从零搭建一台 2200 元（$300）的 ROS2 科研机器人

一台完整的 ROS2 科研机器人，具备四轮麦克纳姆全向驱动、2D LiDAR SLAM、边缘 AI 推理，以及让你用 10 行代码编写第一个自主行为的 Python API。硬件总成本：不到 2200 元人民币（~$300 美元）。第一版原型无需定制 PCB——所有元件均可从淘宝或 AliExpress 现货购买。

作为参考，TurtleBot4 Lite 售价 $1,200 以上。高校自制科研平台在采购传感器、算力和底盘后通常花费 $2,000-5,000。3we 平台以极低成本实现了相当的感知和计算能力，并且通过 Python 优先的 SDK 消除了 ROS2 学习曲线。

---

硬件概览

组件	型号	大约价格 (RMB)
计算单元	Raspberry Pi 5 (8GB) + Hailo-8L AI Hat	650
微控制器	ESP32-S3 DevKitC-1	35
LiDAR	LD06 360 度 2D LiDAR	100
IMU	BNO055 9 轴 IMU	45
摄像头	160 度鱼眼 USB 摄像头 (1080p)	80
电机	4x JGA25-370 直流电机带编码器	120
电机驱动	2x DRV8833 双 H 桥驱动	20
轮子	4x 65mm 麦克纳姆轮	160
电池	3S 2200mAh LiPo + BMS	120
底盘	200x200mm 铝板 + 铜柱	80
电源	5V/5A 降压模块（供 Pi5）	25
安全	急停按钮 + 继电器	30
接线	连接器、线缆、压接端子	50
紧固件	M3/M4 螺栓、螺母、铜柱	30
合计		1545 RMB ($215)

加上以下可选升级后，完整科研配置约 2200 元：

可选升级	型号	价格 (RMB)
深度感知	Intel RealSense D405（二手）	350
更强算力	Pi 5 (16GB) 替换 8GB	+100
充电底座	定制底座 PCB + 触点	200
含升级合计		2200 RMB ($300)

---

为什么选这些元件

Raspberry Pi 5 + Hailo-8L

Pi 5 原生运行 ROS2 Jazzy，性能是 Pi 4 的 1.5 倍。Hailo-8L AI 加速器（13 TOPS）通过 M.2 扩展板插入，可以 30+ FPS 运行 YOLO、MobileNet 和自定义 VLA 模型，且不占用 CPU。这一组合提供：

• 完整的 ROS2 技术栈（Nav2、SLAM、感知）
• 13 TOPS 神经网络推理，支持设备端 AI
• USB3 接摄像头，以太网用于远程开发
• 系统总功耗低于 8W

ESP32-S3 电机控制

ESP32-S3 通过 micro-ROS 处理实时电机控制，通过 USB-CDC 以 1000Hz 与 Pi 通信。它运行：

• 4 个电机的 PID 速度控制
• 编码器计数（4 通道，正交编码）
• 100Hz IMU 融合
• 安全看门狗（通信中断时停止电机）

这种架构将硬实时（电机控制）与软实时（导航、感知）分离，这对可靠的机器人运行至关重要。

LD06 LiDAR

LD06 是一款 14 美元的 360 度 2D LiDAR，12m 测距范围，4500 采样/秒。通过 UART 接口连接，直接兼容 ROS2 的 ldlidar 包。在室内环境的 SLAM 和避障场景中，其表现与价格贵 10 倍的 LiDAR 相当。

麦克纳姆轮

麦克纳姆轮无需复杂转向机构即可实现平台全向移动（前后、横移、对角线、原地旋转）。这对以下场景至关重要：

• 紧凑的室内导航（走廊、桌下）
• 精确的对接操作
• 完整运动规划（简化 Nav2 配置）

---

软件架构

┌─────────────────────────────────────────────────────────┐
│                   你的 Python 代码                         │
│    from threewe import Robot                              │
│    await robot.move_to(x=2.0, y=1.5)                    │
├─────────────────────────────────────────────────────────┤
│                  threewe Python SDK                       │
│  Robot, VLMRunner, VLARunner, Gymnasium Envs             │
├─────────────────────────────────────────────────────────┤
│              Backend Abstraction Layer                    │
│    GazeboBackend │ IsaacSimBackend │ RealBackend         │
├─────────────────────────────────────────────────────────┤
│                    ROS2 Jazzy                             │
│    Nav2 │ SLAM Toolbox │ robot_perception │ micro-ROS    │
├──────────────────────┬──────────────────────────────────┤
│   Raspberry Pi 5     │        ESP32-S3                   │
│   + Hailo-8L         │   Motor PID + Encoders            │
│   Camera, LiDAR      │   IMU, Safety Watchdog            │
└──────────────────────┴──────────────────────────────────┘

关键点：你永远不需要学习 ROS2。threewe SDK 通过 Python 暴露所有功能：

import asyncio
from threewe import Robot

async def main():
    async with Robot(backend="real") as robot:
        # 获取传感器数据
        image = robot.get_camera_image()     # (480, 640, 3) uint8
        scan = robot.get_lidar_scan()        # 360 range measurements
        pose = robot.get_pose()              # x, y, theta in map frame

        # 导航
        await robot.move_to(x=2.0, y=1.5)   # 使用 Nav2 路径规划
        await robot.move_forward(1.0)        # 前进 1 米
        await robot.rotate(1.57)             # 旋转 90 度

        # AI 推理（在 Hailo-8L 上运行）
        result = await robot.execute_instruction("find the door")

asyncio.run(main())

底层实现中，RealBackend 将这些调用转换为 ROS2 服务调用、动作客户端和话题订阅。但你永远不需要接触这些复杂性。

---

先在仿真中体验

你不需要购买任何硬件就可以开始开发：

pip install threewe[sim]
threewe launch --backend gazebo --scene office_v2

这会启动一个 Gazebo 仿真环境，其中包含 3we 机器人模型和一个办公场景。你的 Python 代码运行方式完全相同：

async with Robot(backend="gazebo") as robot:
    await robot.move_to(x=2.0, y=1.5)
    image = robot.get_camera_image()

当你准备好迁移到硬件时，只需将 backend="gazebo" 改为 backend="real"。这是唯一需要的修改。

---

组装概览

完整组装指南在 docs/assembly_guide.md。以下是关键步骤：

1. 底盘组装（30 分钟）

切割或订购 200x200mm 铝板。用 L 型支架安装 4 个电机。安装麦克纳姆轮（注意对角线配对——方向错误会破坏全向移动）。

  ┌────────────────┐
  │  FL ╲    ╱ FR  │    FL/BR: 左旋滚子
  │       ╲╱       │    FR/BL: 右旋滚子
  │       ╱╲       │
  │  BL ╱    ╲ BR  │    俯视图
  └────────────────┘

2. 电子元件堆叠（45 分钟）

使用铜柱分层安装组件：

• 底层：电池 + BMS + 降压模块
• 中层：ESP32-S3 + 电机驱动
• 顶层：Raspberry Pi 5 + Hailo-8L 扩展板 + LiDAR

3. 接线（60 分钟）

关键连接：

起始端	目标端	接口
Pi 5	ESP32-S3	USB-C (micro-ROS)
ESP32-S3	DRV8833 x2	GPIO (PWM + DIR)
DRV8833	Motors	直连
Pi 5	LD06 LiDAR	USB-UART
Pi 5	Camera	USB3
ESP32-S3	BNO055	I2C
E-Stop	Safety Relay	常闭触点
Safety Relay	Motor power	串联

4. 软件配置（20 分钟）

# Raspberry Pi 5 (Ubuntu 24.04 + ROS2 Jazzy 预装)
git clone https://github.com/telleroutlook/3we-robot-platform.git
cd 3we-robot-platform

# 编译 ROS2 包
cd ros2_ws && colcon build --symlink-install
source install/setup.bash

# 烧录 ESP32-S3 固件
cd firmware/esp32
idf.py set-target esp32s3
idf.py build && idf.py flash

# 安装 Python SDK
pip install threewe

# 启动所有节点
ros2 launch robot_bringup robot.launch.py

5. 首次测试（5 分钟）

import asyncio
from threewe import Robot

async def main():
    async with Robot(backend="real") as robot:
        # 简单运动测试
        await robot.move_forward(0.5)   # 前进 50cm
        await robot.rotate(3.14)        # 掉头
        await robot.move_forward(0.5)   # 返回

asyncio.run(main())

---

对比：3we vs 其他方案

特性	3we 平台	TurtleBot4 Lite	自行搭建
成本	~$300	$1,200+	$2,000-5,000
驱动类型	麦克纳姆轮（全向）	差速	不定
边缘 AI	Hailo-8L (13 TOPS)	无标配	附加件
LiDAR	LD06 (360-deg)	RPLiDAR (360-deg)	不定
摄像头	鱼眼 1080p	OAK-D Lite	不定
Python API	threewe SDK	自定义	自定义
Sim2Real	内置 (Gazebo/Isaac)	需单独配置	手动
SLAM	SLAM Toolbox	SLAM Toolbox	手动
导航	Nav2（预配置）	Nav2	手动
VLM/VLA 支持	内置	无	手动
Gymnasium 环境	包含	无	手动
开源硬件	完全开源 (CERN-OHL-P)	专有	不定
可复现性	高（BOM、指南）	购买预装产品	低
首次演示时间	2-3 小时	30 分钟（预装）	数天到数周

关键差异化因素不是任何单一规格——而是集成体验。Python 研究人员可以从 pip install threewe[sim] 开始，训练 RL 智能体并部署到硬件上，无需编写 ROS2 节点、配置 Nav2 或调试 TF 树。

---

元件采购

所有组件均可从主流中国电子零售商和 AliExpress（国际买家）购买：

淘宝（国内）

元件	搜索关键词	推荐店铺
Pi 5	”树莓派5 8GB”	树莓派官方店
Hailo-8L	”Hailo-8L M.2 AI Hat”	微雪 (Waveshare)
ESP32-S3	”ESP32-S3-DevKitC-1”	乐鑫官方店
LD06 LiDAR	”LD06 激光雷达”	乐动机器人店
BNO055	”BNO055 九轴”	各类店铺
JGA25-370	”JGA25-370 编码器电机”	各类店铺
麦克纳姆轮	”65mm 麦克纳姆轮”	各类店铺
DRV8833	”DRV8833 电机驱动”	各类店铺

AliExpress（国际）

搜索英文元件名称即可。大多数发往全球，2-3 周到货。LD06 LiDAR 和麦克纳姆轮特别容易找到。

无需定制元件

第一代平台使用零定制 PCB。所有连接使用标准杜邦线、USB 线缆和螺丝端子。定制充电底座 PCB 是可选的，仅在需要自主长时间实验时才需要。

---

你可以用它做什么

1. 室内导航研究

async with Robot(backend="real") as robot:
    # SLAM 自动运行中
    occupancy_map = robot.get_map()

    # 导航到任何可达点
    result = await robot.move_to(x=5.0, y=3.0)
    print(f"Arrived: {result.success}, distance: {result.distance:.2f}m")

2. 基于 VLM 的物体导航

async with Robot(backend="real") as robot:
    result = await robot.execute_instruction(
        "go to the kitchen and find the coffee mug"
    )

3. 仿真中的 RL 训练

import gymnasium as gym
import threewe.gym  # Registers environments

env = gym.make("3we/Navigation-v1", render_mode="rgb_array")
obs, info = env.reset()

for _ in range(1000):
    action = your_policy(obs)
    obs, reward, terminated, truncated, info = env.step(action)

4. VLA 模型部署

from threewe.ai.vla_runner import VLARunner

vla = VLARunner.from_pretrained("lerobot/act_3we_nav")

async with Robot(backend="real") as robot:
    while True:
        obs = robot.get_observation(modalities=["image", "lidar", "velocity"])
        action = vla.predict(obs, instruction="patrol the office")
        robot.execute_action(action)

5. 基准测试

# 运行 100 轮点目标导航
threewe benchmark run --task pointnav --episodes 100 --backend gazebo

# 与基线对比
threewe benchmark compare --result results.json --baseline random_walk

# 提交到社区排行榜
threewe benchmark submit --result results.json

6. 多机器人实验

该平台支持仿真中的多机器人。每个机器人实例独立连接：

async def multi_robot():
    async with Robot(backend="gazebo", config="robot_1") as r1:
        async with Robot(backend="gazebo", config="robot_2") as r2:
            # 协调两个机器人
            await asyncio.gather(
                r1.move_to(x=2.0, y=0.0),
                r2.move_to(x=-2.0, y=0.0),
            )

---

安全设计

该平台实现了硬件级安全机制，软件无法绕过：

1. 物理急停按钮：红色蘑菇头按钮通过常闭继电器切断电机电源。按下后立即断开所有电机驱动的供电，无论软件在做什么。

2. 通信看门狗：ESP32-S3 固件有 200ms 看门狗。如果 200ms 内未收到速度指令，电机自动停止。这可以防护 Pi 崩溃、网络断开或进程挂起等情况。

3. 速度限制：在固件和 SDK 中均硬编码。最大线速度 0.5 m/s，最大角速度 1.0 rad/s。不重新烧录固件无法覆盖。

4. 安全距离：SDK 强制 15cm 缓冲区——如果 LiDAR 检测到 15cm 内有障碍物，运动指令会被拒绝并抛出 SafetyError。

---

渐进式升级

模块化设计意味着你可以从最小配置开始，逐步升级：

阶段	硬件	能力
第 1 阶段	Pi5 + ESP32 + 电机 + LiDAR	导航、SLAM
第 2 阶段	+ 摄像头	视觉感知、VLM 控制
第 3 阶段	+ Hailo-8L	设备端 AI、实时检测
第 4 阶段	+ RealSense	3D 建图、深度避障
第 5 阶段	+ 充电底座	自主长时间实验

每个阶段无需修改已有代码。SDK 自动检测可用硬件并进行适配。

---

快速开始总结

# 1. 先在仿真中体验（无需硬件）
pip install threewe[sim]
threewe launch --backend gazebo --scene office_v2

# 2. 编写你的第一个自主行为
python -c "
import asyncio
from threewe import Robot

async def main():
    async with Robot(backend='gazebo') as robot:
        await robot.move_to(x=2.0, y=1.5)
        print('Arrived!')

asyncio.run(main())
"

# 3. 准备好后，搭建硬件（见 docs/assembly_guide.md）
# 4. 将 backend="gazebo" 改为 backend="real"
# 5. 在真实机器人上运行相同代码