電子發燒友網報道（文/李彎彎）近年來自動駕駛大爆發，不僅僅是各大廠商紛紛入局，網絡上也涌現出一批科技達人，設計各種類型的自動駕駛自行車，自動駕駛電動車……

最近B站一位UP主發了一條視頻，說自己之前以電動汽車為原型，設計了一輛自動駕駛兩輪車，車是設計出來了，結果卻因為意外把一條腿給炸沒了。

車子的核心原理是，基于角動量守恒理論設計的。在車的內部，有一個高速旋轉陀螺儀，速度可達到每分鐘上萬轉，當物體高速旋轉的時候，它的角動量很大，旋轉的軸就會一直穩定的指向一個方向，意思是說，想要更加穩定，就必須轉得足夠快，以此來保證兩輪車平衡。

之所以會出現意外，是因為他當時把轉數調太高，導致內部的陀螺儀炸開，飛出的鐵塊把腿給炸沒了。據他描述當時的場面慘不忍睹，機床上兩公分厚的鑄鐵都沒有抗住，炸了一個缺口，房屋墻壁也炸出來好多洞。

之前稚暉君設計過無人駕駛自行車，與他的自行車相比，這個以電動車為原型設計的無人駕駛兩輪車，可以載人。不過因為受傷的緣故，這位UP主說，之前設計的這個車子也就一直擱置下來，他格外提醒，大家在工作和做研究的時候，一定要注意安全。

真的是被這位UP主深深感動到，可以說是非常勵志了，在他的個性簽名寫的是“意外受傷截肢，很幸運的撿了條命，以后積極生活”，更有意思的是，他給自己設計了各種功能的假肢，果然沒有什么可以抵擋對科技創造的熱情。

如何設計一輛無人駕駛兩輪車

那么具體如何設計一輛兩輪無人駕駛車呢？從稚暉君視頻，可以詳細的了解到每一個設計步驟，他設計的是一輛無人駕駛自行車。

首先，與4個輪子的汽車不同，自行車是一個欠驅動系統，不進行控制的話，不僅不能跑，還站不穩，因此這里需要一套復雜的自動控制系統；

其次，為了把駕駛員工具人的存在性給去掉，需要給車子搭載一套傳感器組成的感知網絡，以及一個算力足夠強大的計算芯片作為大腦；

最后，就是在前面的硬件基礎上開發實現一套巧妙的感知和控制算法，俗稱注入靈魂。

第一步，硬件改造，讓車子跑起來

稚暉君改造的自行車是一輛死飛（Fixed Gear），它結構很簡單，沒有剎車，減速靠反向蹬車。首先是使用計算機輔助工具CAD來進行建模，一通操作之后得到一輛虛擬的自行車。

圖：用CAD建模得到的虛擬自行車

有了車體模型之后，所有的改造工作都可以在計算機上完成。

圖：在設計圖紙上改造完成的車子

稚暉君給車子安裝了兩個巨大的無刷電機，以及一個控制龍頭的舵機。傳感器方面，搭載了一個RGBD的深度相機，加速度計和陀螺儀，以及一個激光雷達。電池使用的是6S的航模動力鋰電池，續航大概有2-3個小時。主控計算模塊被安置在座椅的后方。

兩個無刷電機的作用是什么呢？自行車前后方的平衡靠的是兩個輪子，以及地面的摩擦力，而左右的平衡，在騎行的時候靠左右調節龍頭，來獲得轉向加速度，以此抵消重力的影響，而靜止狀態下怎么平衡呢，靠的是角動量守恒。

角動量守恒定律是自然界中最普遍的守恒定律之一，當系統中一個物體角動量發生變化的時候，就會將力矩傳遞給其他物體，中間的無刷電機，就是用于驅動的動量輪，后面的無刷電機，則是用于靠摩擦力驅動后輪，讓車子整體前后運動。

圖紙設計完之后，就是零件加工，其中一部分零件可以用3D打印制作，但由于做的東西功率比較硬核，3D打印塑料的硬度和剛性，都不太適合作為核心的結構件，所以用于固定電機的零件，使用的是金屬來加工。湊齊改造所需的所有零件，組裝完成就是下面的樣子。

第二步，智能化，安裝主控模塊以及AI計算單元

我們在設計機器人時，會將計算系統分為低算力、低時延、運行實時系統的小腦，用于控制身體，以及高算力、高時延、運行非實時操作系統的大腦，用于感知、思考和決策。

在這個系統中，小腦使用的是MCU ESP32，大腦用的是昇騰310 AI處理器，昇騰310搭載達芬奇Core，可以提供最高22TOPS的AI算力。

圖：再設計了一個載板，把兩個計算單元整合到一起

大腦和小腦通過總線相連，并在軟件上實現一套RPC框架，讓它們可以方便地進行通信。

小腦的框架是基于FreeRTOS，主要是實現傳感器的數據處理，以及電機的控制算法，簡單地劃分了三個任務：閉環控制線程，電機通信線程，以及屏幕刷新線程。

大腦的軟件框架則要復雜很多，除了基于昇騰的整個AI棧之外，稚暉君還在系統中使用了ROS，這是機器人界常用的框架，它本質上是一個高性能的通信中間件，后面的消息分發、業務串流、SLAM等的實現都是基于ROS開發的。

大腦和小腦有了之后，電路方面還有一個很重要的模塊，那就是心臟，采用的是Ctrl-FOC驅動器，這個驅動器很厲害，雖然體積很小，卻實現了兩路共100A的無刷電機FOC控制，同時還順便驅動了前面的60KG舵機，以及一個散熱風扇。

圖：把結構零件和電路全部整合起來，就完成了

第三步，算法，給機器注入靈魂

稚暉君介紹，機器人是一個復雜的系統，設計的時候，科學的方法是首先對機器人進行理論上的分析，也就是運動學和動力學的建模，數學建模會告訴我們哪些事情是相對容易的，哪些是復雜的。

舉例來說，在這個車子的控制代碼中，有超過50個重要參數、控制周期、反饋矩陣、PID增益、濾波器截止頻率等，這些數字要全部得到合理設置，才能使系統進入穩定，且快速收斂的狀態。

而一些物理參數的設置，比如說，電機功率應該選多大？飛輪質量應該選多少？重心的分布怎么設置才比較合理等，也都需要有準確的數學模型來進行指導。

在得到模型之后，為了進一部驗證理論的準確性，一般會先在計算機中進行仿真，視頻中，稚暉君用的是一個游戲引擎Unity，在游戲引擎中構建一個虛擬的物理環境，賦給小車真實的質量和重力，然后將控制算法的計算結果可視化顯示出來。

驗證完成之后，還有一個sim2real的過程，就是把仿真的結果遷移到現實環境中，這個過程很復雜，因為現實中有很多的不確定性因素，很多情況下，機器人往往是在仿真中重拳出擊，然后在現實中唯唯諾諾，所以整個調試的過程也是異常艱辛。

這套系統，姿態控制使用的是LQR控制器，方向控制使用的是PID，傳感器則是對加速度計和陀螺儀，數據使用二階的巴特沃斯濾波器之后，再通過卡爾曼濾波進行數據融合，最終得到車身的姿態。經過漫長的參數整定之后，控制算法終于收斂了完美的效果，到這里，一輛成熟的自行車就完成了。

圖：一輛成熟的自行車

經過測試，車載的姿態保持性能非常好，受到一定沖擊，或者突然增加負載，也能穩定的保持平衡。

結合后輪電機的驅動能力，讓它走兩步也毫無壓力。至此，能動的基本目標已經達成了。

最后引入AI，實現一定程度的自動駕駛。這個自行車搭載了深度相機，可以在電腦上看到，車子WIFI實時的RGB圖，再結合一些AI算法，可以實現避障、讓它在行駛過程中，識別各種物體，進行跟隨等功能。

除此之外，自動駕駛中的一個很重要的技術，就是路徑規劃，車子搭載了激光雷達，激光雷達通過測量，激光發射到反射回來所消耗的時間，乘以光速就可以獲得目標的距離位置。

由此360度成像就能夠獲得比攝像頭更可靠的深度信息，將這些數據用于進行SLM圖與路徑規劃，最后就可以實現讓自行車進行自主探索環境了。

小結

稚暉君之前在設計完這輛無人駕駛自行車的時候，提到由于開發時間有限，本次項目只是實現了非常基礎的自動駕駛功能功能，還有很多可以改進的地方，比如，受限于整車的功率，這套系統目前無法實現載人，如果換成電動車，就不一樣了，而如今用無人駕駛電動車載人的設計也已經有人設計出來啦，給科技愛好者們的創造力點贊。