1. 一台扫地机凭什么能撑起一整套机器人工程课第一次把一台开源扫地机器人完整拆开摊在桌面上的时候我盯着那堆东西看了很久。激光雷达、惯性测量单元、轮式编码器、边刷电机、风机、尘盒、电池管理板、主控板、若干条排线还有一层一层叠起来的结构件。那一刻我脑子里冒出来的念头不是“这玩意儿怎么扫地的”而是“这不就是把机器人工程里所有核心模块塞进了一个直径三十多厘米的圆盘里吗”。这个判断后来被反复验证。一台扫地机器人尤其是开源方案下的扫地机器人本质上是一个完整的移动机器人系统。它要感知环境、要定位自己、要规划路径、要控制运动、要管理能量、要跟人交互。这些需求对应的技术栈恰好就是机器人工程专业从大二到大四要学的那些课传感器原理、嵌入式系统、自动控制、SLAM、路径规划、电机驱动、电源管理、人机交互。区别只在于课本上这些内容是分开讲的而扫地机器人把它们全部揉在了一起而且必须实时跑起来。所以当我看到“开源扫地机器人全栈拆解”这个方向的时候第一反应是这东西的价值根本不在扫地本身。扫地只是一个应用场景一个让所有技术模块必须协同工作的约束条件。真正有价值的是你可以通过拆解一台这样的机器把机器人工程的知识体系从头到尾串一遍。而且因为是开源的硬件原理图、固件源码、上位机算法都能拿到你可以改、可以调、可以看着数据变化去理解每一个参数背后的物理意义。这篇文章面向的读者很明确如果你是在校学生正在学机器人相关专业但觉得课本上的东西太散、不知道它们怎么拼在一起那这台机器就是你的教具如果你是嵌入式开发者想从单片机开发往机器人方向转那这台机器就是你的练手项目如果你是创客或者DIY爱好者想做一个能真正跑起来的移动机器人那这台机器就是你的参考架构。我不打算只讲“它有什么”而是要把每个模块为什么这么设计、参数怎么选、代码怎么写、坑在哪里全部拆开讲清楚。2. 全栈拆解的整体思路从应用倒推技术栈2.1 为什么选择扫地机器人作为全栈学习载体机器人工程的学习有一个经典困境单学一个模块很容易但把它们集成起来就很难。你学电机控制的时候电机是独立转的你学SLAM的时候数据是仿真给的你学路径规划的时候地图是现成的。但真实机器人不是这样工作的。真实机器人里电机转动会影响IMU读数IMU漂移会影响定位定位误差会导致路径规划失效路径规划失效又会让电机做出错误动作。这些耦合关系只有在完整系统里才能体会到。扫地机器人恰好是一个耦合度适中、成本可控、安全性高的载体。耦合度适中意味着它涉及的技术栈足够全但每个模块的复杂度又没有到工业级机器人的程度。成本可控意味着你可以在几千块的预算内搭出一台完整的机器。安全性高意味着它不会像机械臂那样可能伤人你可以放心大胆地让它在地上跑。更重要的是扫地机器人的任务定义非常清晰在未知或半未知环境中覆盖所有可到达区域同时避开障碍物。这个任务定义直接决定了它的技术需求。要覆盖所有区域就需要定位和建图要避开障碍物就需要感知和避障要高效覆盖就需要路径规划要移动就需要运动控制。每一个技术需求都对应一个技术模块而这些模块之间的接口和数据流就是全栈拆解要讲清楚的核心。2.2 从功能需求到模块划分的映射逻辑我习惯用一张表来梳理这种映射关系。这张表不是从技术出发而是从功能出发因为功能是用户能感知的技术是支撑功能的。功能需求技术模块核心器件关键指标知道自己在哪定位与建图激光雷达、IMU、编码器定位精度、建图分辨率知道周围有什么环境感知激光雷达、碰撞传感器、悬崖传感器探测距离、盲区大小走到该去的地方路径规划主控芯片、算法规划频率、路径平滑度按规划移动运动控制轮毂电机、驱动板、编码器速度精度、响应延迟完成清扫动作执行机构边刷电机、风机、滚刷电机转速、吸力、功耗能自己充电能源管理电池组、BMS、充电极片续航时间、充电电流能跟人交互人机接口按键、指示灯、蜂鸣器、WiFi响应时间、连接稳定性这张表的价值在于它把“扫地机器人”这个模糊的概念拆成了七个可以独立学习、独立调试、独立优化的模块。而且每个模块都有明确的输入输出。比如定位模块的输入是激光雷达点云、IMU数据、编码器数据输出是机器人在map坐标系下的位姿。路径规划模块的输入是当前位姿、目标点、地图输出是速度指令。运动控制模块的输入是速度指令和编码器反馈输出是PWM占空比。这种输入输出关系一旦理清整个系统的数据流就清楚了。2.3 开源方案与闭源方案的取舍分析市面上扫地机器人方案分两类闭源商业方案和开源方案。闭源方案的代表是各家扫地机厂商的产品硬件集成度高、算法成熟、体验好但你看不到内部实现改不了也学不到东西。开源方案的代表是基于ROS的扫地机器人项目硬件可能没那么精致算法可能没那么成熟但所有东西都是透明的。我选择开源方案作为拆解对象理由有三个。第一可修改性。开源方案的固件和算法都是可改的你可以把激光雷达换成超声波把差速驱动换成麦克纳姆轮把A*换成RRT然后观察系统行为的变化。这种“改参数看效果”的学习方式比看书有效得多。第二可调试性。开源方案通常提供完整的调试接口你可以实时看到每个传感器的数据、每个模块的输出、每个状态机的跳转。当机器人行为异常时你可以一层一层往下查直到找到根因。第三社区支持。开源方案背后通常有一个社区你遇到的问题大概率别人也遇到过社区里的讨论和issue本身就是很好的学习材料。当然开源方案也有代价。硬件可能不够稳定算法可能不够鲁棒你需要花时间调试和优化。但这个过程本身就是学习。如果你只是想要一个能扫地的机器买商业产品就好。如果你想要理解扫地机器人是怎么工作的开源方案是唯一的选择。3. 核心模块深度拆解与实操要点3.1 感知层激光雷达与IMU的数据融合感知层是机器人认识世界的入口。扫地机器人最核心的传感器是激光雷达它通过旋转发射激光束测量每个角度上到障碍物的距离输出一帧二维点云。这帧点云就是机器人对周围环境的“快照”。但单帧点云是不够的因为机器人在动环境也在变你需要把多帧点云拼起来才能得到完整的环境地图。这个拼接过程就是SLAM要解决的问题。激光雷达的选型有几个关键参数。扫描频率决定了一秒能出多少帧常见的是5到10赫兹。扫描频率越高机器人对动态环境的响应越快但数据量也越大。角分辨率决定了一帧点云里相邻两个点之间的角度间隔常见的是0.5度到1度。角分辨率越小点云越密建图越精细但计算量也越大。测距范围决定了能看到多远常见的是8到12米。对于室内扫地机器人来说8米足够覆盖一个房间的对角线。但激光雷达有一个致命弱点它只能看到二维平面。如果地面上有一根电线激光雷达扫过去可能只看到一个点甚至完全扫不到。所以扫地机器人还需要其他传感器来补充。IMU提供加速度和角速度用来估计机器人的姿态变化。编码器提供轮子转过的角度用来估计机器人的位移。碰撞传感器提供接触信息用来检测激光雷达没看到的低矮障碍物。悬崖传感器提供下视信息用来防止机器人从楼梯上掉下去。这些传感器的数据融合是感知层的核心工作。我常用的融合策略是用编码器和IMU做航迹推算得到高频的位姿估计用激光雷达做扫描匹配得到低频但准确的位姿修正用扩展卡尔曼滤波把两者融合起来。这个策略的好处是即使激光雷达短暂失效航迹推算也能维持位姿估计不会让机器人立刻迷失。实操心得激光雷达的安装位置非常关键。如果装得太低地面反光会影响测距如果装得太高桌腿和椅腿会被漏掉。我试过的最佳位置是离地约10厘米略微前倾2到3度这样既能扫到地面附近的障碍物又能避开地面反光。3.2 定位与建图从Gmapping到Cartographer的选型对比定位与建图是扫地机器人的“大脑”功能。没有定位机器人不知道自己在哪没有建图机器人不知道环境长什么样。这两个问题是耦合的定位需要地图建图需要定位。SLAM算法就是同时解决这两个问题的。开源方案里最常用的两个SLAM算法是Gmapping和Cartographer。Gmapping是基于粒子滤波的2D SLAM算法优点是计算量小、参数少、容易上手适合小场景。缺点是粒子退化问题在大场景里定位精度会下降。Cartographer是基于图优化的2D和3D SLAM算法优点是精度高、回环检测强、适合大场景。缺点是计算量大、参数多、调参难度高。我自己的经验是如果你的场景是单个房间或者小户型Gmapping足够用而且调试起来快。如果你的场景是多房间或者大户型Cartographer更合适但你需要花时间调参。关键参数包括粒子数、更新距离、更新角度、激光雷达的观测模型参数。粒子数越多定位越准但计算量越大。更新距离和更新角度决定了机器人移动多远或多快之后更新一次地图太小会导致地图重叠太大会导致地图断裂。建图过程中还有一个容易被忽略的问题动态障碍物。如果建图时有人在房间里走动人的腿会被当成障碍物写进地图导致地图上出现“幽灵墙”。解决办法是使用动态障碍物滤除算法或者在建图时尽量保持环境静止。我通常建议在建图阶段把宠物和小孩请出房间建完图再让他们进来。注意事项建图完成后一定要保存地图并且验证地图的准确性。我踩过的坑是建图时看起来没问题但实际导航时机器人总是撞墙后来发现是地图保存时分辨率设得太低导致墙壁位置有偏差。地图分辨率建议设为0.05米/像素这个精度对室内导航足够用。3.3 路径规划全局规划与局部规划的协同路径规划分两层全局规划和局部规划。全局规划负责从当前位置到目标点找一条大致可行的路径局部规划负责沿着这条路径走同时避开突然出现的障碍物。全局规划常用的算法有A*、Dijkstra、RRT。A是最常用的因为它结合了Dijkstra的完备性和贪心搜索的高效性。A的核心是启发函数启发函数越接近真实代价搜索越快。对于栅格地图常用的启发函数是欧几里得距离或曼哈顿距离。欧几里得距离更准确但计算量稍大曼哈顿距离计算快但路径可能不够平滑。局部规划常用的算法有DWA、TEB、VFH。DWA是动态窗口法它在速度空间里采样多组速度预测每组速度下的轨迹然后选择一条既安全又接近全局路径的轨迹。DWA的优点是计算快、响应及时缺点是容易陷入局部最优。TEB是时间弹性带它把路径看成一条弹性带通过优化弹性带的形状来避障。TEB的优点是路径平滑、避障效果好缺点是计算量大、参数多。我通常的配置是全局规划用A*局部规划用DWA。这个组合在扫地机器人上表现很稳。A*负责给出大方向DWA负责微调。如果场景里动态障碍物多可以把局部规划换成TEB但要注意TEB的计算量可能会让低算力主控吃不消。实操心得路径规划的频率很关键。全局规划不需要太高频1赫兹就够了因为地图变化没那么快。局部规划需要高频至少10赫兹因为障碍物可能突然出现。我试过把局部规划降到5赫兹结果机器人反应明显变慢差点撞上突然跑出来的猫。3.4 运动控制从PID到模型预测控制的演进运动控制是让机器人按规划路径移动的执行层。扫地机器人通常是差速驱动两个轮子独立控制通过调节两个轮子的速度差来实现转向。运动控制的核心是速度闭环给定目标线速度和角速度控制两个轮子的实际速度去跟踪目标。最常用的控制算法是PID。PID的优点是简单、直观、容易调参。P是比例项决定响应速度I是积分项消除稳态误差D是微分项抑制超调。调参的顺序是先调P再调I最后调D。P太小会导致响应慢P太大会导致震荡。I太小会导致稳态误差I太大会导致积分饱和。D太小会导致超调D太大会导致噪声放大。但PID有一个局限它假设系统是线性的而且不考虑约束。对于扫地机器人来说轮子的最大速度是有限的电机的最大电流是有限的这些约束PID处理不了。所以更先进的方法是模型预测控制。MPC在每一步预测未来一段时间内的系统行为然后在约束条件下优化控制量。MPC的优点是能处理约束、能处理多变量、能处理非线性缺点是计算量大、需要模型。对于扫地机器人来说PID通常够用因为它的动力学不复杂约束也不苛刻。但如果你想学MPC扫地机器人是一个很好的实验平台因为它的状态量少、模型简单、实时性要求适中。注意事项编码器的安装精度直接影响速度控制效果。我遇到过编码器安装偏心导致速度波动的问题表现是机器人走直线时左右摇摆。后来换了带轴承的编码器问题就解决了。编码器分辨率建议至少每转1000线太低会导致低速时速度估计不准。4. 实操过程与核心环节实现4.1 硬件选型与组装从零搭建一台开源扫地机器人硬件选型的第一步是确定主控平台。开源扫地机器人常用的主控平台有两类一类是树莓派加单片机树莓派负责跑SLAM和路径规划单片机负责跑电机控制和传感器读取另一类是英伟达Jetson加单片机Jetson算力更强适合跑更复杂的算法。我自己的配置是树莓派4B加STM32树莓派跑ROSSTM32跑实时控制。这个配置的优点是分工明确树莓派不用管实时性STM32不用管复杂算法。激光雷达我选的是RPLIDAR A1360度扫描测距范围12米角分辨率1度扫描频率5.5赫兹。这个雷达的优点是便宜、开源驱动成熟、社区支持好。缺点是精度一般但对于室内扫地机器人够用。IMU我选的是MPU6050六轴加速度加陀螺仪。这个IMU的优点是便宜、驱动简单缺点是零漂较大需要做校准。编码器我选的是霍尔编码器每转13线配合减速比30的电机实际分辨率是每转390线。电机我选的是直流减速电机额定电压12伏减速比30空载转速300转每分钟。这个电机的优点是扭矩够大、价格便宜缺点是效率一般。驱动板我选的是TB6612双路H桥最大电流1.2安。这个驱动板的优点是集成度高、控制简单缺点是电流余量不大如果电机堵转可能会烧。组装顺序是先装底盘和轮子再装电机和编码器再装激光雷达和IMU最后装主控板和电池。组装时要注意几个点轮子要装正否则机器人走不直激光雷达要装水平否则点云会倾斜IMU要装稳否则振动会影响读数电池要装低否则机器人重心太高容易翻。实操心得组装完成后不要急着上电先用万用表检查一遍电源正负极有没有短路再检查一遍信号线有没有接错。我见过太多因为接错线烧板子的案例包括我自己。有一次我把激光雷达的电源线接到了5伏上结果雷达不转查了半天才发现雷达需要5伏但电流不够最后单独给它供了一路电。4.2 固件开发STM32上的实时控制与传感器读取STM32的固件负责三件事读取传感器、控制电机、跟树莓派通信。读取传感器包括编码器、IMU、碰撞传感器、悬崖传感器。控制电机包括设置PWM占空比、读取电流、实现速度闭环。跟树莓派通信通常用串口协议可以自定义也可以用ROS的rosserial。编码器读取用定时器的编码器模式STM32的定时器可以直接配置成编码器接口硬件自动计数软件只需要定期读取计数值并清零。IMU读取用I2CMPU6050的寄存器不多初始化之后直接读加速度和角速度寄存器就行。碰撞传感器和悬崖传感器用GPIO中断触发时记录状态。电机控制用PWM加方向引脚。PWM频率建议设为20千赫兹这个频率高于人耳听觉范围不会产生噪音。速度闭环用PID采样周期建议1毫秒这个周期对STM32来说很轻松。PID输出限幅到PWM的最大值和最小值防止积分饱和。跟树莓派通信的协议我通常这样定义一帧数据包含帧头、长度、命令字、数据、校验和。帧头用两个字节比如0xAA和0x55用来同步。长度用一个字节表示数据长度。命令字用一个字节区分是读传感器还是写电机。数据是变长的根据命令字解析。校验和用一个字节用来检测传输错误。// 简化的串口协议帧结构 typedef struct { uint8_t header[2]; // 0xAA, 0x55 uint8_t length; // 数据长度 uint8_t command; // 命令字 uint8_t data[32]; // 数据 uint8_t checksum; // 校验和 } SerialFrame;注意事项串口通信的波特率要匹配我通常用115200这个速率对STM32和树莓派都轻松。但要注意串口线的质量劣质线材在高速率下容易丢包。我遇到过因为串口线太长导致数据错误的问题后来换了带屏蔽的短线就解决了。4.3 上位机算法ROS节点架构与数据流设计树莓派上跑的是ROSROS的核心概念是节点。每个节点负责一个功能节点之间通过话题或服务通信。扫地机器人的ROS节点通常包括激光雷达驱动节点、IMU驱动节点、底盘驱动节点、SLAM节点、路径规划节点、运动控制节点、人机交互节点。激光雷达驱动节点负责读取雷达数据并发布到/scan话题。IMU驱动节点负责读取IMU数据并发布到/imu话题。底盘驱动节点负责跟STM32通信读取编码器数据发布到/odom话题同时订阅/cmd_vel话题并下发给STM32。SLAM节点订阅/scan和/odom发布/map和/tf。路径规划节点订阅/map和/tf发布全局路径和局部路径。运动控制节点订阅局部路径发布/cmd_vel。这个架构的关键是tf变换。tf是ROS里的坐标变换系统它维护了各个坐标系之间的相对位置关系。扫地机器人通常有这几个坐标系map是地图坐标系odom是航迹推算坐标系base_link是机器人本体坐标系laser是激光雷达坐标系。map到odom的变换由SLAM提供odom到base_link的变换由编码器提供base_link到laser的变换由安装位置决定。tf系统会自动把这些变换串起来让你可以在任何坐标系里查询任何点的位置。实操心得tf变换的发布频率要匹配。map到odom的变换由SLAM发布频率通常跟激光雷达一样5到10赫兹。odom到base_link的变换由编码器发布频率通常跟控制周期一样50到100赫兹。如果频率不匹配tf查询可能会失败。我遇到过因为SLAM发布太慢导致tf超时的问题后来把SLAM的发布频率调高就好了。4.4 系统联调从单模块测试到全系统集成系统联调是最考验耐心的环节。我的习惯是先单模块测试再两两联调最后全系统集成。单模块测试包括激光雷达能不能出数据、IMU能不能出数据、编码器能不能出数据、电机能不能转、传感器能不能触发。两两联调包括激光雷达加编码器能不能建图、IMU加编码器能不能航迹推算、路径规划加运动控制能不能走直线。全系统集成就是让机器人自己跑起来看它能不能建图、能不能导航、能不能避障。联调时最常用的工具是rviz。rviz是ROS的可视化工具可以把激光雷达点云、地图、路径、机器人模型、tf变换全部显示出来。通过rviz你可以直观地看到机器人“看到”的世界和它“认为”自己在哪。如果rviz里机器人模型和激光雷达点云对不上说明tf有问题。如果地图和实际环境对不上说明SLAM有问题。如果路径穿过障碍物说明路径规划有问题。另一个常用工具是rqt。rqt是ROS的图形化工具集可以看话题数据、看节点连接、看参数配置。我通常用rqt_graph看节点之间的连接关系用rqt_plot看数据曲线用rqt_reconfigure动态调参。注意事项联调时一定要在安全的环境里进行。我第一次让机器人自己跑的时候它直接冲向了楼梯幸好我手快按了急停。后来我养成了习惯每次测试前先检查悬崖传感器是否正常测试时在楼梯口放挡板手里随时准备按急停。5. 常见问题与排查技巧实录5.1 建图漂移与定位丢失的排查思路建图漂移是扫地机器人最常见的问题。表现是地图上墙壁不直、房间变形、回环处对不上。原因通常有三个激光雷达标定不准、编码器标定不准、SLAM参数不对。激光雷达标定不准的表现是点云有系统性偏差比如所有墙壁都偏左或偏右。排查方法是把机器人放在一个已知尺寸的房间里建图后测量地图上的墙壁距离跟实际距离对比。如果偏差超过5厘米就需要重新标定激光雷达。标定方法是用已知距离的障碍物调整雷达的安装角度和距离偏移参数。编码器标定不准的表现是机器人走直线时地图弯曲或者机器人转90度时地图转了85度。排查方法是让机器人走一个已知长度的直线对比编码器读数和实际距离。如果偏差超过2%就需要重新标定编码器。标定方法是调整编码器的每米脉冲数参数。SLAM参数不对的表现是地图局部模糊或者回环处错位。排查方法是调整SLAM的粒子数、更新距离、更新角度。粒子数太少会导致定位不准粒子数太多会导致计算量过大。更新距离太小会导致地图重叠更新距离太大会导致地图断裂。避坑技巧建图时尽量让机器人走慢一点速度太快会导致激光雷达点云稀疏影响建图质量。我通常把建图速度限制在0.2米每秒这个速度下建图效果最好。5.2 路径规划失败与避障误判的解决方案路径规划失败的表现是机器人原地转圈、找不到路径、或者路径穿过障碍物。原因通常有三个地图不准、代价地图配置不对、规划算法参数不对。地图不准的表现是机器人认为可以通过的地方实际不能通过或者认为不能通过的地方实际可以通过。排查方法是把实际环境和地图对比看障碍物位置是否一致。如果不一致需要重新建图或者手动编辑地图。代价地图配置不对的表现是机器人离障碍物太近或者太远。代价地图是路径规划用的地图它在原始地图上叠加了膨胀层把障碍物向外膨胀一定距离防止机器人撞上。膨胀半径太小会导致机器人贴墙走膨胀半径太大会导致机器人不敢走窄通道。我通常把膨胀半径设为机器人半径加5厘米。规划算法参数不对的表现是路径不平滑、路径太长、或者规划失败。排查方法是调整规划算法的参数比如A*的启发函数权重、DWA的速度采样范围、TEB的优化权重。避坑技巧如果机器人经常在同一个地方规划失败可能是那个地方的地图有问题。我遇到过因为地图上有一个小障碍物导致机器人认为通道太窄过不去的问题后来手动把那个障碍物擦掉就好了。5.3 电机控制异常与传感器干扰的排查电机控制异常的表现是机器人走不直、速度不稳、或者电机发热。原因通常有三个PID参数不对、编码器干扰、电源不稳。PID参数不对的表现是机器人走直线时左右摇摆或者速度响应慢。排查方法是先调P让机器人能基本跟踪速度再调I消除稳态误差最后调D抑制超调。我通常把P设为0.5I设为0.1D设为0.01这个参数对大多数扫地机器人电机都适用。编码器干扰的表现是速度读数跳变导致机器人突然加速或减速。排查方法是检查编码器线是否远离电机线编码器电源是否干净。我遇到过因为编码器线和电机线捆在一起导致干扰的问题后来把编码器线单独走线就好了。电源不稳的表现是机器人一加速就重启或者激光雷达一工作就掉电。排查方法是测量电池电压在电机启动时的跌落。如果跌落超过1伏说明电池内阻太大或者电源线太细。解决办法是换低内阻电池或者加粗电源线。避坑技巧电机启动时电流很大可能会拉低电源电压导致主控复位。我通常在主控电源前加一个大电容比如1000微法用来缓冲电压跌落。这个电容很便宜但能解决很多莫名其妙的问题。5.4 常见问题速查表问题现象可能原因排查方法解决方案建图漂移雷达标定不准对比地图和实际距离重新标定雷达建图漂移编码器标定不准对比编码器读数和实际距离重新标定编码器定位丢失SLAM参数不对调整粒子数和更新距离重新调参路径规划失败地图不准对比地图和实际环境重新建图或编辑地图路径规划失败代价地图配置不对检查膨胀半径调整膨胀半径避障误判传感器干扰检查传感器数据更换传感器或加滤波电机走不直PID参数不对调整PID参数重新调参电机速度不稳编码器干扰检查编码器线单独走线机器人重启电源不稳测量电压跌落加电容或换电池激光雷达不转电源不足测量雷达电压单独供电6. 从这台机器延伸出去的学习路径拆完这台扫地机器人之后你会发现机器人工程的知识体系其实没有那么神秘。它无非就是感知、定位、规划、控制、执行这几个模块每个模块都有成熟的理论和工具。扫地机器人只是把这些模块组合在一起的一个具体实例。如果你想继续深入有几个方向可以延伸。第一个方向是三维感知。扫地机器人用的是二维激光雷达只能看到水平面。如果你加上深度相机或者三维激光雷达就可以做三维建图和三维避障。第二个方向是多传感器融合。扫地机器人用的传感器还比较少如果你加上视觉、超声波、红外就可以做更鲁棒的感知。第三个方向是多机器人协同。如果你有两台扫地机器人就可以研究它们怎么分工、怎么共享地图、怎么避免碰撞。但不管往哪个方向延伸核心的学习方法是一样的找一个完整的系统把它拆开理解每个模块的原理和接口然后自己动手改一改看系统行为怎么变。这个方法比看书有效比上课有效比看视频有效。因为你在跟一个真实的系统打交道它会用最直接的方式告诉你哪里理解错了。我个人在实际操作中的体会是拆解一台开源扫地机器人最大的收获不是学会了某个具体技术而是建立了一种系统思维。你开始习惯从整体看问题知道每个模块在系统里的位置和作用知道模块之间的耦合关系知道改一个参数会影响哪些其他参数。这种系统思维才是机器人工程最核心的能力。
