核心基于Arduino/ESP32主控、BLDC无刷电机驱动及超声波/ToF传感器感知。系统通过分区距离检测（危险区、预警区、安全区）触发状态机，实现避障优先、喷洒联动与平滑运动切换，适用于绿篱修剪、果园植保等场景。关键技术包括FOC电机控制、多传感器协同抗干扰、实时状态机逻辑及安全防护设计，需注重算力分配、电源隔离与

【花雕学编程】Arduino BLDC 之三机器人菱形编队 + 旋转力场方向自适应

Arduino BLDC三机器人菱形编队+旋转力场方向自适应，是以Arduino/ESP32为控制核心、BLDC无刷电机为执行器，通过虚拟力场（VFF）与人工势场法驱动三台机器人维持菱形拓扑结构，并根据环境障碍分布实时自适应调整编队旋转朝向的多智能体协同方案。“旋转力场方向自适应"的关键在于：当编队前方出现障碍物时，系统实时评估左右两侧空间的"开阔度”（如通过多路超声波或激光雷达扫描），自动选择斥

【花雕学编程】Arduino BLDC 之CAN总线主从多轴同步——机器人位置/速度双环跟随

本文介绍了一种基于Arduino/ESP32主控、BLDC无刷电机和CAN总线的多轴同步控制方案。该方案采用主从架构，通过CAN总线实现微秒级同步，支持位置/速度双闭环PID控制与FOC驱动，具有低转矩脉动特性。主要特点包括：1）CAN总线确定性同步机制；2）级联PID控制结构；3）FOC正弦波驱动；4）主从柔性跟随策略。典型应用场景涵盖多关节机械臂、CNC加工、AGV差速控制等领域。实施时需重点

第260篇 重定位技术——机器人在已知地图中重新定位

文章摘要： 机器人重定位技术是解决系统启动或异常恢复后“我在哪”问题的关键，与SLAM的连续定位不同，需在未知位置下全局搜索。视觉SLAM常用词袋模型匹配关键帧（如ORB-SLAM2），激光SLAM采用多初始值ICP/NDT或分支定界加速（如Cartographer）。蒙特卡洛定位（MCL）通过粒子滤波处理多模态分布，AMCL则动态调整粒子数量。工程中常分“粗定位+精定位”两阶段，先快速缩小范围再

第259篇 大规模地图管理——子地图、分层地图和地图压缩

大规模SLAM系统面临内存、计算和回环检测的瓶颈，子地图策略（如Cartographer）通过将地图分割为子地图（60-120帧/个）来优化资源管理。分层地图结构（全局拓扑-子地图-原始数据）实现按需加载，结合体素下采样压缩点云（0.1米分辨率可压缩10-20倍），支持增量序列化存储。八叉树可自适应分辨率节省内存，多机器人建图需解决坐标系对齐和重叠融合问题。这些技术组合使SLAM能处理城市级场景，

第252篇 Cartographer深度解析——Google出品的激光SLAM方案

Cartographer是Google开源的SLAM系统，采用栅格地图匹配而非特征点方法。其核心架构包含前端（局部子图构建+分支定界匹配）和后端（全局SPA优化），通过异步设计实现实时性。系统基于概率栅格匹配，利用对数几率表示和分层搜索策略，适合室内场景但计算量较大。与LOAM相比，Cartographer建图质量更好但更耗资源，对参数敏感且硬件要求高。该方案特别展示了栅格匹配在SLAM中的工程实

机器人运动控制学习4——状态估计 State Estimation

乱七八糟，所以状态同步在高级运控里非常重要。心跳和 Watchdog 经常一起出现。因为每一层需要的反应速度不一样。不需要每毫秒重新规划整条路径。因为相机本身就是几十 FPS。这就是工程和纯理论的巨大区别。还必须保证它不会把机器人弄坏。是底层控制循环最核心的三步。Snapshot，状态快照。永远执行最后一条危险命令。具体行为取决于机器人平台。

AI小麦镇压机器人 QT信创完整工程

m_sysLog->append(QString("[%1] AI小麦镇压系统启动，开启视觉AI识别与自动镇压").arg(QDateTime::currentDateTime().toString("HH:mm:ss")));m_sysLog->append(QString("[%1] 执行机构：%2").arg(QDateTime::currentDateTime().toString("HH

Douglas-Peucker 曲线简化算法详解

Douglas-Peucker算法是用于曲线简化的经典分治算法，由Ramer和Douglas/Peucker于1972-1973年提出。该算法通过递归划分曲线，保留偏离直线段超过阈值ε的特征点，在保持形状的前提下显著减少点数。核心步骤包括：连接首尾点→计算中间点距离→递归处理最大偏差点两侧曲线→合并结果。时间复杂度平均O(n log n)，最坏O(n²)。算法广泛应用于计算机视觉（图像轮廓压缩）、

【花雕学编程】Arduino BLDC 之水下机器人三路IMU三模冗余姿态投票

Arduino BLDC水下机器人三路IMU三模冗余姿态投票，是采用三套独立IMU传感器并行采集姿态数据，通过表决逻辑（Voting Logic）实现故障检测、隔离与容错输出的高可靠性姿态感知方案。进阶方案还会引入多维度故障评估与加权投票：对各路IMU数据的历史一致性、噪声方差、零偏稳定性等维度进行综合评分，动态调整各路权重，而非简单的等权投票，从而提升故障检测精度。三模冗余IMU提供可靠的姿态反

【花雕学编程】Arduino BLDC 之机器人神经网络学习PID参数映射 + 在线调整

Arduino BLDC仓储协作方案是以Arduino/ESP32为控制核心、BLDC无刷电机为执行器，通过多传感器融合定位与状态机任务调度，实现机器人对操作工人的智能跟随与多任务按需切换的人机协同系统。 该方案具备多模态感知与高动态响应、选择性跟随与多机协同、任务状态机驱动按需切换、避障优先与容错降级四大特点，主要应用于智能仓储拣选、车间物料配送、多机协同调度及科研教学等场景；实际部署时需重点关

【花雕学编程】Arduino BLDC 之仓储协作场景——人机动态跟随+多任务按需切换

避障优先与容错降级：遵循"跟随为任务、避障为生存"原则。适用场景：仓储多订单并发场景，机器人接收多个任务（取货、放货、补货），按照任务优先级排序，支持动态插入高优先级任务（如紧急补货），当高优先级任务触发时，暂停当前任务并切换，完成后回归原任务，适用于订单密集、紧急任务频发的仓储场景。适用场景：仓储货物分拣场景，机器人需识别特定货物标签（RFID/二维码），当识别到目标货物时，自动切换至 “取货跟

【花雕学编程】Arduino BLDC 之工业机器人Modbus RTU串口控制

打卡信奥刷题（3525）用C++实现信奥题 P10956 金字塔

摘要：题目描述一个金字塔结构的计数问题，给定机器人遍历金字塔生成的颜色序列S，要求计算能产生该序列的不同金字塔结构数量（模1e9）。金字塔结构对应有根有序树，使用动态规划解决：当S[i]=S[j]时，dp[i][j]等于分割点k的乘积之和加上子区间dp[i+1][j-1]。C++代码实现了这个区间DP方法，时间复杂度O(n³)。示例输入"ABABABA"输出5，说明有5种可能结构。

【花雕学编程】Arduino BLDC 之机器人迷宫求解有限状态机（FSM）实现左手法则

以专业的视角来看，基于 Arduino 生态（通常以 ESP32、STM32 等高性能 MCU 为核心）的 BLDC 机器人迷宫求解系统，是将经典图论算法与嵌入式实时控制相结合的典型工程实践。该系统通过有限状态机（FSM）将"左手法则"这一拓扑搜索策略离散化为确定性的状态转移过程，并利用 BLDC 电机的 FOC 矢量控制实现精准的运动执行，使机器人能够在未知迷宫中自主完成"探索-决策-执行"的闭

【花雕学编程】Arduino BLDC 之情感导览机器人：语音-环境感知与个性化陪伴

案例三展示了从“导览模式”→“娱乐模式”→“安抚模式”的完整状态迁移。适用场景：公园、科技馆等大空间场景，机器人通过UWB技术实现厘米级精准定位，主动跟随用户移动，同时结合环境感知（如人群密度、路况），调整跟随距离和姿态，为用户提供“贴身陪伴+导览讲解”服务，例如在人群密集时保持安全距离，空旷区域靠近用户互动。适用场景：展览馆/景区导览机器人，支持离线语音命令切换导览模式（“开始导览”、“休息一下

【玩转VLA具身智能机械臂】（二）：MoveIt2 运动规划——架构、配置与 C++ 上手

本文讲述了如何把第一期的机械臂理论搬进 MoveIt2：从安装部署、跑通官方 RViz 快速入门 demo 开始，逐层拆解 move_group 的核心架构（URDF/SRDF、规划场景、规划管线、ros2_control 控制器、TF），再透过 MoveGroupInterface 看懂"设目标 → 规划 → 执行"的完整闭环，最后亲手写出第一个 MoveIt2 C++ 节点。

【花雕学编程】Arduino BLDC 之协作型作业机器人——人机协同动态跟随与任务切换

协作型作业机器人核心目标：机器人与操作人员，不是单纯的自主机器人，也不是遥控小车；以 BLDC 无刷电机作为动力执行单元，Arduino 作为主控，实现跟随人体运动，并且根据人机交互条件自动 / 手动切换作业任务模式，广泛用于搬运、巡检、辅助作业场景。下面从三部分做专业解析。

【花雕学编程】Arduino BLDC 之机器人主从协调 + 位置同步 + 力矩分配

本文探讨了基于Arduino生态的BLDC机器人主从协调系统设计。该系统采用主轴速度环+从轴扭矩环架构解决多电机刚性连接的"互搏"问题，实现高精度位置同步与力矩分配。核心特点包括：1)通过编码器实时位置反馈实现微秒级同步；2)基于FOC矢量控制的精准力矩分配；3)分层控制架构(上位机-MCU-驱动板)确保实时性。典型应用于双驱AGV、机械臂协同等场景。系统需注意算力瓶颈(推荐ESP32/STM32