以下是制作一个家用小机器人的分步指南，涵盖硬件组装、软件编程与核心代码实现，结合了多个开源项目的实践经验，适合不同技术水平的爱好者参考。
一、硬件选择与组装
1. 硬件清单
控制器（二选一）：
Arduino Uno（入门级）：适合简单运动控制（如避障小车），成本约50元。树莓派4B（进阶版）：支持复杂功能（如视觉识别、语音交互），成本约300元。
驱动模块：
舵机：SG90舵机（约10元/个），用于机械臂或四足机器人关节控制。直流电机：搭配L298N电机驱动模块，适用于轮式机器人。
传感器：
超声波传感器（HC-SR04）：避障与测距，成本约5元。红外传感器：用于路径跟踪，成本约3元。
电源：
锂电池（7.4V）：为舵机与控制器供电，需搭配降压模块（如LM2596）。
结构件：
3D打印外壳：可下载开源模型（如Otto机器人或Spot Micro的STL文件）。替代方案：使用塑料板或木板自制底盘。
2. 组装步骤
打印/制作机身：
使用3D打印机完成Otto机器人的腿部、身体等部件，填充率20%，精度0.15mm。若为轮式机器人，可用木板切割底盘并安装电机支架。
安装驱动部件：
舵机固定：将SG90舵机嵌入3D打印关节，确保可旋转90°以上（需螺丝固定）。轮式机器人：将直流电机用热熔胶固定在底盘两侧，连接轮胎。
电子连接：
Arduino方案：通过面包板连接超声波传感器至数字引脚（Trig→D9，Echo→D10），舵机信号线接PWM引脚（如D3-D6）。树莓派方案：使用PCA9685舵机控制板通过I2C接口连接12个舵机，搭配激光雷达（RPLidar A1）实现导航。
二、软件编程与代码实现
1. 编程语言选择
Arduino（C++）：适合基础运动控制，代码简洁。
// 示例：超声波避障小车
#include
Servo wheelServo;
int trigPin = 9, echoPin = 10;
void setup() {
pinMode(trigPin, OUTPUT);
pinMode(echoPin, INPUT);
wheelServo.attach(3);
}
void loop() {
long duration = pulseIn(echoPin, HIGH);
int distance = duration * 0.034 / 2;
if (distance < 20) {
wheelServo.write(90); // 停止
} else {
wheelServo.write(180); // 前进
}
delay(100);
}
树莓派（Python）：支持高级功能（如SLAM导航）。
# 示例：跟随机器人（使用OpenCV）
import cv2
import RPi.GPIO as GPIO
cap = cv2.VideoCapture(0)
GPIO.setup(18, GPIO.OUT) # 连接电机控制引脚
while True:
ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 检测目标（如人脸）
if target_found:
GPIO.output(18, GPIO.HIGH) # 前进
else:
GPIO.output(18, GPIO.LOW) # 停止
2. 核心功能实现
运动控制：
四足机器人步态：通过舵机角度序列实现“三角步态”（每腿间隔120°相位）。轮式机器人PID调速：通过编码器反馈调整电机转速。
感知与决策：
避障逻辑：超声波传感器触发转向（左转30°，右转30°循环）。视觉跟踪：使用Haar级联分类器检测目标并计算偏移量。
三、调试与优化
硬件校准：
舵机归位：通过校准工具设置初始角度，避免机械干涉。电源测试：确保电压稳定（舵机5V，树莓派5V/3A）。
软件调试：
使用串口监视器（Arduino IDE）或SSH（树莓派）实时查看传感器数据。添加日志记录：追踪程序崩溃点（如舵机堵转导致的电流突变）。
功能扩展：
语音控制：集成ChatGPT API实现自然语言指令解析。远程监控：通过MQTT协议将传感器数据发送至手机APP。
四、成本与时间参考
低成本方案（约200元）：Arduino + 4个舵机 + 超声波传感器 + 3D打印部件。进阶方案（约2000元）：树莓派 + 激光雷达 + 12个舵机 + 定制外壳。耗时：新手约10-20小时（含3D打印），复杂项目（如Spot Micro）需50小时以上。
五、开源资源推荐
Otto机器人：提供完整3D模型与Arduino代码（[Thingiverse链接]）。Spot Micro：开源四足机器人项目，含树莓派控制教程（[GitHub仓库]）。凌十七的跟随机器人：Python代码与激光雷达集成案例（[B站视频]）。
通过以上步骤，即使初学者也能完成一个功能丰富的家用机器人。若需进一步优化，可参考MIT Mini Cheetah或波士顿动力的开源算法（如MPC控制）。