做一台避障机器人：感知、扫描与转向

避障机器人是循迹车之后最自然的下一步。循迹车在跟随——沿着别人替它画好的一条线走。而这台机器人在决策：没有赛道，也没有地图，它感知周围的空间并选择往哪里去。这一个差别——对世界作出反应，而不是跟随世界——就是自主能力的第一次真实滋味，而且它仍然简单到可以被完全理解。

核心是一个简短的重复循环：感知—扫描—决策—转向。HC-SR04 超声波传感器向前发出脉冲并计时回声来估算距离；当有东西比安全阈值更近时，机器人停下，用一只 SG90 舵机把传感器左右扫动，然后朝最空旷的方位转去。这个阈值不是随意定的——它是由当前速度、感知决策执行延迟、刹车距离（随速度的平方增长）、机器人的半径以及一份余量共同构成的安全距离，而在模拟器里，这些都能在停车距离曲线上直接看到。

移动车要的零件逐个加上学透：容错 5 V 逻辑 Arduino Uno，超声波和盲区（近到报不出的最小距离），给波束第二个视角的舵机，逻辑脚供不起的电机电流 L298N H 桥开关，两 TT 减速电机减速箱拿转速换可用扭矩，万向轮差速转向两轮底盘，电机逻辑分轨的电池包。技术树还带过两条学习路线——电机控制和反应式导航——循迹见过的 PWM、里程计、滤波导航语境再来。

在花钱或者冒着接错线的风险之前，先在浏览器模拟器里把避障行为调好，直到它能在杂乱的空间里干净地导航。那里的工作空间是俯视的二维空间，射线是瞬时的、没有噪声；而真实的超声波束会扩散约 15°，会被机器人自己的车身挡住，也会被柔软或倾斜的表面扰乱，所以在硬件上你还要对读数做滤波、加一个中值滤波，并且在舵机动作之后加一段短暂的稳定延迟，才敢相信一个距离。在模拟器里找到一个安全的停车距离和一条“空旷方向”的规则，可以在机器人动起来之前消掉大部分猜测。

只有到这一步才去接真实的机器人——触发和回波接到电压正确的引脚上，舵机信号接到支持 PWM 的引脚，电机 PWM 和方向接到驱动器，电机电池只接驱动器的 VM 引脚，所有地连在一起——然后让它在摆着纸箱或椅子的地面上自由活动。同样那些关于感知和滤波的经验，会直接通向Micromouse 墙式迷宫（如果你之后想要建图），或者在你加上一块树莓派之后通向 ROS 2 导航。

技术树从上往下跟。每节点前置做完解锁，进度存这台设备，周末做完不丢位置。

物料单

合计约 $30–40。

这两个碰撞开关是整台机器人上最值的四毛钱，也是大多数作品会漏掉的部分。每一个测距传感器都有它看不见的表面——声呐看不见窗帘，也看不见以很陡的角度遇到的墙——而一台没有接触传感的机器人会把窗帘一直推到某个东西让步为止。在包络式保险杠后面装两个开关，就把“通常躲得开东西”变成了“就算有东西看不见也不会卡住”。

怎么连

留意定时器冲突：Servo 库会接管 Timer 1，而在 Uno 上它同时驱动 9、10 脚上的 PWM。把电机 PWM 放在 3、5、6 或 11 上，舵机放在任意引脚上，这个问题就根本不会出现。而如果你把电机使能放在 9 脚上，那么一旦接上舵机，速度控制就会悄悄失效。

停车距离，算不猜

停车阈值是这个项目里最重要的一个数字，而它不是随意定的。它是四段距离之和：

stop_distance = (v x t_latency) + (v^2 / (2 x a_brake)) + robot_radius + margin

算一遍，0.3 m/s、延迟 80 ms、刹车 1.0 m/s² 的车：

= (0.3 x 0.08) + (0.09 / 2.0) + 0.09 + 0.05
= 0.024 + 0.045 + 0.09 + 0.05 = 0.21 m

约 21 cm。速度翻倍 0.6 m/s：

= 0.048 + 0.18 + 0.09 + 0.05 = 0.37 m

阈值没翻倍——涨 76%，刹车项随速度平方。慢走躲得好、加速撞的原因，解是随速阈值不是一刀大切得车到处胆小。

里程碑制作

里程碑 10 正是把演示和机器人区分开的那一步。靠垫会把超声波脉冲完全吸收，于是传感器报告前方是空旷的，机器人就全速撞了上去。没有碰撞开关的话，它会一直往前推，直到电机堵转。

故障排查

下一步去哪

**加入沿墙行走。**一台在一侧与墙保持固定距离的机器人，会确定性地走遍房间而不是四处乱撞，而这是第一个开始看起来像“计划”的行为。代码上只是小改动，概念上却是大改动。

加入第二种类型的传感器。VL53L0X 失效的表面几乎和声呐正好相反——前者怕深色哑光和镜面，后者怕柔软和倾斜。两者合起来覆盖的房间，比任何单独一个都多得多。

**接受这个天花板，然后继续往前走。**反应式机器人没法被派往某处，无法保证自己覆盖了地面，还可能在马蹄形的房间里无限循环。这些都是“没有地图”带来的性质，而不是缺陷。等到它们开始变得要紧时，微型迷宫鼠会加上建图与规划，而覆盖机器人则直接处理“我到底有没有到过所有地方”这个问题。