机器人开发，到底是在开发什么？

先看一个反差：让电脑下棋赢过世界冠军，这件事 1997 年就做完了；让机器人像五岁小孩一样收拾好自己的房间，到今天没有任何一家公司做得到。

对着一屋子玩具，小孩瞄一眼就知道哪个是积木、该放回哪个箱子。这件”谁都会”的事，恰好是机器人开发里最难的部分。为什么？这篇文章用大白话把机器人开发从头讲一遍——不出现一个没翻译的术语。

一句话版本：机器人开发，就是教一台机器循环做三件事——用传感器”看”世界、决定下一步怎么办、让电机把身体动起来——每秒钟重复几十上百次，永远不停。

一、先拿开车来打个比方

你开车的时候在干什么？

• 眼睛看路况（这叫感知：弄清楚周围发生了什么）
• 脑子决定变道还是刹车（这叫决策：选一个动作）
• 手脚打方向盘、踩油门（这叫执行：真的动起来）

这三件事你不是做一遍，而是每秒重复无数次，一直开到目的地。机器人开发就是把这三个环节分别交给传感器、代码和电机，让它们替代你的眼睛、脑子、手脚。

类比要逐项对上才算数：传感器对应眼睛，但比眼睛差得多（下一节你会看到差到什么程度）；代码对应脑子，但只会按写好的规则来；电机对应手脚，但命令发出去到真的动起来，中间有延迟——就像开了半秒才转的方向盘。

现在把这套循环放到最经典的入门项目上跑一遍：循迹小车——机器人界的 Hello World。地面贴一条黑线，小车沿线走，结构简单到初高中生都能做：

1. 车底装两个朝下的传感器，能分辨黑和白
2. 左边压到线、右边是白的 → 车身偏右了 → 让右轮转快一点，车往左摆回来
3. 两边都是白的 → 完全丢线了 → 停下找
4. 回到第 1 步

注意一个细节：这个循环每秒跑大约 50 次，每次只有 0.02 秒。小车不是先看清全场、规划好完整路线再出发的，而是每 0.02 秒歪一点就修一点，笨办法一路蹭到终点。

到这里你已经理解了机器人开发的第一层：机器人就是一个死循环——读传感器，算一下，动电机，再读传感器。家里的扫地机器人、洗衣机、路上的自动驾驶，拆开看都是这个循环，只是传感器多几个、代码复杂几万倍。

二、但这解释不了两件事

用”死循环”的说法解释不了：为什么循迹小车换个场地就容易冲出跑道？为什么扫地机器人会反复撞同一面墙？

因为循环的每一环，干的其实都是”猜”。

感知是猜。 很多人以为摄像头”看到了杯子”，其实摄像头给你的只是一亿个数字（每个像素一个颜色值），”哪里是杯子”是代码从这一亿个数字里猜出来的。光线一变、杯子被挡住一半，就猜错。扫地机器人更惨：它没有眼睛，主要靠一个朝天看的摄像头认天花板、外加一个撞上了才知道的碰撞开关——相当于你蒙着眼睛在屋里走路，靠撞墙来画户型图。机器人开发者的世界，就是隔着一层毛玻璃、戴着一双厚手套的世界。

决策也是算”够用”而不是”最优”。 真实做法通常不是算出一条完美路线，而是最朴素的一招：偏多少，修多少。偏得远就狠修，偏得近就轻修——上一节循迹小车的”压线就加速对侧轮子”就是这一招。

执行还慢半拍。 代码算完”右轮加速 30%”，发指令给电机，电机要花时间真的转起来；地面还可能打滑。等你看到自己动作的结果时，世界已经又变了。

所以循环必须转得飞快：不是因为它勤快，而是因为世界不等人，只能小步快修。

去掉所有术语，机器人开发的本质就是一句话：

在一个你永远看不全、猜不准、还慢半拍的世界里，让机器每秒做几十次”足够好”的下一步。

再追问一层：为什么非得是”不断纠偏的循环”，而不是”先看清楚，一步到位”？因为”看清楚”需要时间，而小车在你看的时候已经在跑了。快和准只能取一个够用的平衡——这就是循迹小车每 0.02 秒修一次方向盘、而不是出发前算好全程路线的原因。

顺便回答开头的反差，这个现象有名字，叫莫拉维克悖论：上世纪 80 年代 AI 学者莫拉维克发现，让电脑做人类觉得”高智商”的事（下棋、算数）容易，做人类觉得”不用脑子”的事（走路、辨认东西）反而极难。原因说来有趣：算术是人类几千年前才发明的新技能，进化没来得及打磨；而感知和运动是几亿年进化精雕细琢的成果。所以造机器人最难的不是”想”，是”看”和”动”——视频里能后空翻的机器狗和家里被一只袜子卡住的扫地机，差距就在这。

三、亲手跑一遍机器人的”脑回路”

上面说的”偏多少修多少”可以亲手验证。下面 6 行 Python 就是半个机器人大脑——目标是停在离墙 10 米的地方，每一步检查一下还差多少，按比例补上去：

target = 10          # 目标：停在离墙 10 米处
position = 0         # 机器人现在离墙的距离
gain = 0.5           # 修正力度：偏差的一半

for step in range(6):
    position += gain * (target - position)
    print(f"第 {step + 1} 步: {position:.2f} 米")

运行前先猜一个问题：机器人会正好停到 10 米处吗？

跑一下，输出是：

第 1 步: 5.00 米
第 2 步: 7.50 米
第 3 步: 8.75 米
第 4 步: 9.38 米
第 5 步: 9.69 米
第 6 步: 9.84 米

越来越近，但每步只把剩余差距补掉一半，永远差一点点。真实机器人就是这样逼近目标的——传感器有噪声，”一步猛修到位”反而容易过头。

再做一个实验：把 gain 改成 1.2，猜猜输出是什么？然后实际跑一遍，你会看到 12.00 → 9.60 → 10.08 → 9.98...——冲过头，再摆回来，像荡秋千一样越荡越小。最后试试 2.0：20.00 → 0.00 → 20.00...，永远在墙和原点之间来回撞。

三组参数，就是机器人工程师的日常：力度太小，机器人磨磨蹭蹭；力度太大，机器人开始”抽风”式左右摆。传说中的”调参”，调的就是这个力度。世界上不存在不用调参的机器人——每台车的电机、每块地的摩擦力都不一样，同一份代码换台机器就得重调。

四、为什么值得关心 & 从哪开始

你不需要造机器人也该知道这套循环，因为你的生活已经泡在里面：扫地机器人决定先扫客厅还是卧室、洗衣机称重决定放多少水、手机拿起来就亮屏，全是”感知—决策—执行”的迷你版。看懂了循环，你就看懂了所有机器人广告在吹什么、又在瞒什么。

想动手的话，按投入排序：

你的状态	从哪开始	大概花销
只想体验一下这个循环	图形化编程平台（如 Scratch 控制虚拟小车）	0 元
想摸到真机器	Arduino 或 ESP32 循迹小车套件	100 元上下
想认真入行	ROS（机器人界的公共工具箱，全世界的研究代码都跑在它上面）	免费，但门槛陡
想深入算法	从本文第三节那行 gain 开始，它的大名叫 PID 控制器	免费

最后留两个自测问题，能答上来就说明真看懂了：

1. 循迹小车为什么每 0.02 秒修一次方向，而不是出发前算好全程路线？（答案在第二节：”看清楚需要时间，而世界不等人”）
2. 把 gain 从 0.5 改成 2.0，机器人为什么会在 0 和 20 之间永远震荡？（答案在第三节：每步修正量超过偏差本身，一步过头、步步过头）

这篇文章从头到尾跳过了一件事：机器人怎么知道”自己现在在哪”。这个问题的经典解法叫 SLAM——一边画地图一边定位，就像你逛一家陌生的商场，边走边在心里记路。想知道的话，下篇可以讲。