• 欢迎访问少将全栈,学会感恩,乐于付出,珍惜缘份,成就彼此、推荐使用最新版火狐浏览器和Chrome浏览器访问本网站。
  • 吐槽,投稿,删稿,交个朋友
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏少将全栈吧

Microduck 的自主大脑:一只鸭子没人管的时候在干什么

Build in Public admin 1小时前 5次浏览 已收录 扫描二维码

做机器人的人大概都想过一个问题:机器人闲着的时候该干嘛?最简单的答案是——什么都不干,站着等指令。但这浪费了一个能走能看能感知的硬件平台。更积极的答案是让机器人自己探索环境、巡逻、玩耍。问题在于,自主行为和用户操控之间怎么无缝切换,机器人摔了能不能自己爬起来,以及最关键的——这套逻辑放在系统架构的哪一层。

Microduck 的 autod 守护进程就是对这个问题的回答。它不是一个高深的AI推理引擎,而是一个精心设计的状态机加能量模型,跑在和其他客户端平等的socket连接上。今天拆开看这套自主系统怎么工作。

一个不特殊的客户端

先说架构定位。autod 在 Microduck 的七守护进程架构里是个”普通公民”。它不是 robotd 的一部分,没有特殊的系统权限,不能直接碰电机总线。它和手柄守护进程 padd 一样,是一个 socket 客户端——读 robot.state 和 tof.frame,发 robot.move 和 robot.head 这些标准intent回去。

这个设计决策很重要。autod 能做的所有事,你的手机App或者一个Python脚本也能做。它用的API和手柄用的是同一套,走同一条JSON-RPC通道,遵守同样的安全层约束。robotd 内部没有任何针对 autod 的特殊仲裁逻辑——每个intent槽都是last-writer-wins,谁最后写了谁生效。

那 autod 怎么不和手柄打架?答案是协作式的yield/resume协议,不是 robotd 强制仲裁。

关掉的代价是零

autod 默认关闭。这不是”禁用但进程还在跑”的那种关闭——关闭状态下它只保持一个到 robotd 的连接,每秒poll一次 robot.mode,不订阅状态流,不读ToF深度数据,不跑任何brain逻辑。CPU占用趋近于零。

打开开关的方式有三种:robotctl autonomous on 命令、NFC标签触碰头部(autonomous_mode tag)、或者 robotd.toml 里的 [autonomous] enabled 配置项。开关状态存在 robotd 而不是配置文件里,原因很实际:NFC标签不应该写配置文件——一个标签触碰是”现在要自主”的意图,不是”每次开机都要自主”的持久配置。

开关打开时,autod 开启一个session:订阅50Hz的 robot.state、15Hz的 tof.frame、加载地图模块、初始化一个全新的brain(但novelty grid持久化在磁盘上,跨session保留)。开关关闭时,所有订阅在一秒内断开。这种设计让自主模式即开即用、关了不费资源,适合一个跑在ARM单板上的小型机器人。

自己站起来

一个有意思的设计是 autod 负责让鸭子自己站起来。以前只有手柄的Start键能触发站立——鸭子开机时是瘫软的,策略没加载,舵机没扭矩。autod 打开后,它发 robot.enable {on: true},等策略驱动起来。如果鸭子是坐着的,就走 sitstand 策略站起来,跟手柄Start键走的是同一条路径。

但这里有个微妙的问题:什么时候该站,什么时候不该站。autod 用一个标记文件 /var/lib/autod/started 来记录”我已经让这个 robotd 站起来了”。标记内容是内核的 boot_id 加上 robotd 的启动时间戳。

规则是这样的:如果是新的 robotd(重启了或者更新了),鸭子是瘫软的——没人主动停过它,所以 autod 帮它站起来。如果是同一个 robotd 只是 autod 自己重启了(比如崩溃恢复),那鸭子保持原样——因为有人可能手动停了它,你不能在人家背后偷偷把机器人站起来。

这个规则不是一开始就对的。第一版只看 boot_id,结果鸭子更新后没重启(只是daemon重启),autod 看到同一个 boot_id 就不管了,鸭子就一直瘫着。修复方案是把 robotd 的启动时间戳也加进标记里。

摔倒了管到底

autod 最实用的功能之一是摔倒恢复的自动化。robotd 检测到摔倒后会切到站立恢复策略,但恢复策略不总是成功——有时候鸭子就是翻不过来,在地上扑腾。

autod 的处理逻辑像一个有耐心的看护:

策略接管后5秒内还没站起来?关掉策略2秒,让鸭子回到初始姿势稳定一下,再给一次机会。还是没站起来?关掉舵机扭矩,发出”求助quack”——一种特定的叫声,表示”我需要帮助”。同时等待人类按Start键把它扶起来。

整个过程中 autod 的原则是:只管理自己触发的策略切换,绝不越权。如果别人(手柄、App)关了策略,autod 不会去重新打开。只有它自己为了重试而关掉的那次,它才会重新打开。

手柄优先,无仲裁协作

自主模式开启时,手柄仍然是最高优先级。但 robotd 内部没有仲裁逻辑——怎么实现?

答案是 padd 和 autod 各自有协作规则。padd 在自主模式开启时默认沉默——不发送任何intent。只有手柄被实际触碰(按键或者摇杆超过deadzone),padd 才”engageaged”。一旦engaged,它正常驱动,autod 检测到 move.source == "padd" 就完全沉默,不发任何intent。

手柄空闲30秒(pad_idle_s 默认值)后,padd 发一个零速度然后回到沉默。autod 在手柄的twist变stale后1秒重新接管。接管时brain重置,但长期记忆保留——能量水平、novelty grid、对球的无聊程度。

这套协议的精妙之处在于它完全是协作式的,不需要 robotd 做任何特殊处理。robotd 只报告”现在是谁在drive”(move.source字段),客户端自己决定让不让。如果 autod 有bug不yield,最坏情况是两个客户端的intent互相覆盖——鸭子会抖动,但不会出安全问题,因为安全层在 robotd 里,谁也绕不过。

brain:一个纯函数状态机

autod 的核心是 brain.rs,一个纯函数。它接收一个世界快照(机器人状态、ToF深度、地图信息),返回目标(速度、头部姿态、嘴部动作、声音)和一次性事件(触发地面捡拾、坐下切换等)。不碰socket,不做IO。

这个设计的好处是可测试性。你可以不接机器人、不跑 robotd,直接在loop里喂模拟数据跑brain十分钟的soak test。对于一个机器人项目来说,这种”不用真机就能测自主行为”的能力非常值钱。

brain本身是一个基于能量模型的状态机。几个核心状态:

Chill — 站着不动,头部缓慢小幅漂移,嘴做呼吸动作。这是默认的低能量状态。

LookAround — 大幅度转头观察环境,头部偏转。能量稍高。

Wander — 走向1-3米外的一个目标点。走的过程中允许短暂的侧头扫视,但视角会弹回正前方,确保ToF传感器持续看到前进方向的路。

TurnInPlace — 原地转向下一个wander目标的方向。

状态之间的转换由能量驱动。能量随时间增长,达到阈值触发更活跃的行为;wander消耗能量,消耗完了回到chill。这个模型不是什么前沿AI,但它给出了一种”不像机器人的机器人行为”——鸭子不会一直走,也不会一直站着不动,它有自己的节奏。

novelty grid是这个节奏之外的另一层。它是一个磁盘持久化的网格,记录鸭子在当前环境里”看”过的区域。新区域吸引力高,鸭子倾向于往没去过的地方走;去腻了的地方吸引力下降。这让鸭子不会一直在同一个区域打转。

ToF避障:不是全信传感器

autod 使用头部的8×8 ToF深度矩阵做避障。ToF传感器以15Hz更新,autod 读每一帧判断前方有没有需要避开的障碍。

但ToF不是万能的。8×8的分辨率意味着每个像素覆盖一个相当大的角度范围——近距离的物体可能只占一两个像素,远距离的更容易漏掉。autod 的策略是把ToF读数当作”前方有东西”的提示而不是精确的障碍物地图。配合里程计和地图模块(mapd),鸭子可以综合自己的位置、走过的路径、和ToF实时读数来决定下一步往哪走。

激光追踪和踢球模式

自主模式还有两个娱乐功能:激光追踪和踢球。

激光追踪用头部摄像头检测激光笔在地面打的点,鸭子追着这个点走。这功能的核心逻辑在 autod 里——它把激光点的位置翻译成速度命令发给 robotd。

踢球模式类似——检测面前的球,走过去,对准,踢。这两个功能都不是 autod 独有的,手柄也能触发(D-pad down进入soccer模式),但 autod 让它们可以在无人操控时自动进行。

关键的安全约束:自主模式关闭时,robotd 主动关闭激光追踪和踢球——不靠 autod 自己关。因为 autod 可能正在崩溃重启,如果靠它关,激光追踪可能在那几秒里还在驱动腿部运动。robotd 作为最终安全权威,直接切断。

纯函数的工程意义

回到 brain.rs 是纯函数这件事。它反映了一个工程原则:把决策逻辑和IO分离。

autod 进程的结构是:一个socket层负责收发消息,一个brain纯函数负责决策。socket层拿到 robot.state 和 tof.frame,组装成brain的输入,调用brain,拿到输出,翻译成 robot.move 等intent发出去。

这种分离让brain的迭代速度极快。你不需要连机器人、不需要跑仿真、不需要装任何依赖——一个Rust单元测试就能验证brain在特定输入下的行为。Pollen团队在文档里提到”ten-minute soak test in a loop without a robot”——十分钟连续跑brain,喂模拟输入,看输出是否合理。这种测试在”brain和IO耦合”的架构下根本做不到。

对于想给Microduck写自主行为的开发者来说,这套设计意味着你可以专注于brain逻辑,不用操心socket、协议、安全层——那些由 autod 的框架层处理。你的brain只要遵守”输入快照、输出目标”的契约,就能跑在真鸭子身上。


数据来源:pollen-robotics/microduck 官方仓库,docs/design/autonomous.md 和 docs/design/architecture.md。

喜欢 (0)赏
[🍬谢谢你请我吃糖果🍬🍬~]
分享 (0)
关于作者:
少将,关注Web全栈开发、项目管理,持续不断的学习、努力成为一个更棒的开发,做最好的自己,让世界因你不同。