一个人，四个月！华为天才少年把自行车做成了自动驾驶！

EETOP 2021-06-14 10:57

【北京12.5号】无线前沿新技术与测试技术峰会 【有奖直播】提升毫米波信号测试精度

来源：机器之心编辑：张倩

一个人就是一个团队，野生钢铁侠稚晖君历时四个月打造了一辆自动驾驶自行车。

2016 年的愚人节，谷歌跟全世界开了一个玩笑。

在一段视频中，他们展示了一个融合了自动驾驶技术的「真 · 自行车」。它不仅可以自己过马路，还能接你下班、让你坐在上面办公。

不过，在被疯传了两天之后，谷歌又跳出来亲自辟谣，说这个视频是他们 P 的，自行车旁边其实是有人的：

对此，有网友嘲讽道：「有这 PS 的工夫，做个真的不香吗？」

或许连谷歌都没想到，五年后的今天，真有人帮他们把坑填了。

而这个填坑的人，就是 B 站科技区大名鼎鼎的稚晖君。

在投稿这个视频之前，这位拥有 80 多万粉丝的 up 主已经鸽了好几个月了。当事人交代说，除了工作有亿点点忙之外，雨天骑车摔跤也是一个很重要的原因。

这次摔跤不仅让稚晖君领悟到了什么叫「水太深，你把握不住」，还让他下定决心设计一个自行车增稳装置，如下图：

啊，不好意思，放错图了，是这个：

这个改装后的车有多稳呢？上点难度试试：

原地不动看上去确实挺稳重的，那让它走两步看看：

路上有障碍物怎么办？上自动驾驶呗：

好家伙，自动驾驶都已经火到这种程度了吗？以后年轻人的第一辆自行车都得上自动驾驶了吗？

稚晖君介绍说，由于受限于整辆车的功率，目前这辆车还不能载人，不过换上电动车可能就不一样了。

这个项目看上去复杂，其实做起来更加复杂，心灵手巧如稚晖君都花了四个月的时间（虽然大部分是周末）。为了方便大家学习，稚晖君还开源了项目的硬件部分，有兴趣复现的同学可以去 GitHub 下载相关资料。（网友：我缺的是开源项目和兴趣吗？）

项目地址：https://github.com/peng-zhihui/XUAN-Bike

把自行车做成自动驾驶有多硬核？

在视频中，稚晖君向我们介绍了他将自行车改装成自动驾驶的大体思路。首先，为了让自行车平稳地跑起来，他设计了一套复杂的自动控制系统；其次，为了去掉车上的工具人，他给车装了一套传感器组成的感知网络以及算力足够强大的芯片；最后，他还在这些硬件基础上开发、实现了一套感知和控制算法，俗称「注入灵魂」。

要实现这套装置，首先需要设计。在这一阶段，稚晖君使用 CAD 进行建模，得到了一辆虚拟的「死飞」自行车，之后再慢慢往上添加细节，最终的改造方案如下：

如图所示：驱动结构方面，车子安装了两个较大的无刷电机以及一个控制龙头的舵机，用于驱动车子运动并保持静止和运动时的平衡。传感器方面，车子搭载了一个 RGBD 的深度相机、加速计、陀螺仪以及一个激光雷达，用于探测周围环境和车的状况；动力方面，电池使用的是 6S 的航模动力锂电池（续航 2~3 小时）；控制方面，座椅的后方搭载了主控计算模块。

图纸设计完成，接下来就是软硬件的实现了。

为了获取硬件部分所需的零件，稚晖君选择了 3D 打印和机床加工相结合的方式（有个家里有厂的朋友），前者适合打印强度要求不高的塑料零件，后者用来加工金属零件。

车子的计算单元被分为低算力、低时延、运行实时系统的「小脑」和高算力、高时延、运行非实时系统的「大脑」。前者用于控制车身，用 ESP32 来实现；后者用于感知、思考和决策，用到了昇腾的边缘计算芯片昇腾 310。

为了将两部分整合到一起，稚晖君设计了一个四层的载板。PCB 打样之后，他手工将其焊了出来。「大脑」和「小脑」是通过总线相连的。此外，他还在软件上实现了一套 RPC 框架，让它们可以方便地进行通信。

「小脑」的框架是基于 FreeRTOS，主要是实现传感器的数据处理以及电机的控制算法，还有一个小屏幕实时显示一些参数：

「大脑」的软件框架则要复杂很多，除了基于昇腾的整个 AI 栈之外，稚晖君还在系统中使用了 ROS 框架（机器人领域常用框架，集成了大量的工具、库、协议，提供类似 OS 所提供的功能，简化对机器人的控制），后面的消息分发、业务串流、SLAM 等的实现都是基于 ROS 开发的。

「脑子」有了，电路还缺一个「心脏」，也就是驱动器。稚晖君曾经在去年 9 月份展示过他设计的一个超迷你 FOC 矢量控制驱动器，那个项目就是为今天的自动驾驶自行车所准备的。虽然个头还没有巴掌大，但这个驱动器可以实现两路共 100A 的无刷电机 FOC 控制，同时还驱动了前面的 60KG 舵机以及一个散热风扇。

把以上结构零件和电路全部整合起来，一辆自动驾驶自行车就诞生了。不过，这个自行车目前还没有「灵魂」，需要通过运动学、动力学建模等步骤来注入灵魂。稚晖君表示，这个车子的控制代码中有 50 多个重要参数，比如控制周期、反馈矩阵、PID 增益等。这些数字全部都要得到合理设置，才能使系统进入稳定且快速收敛的状态。电机功率、飞轮质量等物理参数的设置则需要有准确的数学模型来指导。

在得到模型之后，为了进一步验证模型的准确性，稚晖君使用了游戏引擎 Unity 进行仿真，然后把仿真的结果迁移到现实环境。