前言

我最近在做一个开源机器人平台，目标是让 AI 研究者用 Python 就能控制机器人——不需要懂 ROS2、不需要写 launch 文件、不需要调 tf tree。同一份代码在模拟和真机上零修改运行。

硬件成本 < $500（约 ¥3500），全部开源：PCB 源文件（KiCad）、BOM、组装文档、固件、ROS2 包、Python SDK。

GitHub：https://github.com/telleroutlook/3we-robot-platform

30 秒体验（不需要任何硬件）

git clone https://github.com/telleroutlook/3we-robot-platform.git
cd 3we-robot-platform && pip install -e sdk/threewe/
python examples/navigate_office.py

只需要 Python 3.10+ 和 numpy。Mock 后端在纯 Python 里模拟 2D 运动学、碰撞检测、360° LiDAR 光线投射。不是返回假数据，是真正在计算。

核心 API

from threewe import Robot
async with Robot(backend="mock") as robot:
    # 导航到目标点
    await robot.move_to(x=3.0, y=2.0)
    
    # 获取传感器数据
    scan = robot.get_lidar_scan()  # 360维 numpy 数组
    pose = robot.get_pose()        # 带类型的 NamedTuple
    imu = robot.get_imu()
    
    # VLM 自然语言控制（需要 pip install threewe[ai]）
    await robot.execute_instruction("去红色门那里")

把 backend="mock" 换成 "gazebo" 或 "real"——零代码修改。

架构

┌──────────────────────────────────────────────┐
│           你的 Python 代码                     │
│  robot.move_to() · robot.get_image()         │
├──────────────────────────────────────────────┤
│           threewe Python SDK                  │
│  Robot · Types · Gym · AI(VLM/VLA) · Data    │
├────────────┬─────────────┬───────────────────┤
│ MockBackend│ GazeboBackend│ RealBackend       │
│ (numpy)    │ (ros_gz)     │ (rclpy)          │
├────────────┴─────────────┴───────────────────┤
│           ROS2 Jazzy + Nav2                   │
├──────────────────────────────────────────────┤
│           固件 (ESP32-S3 + micro-ROS)         │
├──────────────────────────────────────────────┤
│           硬件层                              │
│  麦克纳姆轮 · DRV8833 · LD06 LiDAR · BNO055  │
└──────────────────────────────────────────────┘

硬件配置

规格	参数
驱动	4轮麦克纳姆（65mm），全向移动
MCU	ESP32-S3（双核 240MHz）
SBC	Raspberry Pi 5（8GB）
AI 加速	Hailo-8L（13 TOPS）
LiDAR	LD06（360°，12m 量程）
IMU	BNO055（9轴融合）
电池	7.4V 锂电，约 2h 续航
安全	ISO 13850 急停 + 双通道继电器
成本	< ¥3500

为什么做这个

现有方案的痛点：

• TurtleBot 4：~$1200，必须懂 ROS2 才能用，没有 Python 优先的 API
• LeRobot：专注机械臂，不适合移动机器人导航
• Isaac Lab：强大但绑定 NVIDIA GPU，门槛高

我想要的是：AI 研究者 pip install 之后就能开始训练 RL 策略或跑 VLM 实验，不需要花两周配 ROS2 环境。

当前状态（诚实说明）

已完成：

• ✅ ESP32-S3 固件（micro-ROS，电机 PID，编码器里程计）
• ✅ ROS2 包（Nav2 集成，SLAM，Gazebo 仿真配置）
• ✅ Python SDK + Mock 后端（309 个测试通过）
• ✅ Gymnasium 环境 3we/Navigation-v1
• ✅ VLM 集成（GPT-4o / Qwen-VL → 机器人动作）
• ✅ HDF5 轨迹记录

进行中：

• 🔄 Gazebo 后端集成测试
• 🔄 PyPI 发布（目前从源码安装）
• 🔄 真机 Sim2Real 验证

未开始：

• ❌ Isaac Sim 后端
• ❌ 多机器人编队
• ❌ 模型微调流水线

RL 训练示例

import gymnasium
import threewe.gym
env = gymnasium.make("3we/Navigation-v1")
obs, info = env.reset()
for _ in range(1000):
    action = env.action_space.sample()
    obs, reward, terminated, truncated, info = env.step(action)
    if terminated or truncated:
        obs, info = env.reset()

观测空间：360 维 LiDAR + 2D 位姿 + 速度

动作空间：连续 [vx, vy, omega]（全向）

工程决策记录

为什么选 ESP32-S3 而不是 STM32？为什么用麦克纳姆轮？PBC-34 载荷总线原型踩了哪些坑？

详细记录在开发日志：https://3we.org/blog/dev-log-001/

开源协议

组件	协议
固件 & 软件	Apache 2.0
硬件设计	CERN-OHL-P v2
文档	CC BY-SA 4.0

希望得到的反馈

1. SDK API 设计是否符合你的使用习惯？
2. Gymnasium 环境的观测/动作空间还需要什么？
3. 如果你在做移动机器人 RL 或 VLM 研究，什么功能能让你真正用起来？

---

项目地址：https://github.com/telleroutlook/3we-robot-platform

开发博客：https://3we.org/blog/overview/