Learn Robotics Programming — 全书拆解¶

30 秒导读: 这是一本「带你从零造一台机器人」的实战书—— 一块树莓派、两个电机、若干传感器,十七十八章之后,你手里是一台 会避障、会认路、会定位、会看脸、听得懂话的机器人。它真正的价值不在某个零件,而在两条暗线: ① 「感知 → 思考 → 行动」这条回路怎么逐层闭环; ② 一套自建的 MQTT 服务架构,让硬件、行为、网页、语音全部说同一种消息语言。

本组文档是我们重写的完整拆解,十九章。读完不必看原书。

1. 先交代清楚:这是谁在什么时候写的¶


作者	Danny Staple——英国机器人爱好者、orionrobots 主理人,Pi Wars 参赛者,序言作者 Kevin McAleer 称之为「有教学天赋的人」
版本	Packt 第三版,2026 年 5 月(2018 年首版,2021 年二版)
定位	面向「会一点 Python、想碰硬件」的 maker / 教育者 / 爱好者
硬件口径	Raspberry Pi 4B + Inventor HAT Mini + 商用零件套件(2025–2026 年的市场快照,书里自己提醒型号会过时)

两件影响阅读的事,先说在前面:

第一,这是一本「工程纪律」浓度极高的入门书。 别的入门书教你让电机转; 它先教你为什么代码不能住在机器人身上(Git + 自动部署)、 为什么硬件要包成服务(换零件不改行为)、为什么参数要进配置存储(调参不重新部署)。这些「不性感」的章节占了全书近三分之一——它们恰恰是这本书区别于玩具教程的地方。

第二,AI 在本书是「工具」,不是「主角」。 人脸检测、语音的识别与合成, 用的是三个现成的模型——靠大量例子训练出来的「认图认声」机器,下载即用,本书不训练, 第 14、16 章展开。而定位、避障、循线这些核心智能,全是经典算法: 比例控制、PID、蒙特卡洛滤波,直接写出来的数学。书里明说,连「用 AI 循线」都「当时没有更划算」——这份克制是可信度的来源。

2. 全书一条主线(读完这一节,你就懂了这本书)¶

这本书是一条从头贯到尾的推理链:每一步都是被上一步的缺陷逼出来的。不看后面任何一章,只读这一节,你就能把这本书讲给别人听。

① 什么是机器人:一台自己拿主意的机器¶

机器人 = 根据传感器输入自主做决定的机器——它和遥控玩具的分界线是「自主」。拆开看,一切机器人都是三个方块:感知(传感器)→ 思考(控制器)→ 行动(执行器), 行动的结果又被感知读到,转成一个圈——这个圈叫反馈回路,是「自动」二字的全部机制。 (第 01 章)

② 造一台,先要「想得清楚」:方块图 → 零件清单¶

动手之前先画两张图:硬件方块图(什么零件、怎么连)和软件方块图(代码分几块、谁调谁)。原则是从「这台机器人要干什么」反推零件,再用一票硬条件(能跑 Python、有 Wi-Fi、带摄像头接口、供电 3 安培……)过滤候选。在纸上犯的错,不用花钱。 (第 02 章)

③ 让机器人「离得开人」:无头化¶

机器人不可能拖着键盘跑。解法是把树莓派配成无头(headless)系统: 不接屏幕键盘,系统烧进 SD 卡时就把 Wi-Fi、主机名、SSH 密钥预置好; 开机后通过网络远程操作。这一步顺便逼出了一个更深的设定——机器人必须学会自主, 因为你根本来不及敲命令。(第 03 章)

④ 让心血「丢不了」:代码的三个保险¶

几周写的代码,一次断电就全没。三层防线:代码住电脑上、机器人只收副本; Git 记下每次改动、改坏了能回滚;部署写成幂等脚本,SD 卡报废也能一键重建。 (第 04 章)

⑤ 接通「行动」:先让轮子转,再把轮子包成服务¶

电机通电容易,书里却在这里踩了一脚刹车:直接调电机的代码,换个驱动板就得重写。 于是把电机包成一个 MQTT 服务——行为代码不再碰硬件,只发消息 (「左轮 80%、右轮 40%」)。从此硬件换不换、行为都不用重写; 手机、网页、语音,谁都能发同样的消息。(第 05、06 章)

⑥ 给人留接口:开机自启 + 手机网页¶

服务要开机自己跑(systemd),状态要用一颗 LED 喊出来(「我好了」); 控制界面不装 App、用网页,摇杆推一推,机器人满场跑。再加一个「启动器」服务,网页上的按钮就能指挥所有行为。(第 07 章)

⑦ 闭环第一圈:从「看不见」到「会躲墙」¶

接上距离传感器,机器人第一次「感知世界」。第一代避障是开关式的 (近了就急转,术语叫 bang-bang);第二代把转向力度做成距离的连续函数 (比例控制)——动作平滑了,但引出了新的病:振荡。这本书对待病症的方式值得注意:不藏,先让你看见(数据曲线),再留到后面治。(第 08、09 章)

⑧ 治「走了多少」的病:编码器 + 闭环控制¶

时间驱动的机器人永远走不直——电机有差异、地面会变、电池会旧。 编码器把「轮子转了多少」变成数字,再换算成毫米;然后请出控制工程的瑞士军刀 PID 控制器:目标速度 − 实测速度 = 误差,误差喂给控制器,输出新的电机功率。于是「走一米停」「走直线」「转 90 度」从许愿变成可复现的动作。 (第 10、11 章)

⑨ 治「我在哪」的病:不计算位置,而是养活一堆猜测¶

蒙特卡洛定位的思路一反直觉:机器人不去「算」自己在哪,而是同时养活 几千个「我可能在这」的猜测,让编码器数据推着它们走、让场地边界当裁判打分, 按分数重新抽签——好猜测被复制,坏猜测被淘汰。几轮下来,猜测聚成一团的地方, 就是它最可能在的地方。(第 12 章)

⑩ 给猜测更多裁判:每个传感器都是一个「观测模型」¶

边界裁判太苛刻(非内即外),机器人不开到墙边系统就不收敛(猜测聚不成团)。于是给距离传感器建一个概率场裁判:把墙抹成高斯模糊的山脊, 每个猜测按「假如我在这,传感器该看到什么」打分,两个裁判的分数相乘—— 收敛从几分钟缩到二十秒。 同样的思路用到运动上:编码器里程与 IMU 航向按 7:3 互补, 各补各的短板。(第 13、17 章)

⑪ 更高级的感官:摄像头、耳朵¶

摄像头给机器人「眼睛」:神经网络认脸、颜色管线认物,检测数据走老规矩—— MQTT;两个 PID 把「脸在画面左」变成云台的转动。循线是整条链的毕业考: 图像管线(在电脑上离线调好) + 三项俱全的 PID,机器人沿黑线自己跑完全程。语音让机器人「听得懂、会说话」:唤醒词 + 限定词表(识别器只许输出的词清单)的本地识别, 命令表一查,发 MQTT——语音没有特权,只是又一种遥控器。(第 14、15、16 章)

⑫ 走出去:还债、入圈、再造一台¶

最后一章先还安全债(密码明文、通信裸奔),再给地图: 社区、竞赛、制造技能、ROS 2、机器学习。然后回到第 1、2 章的方法论—— 「为什么做 → 铅笔草图 → 方块图 → 选件」——启动你的下一台机器人。 方法没变,变的是你已经有了一整套工具箱。(第 18 章)

一句话收尾¶

这本书用十八章演示了一件事: 机器人智能 = 简单的部件 + 诚实的反馈 + 一层层把「感知」翻译成「决定」的管道。 没有魔法,每一步都有出处、有曲线、有排错清单。

3. 十九章地图¶

这张表不用记任何术语 —— 每章后面写的是「读完你能回答什么问题」。

章	读完你就能回答
01 机器人到底是什么	什么才算机器人?洗衣机为什么算、遥控车为什么不算?
02 动手前的规划	从零造一台机器人,第一步干什么?怎么保证买的零件装得上?
03 无头树莓派	不插屏幕键盘,怎么配置和远程控制一台树莓派?
04 保护机器人代码	SD 卡说坏就坏,怎么让几周的心血一次也不丢?
05 组装底盘	塑料件、电线、电池,怎么不用焊枪装成一台能通电的车?
06 让机器人动起来	为什么书里非要先把电机「包成服务」才许写行为?
07 用手机开机器人	开机绿灯一亮、掏手机就开的「产品感」是怎么搭出来的?
08 距离传感器	光学和超声波怎么选?64 个距离数怎么变成手机上的画面?
09 自主避障	「见墙就躲」怎么写?为什么平滑的版本又会晃?
10 舵机与云台	舵机和普通电机差在哪?脉冲宽度怎么变成角度?
11 编码器与里程计	时间开车为什么必歪?「走一米、转 90°」靠什么变准?
12 蒙特卡洛定位	机器人怎么在不知道自己位置的情况下,「猜」出自己位置?
13 IMU 与朝向保持	陀螺、加速度计、罗盘各有什么用、各有什瞎?
14 机器人视觉	不训练任何模型,怎么让机器人认脸、跟色块?
15 循线	黑线在画面里怎么变成数字?PID 最后一块拼图(D)是干嘛的?
16 语音 Agent	离线语音命令怎么做?唤醒词和限定词表为什么必要?
17 传感器融合	概率场是什么?多个传感器的话怎么「相乘」而不是各说各话?
18 把路走下去	这台机器人还欠哪些安全债?下一步该学什么、下一台怎么开始?
19 附录	零件怎么找替代品?满手命令怎么串成一条流水线?

推荐顺序: 01 → 19 顺读即可,原书的顺序就是最好的学习曲线。只想拿结论的:读本页第 2 节 + 09、12、17 三章。

4. 这本书覆盖什么、不覆盖什么¶

覆盖(而且讲得比多数材料清楚)——读完你能动手:

机器人三大件与反馈回路的完整图景(电机、传感器、控制器各有哪些、怎么选);
树莓派无头化、SSH 远程、Linux 服务管理的实操流程;
一套可复用的机器人软件架构:MQTT 服务层 + 行为层 + 手机网页 + 语音,全说一种消息语言;
控制工程入门三部曲:比例控制 → PI/PID → 抗积分饱和,每步都有曲线可看;
里程计(编码器 → 毫米)与运动学(转弯 = 两轮各走各的弧);
蒙特卡洛定位与传感器融合的动手实现(粒子、权重、重采样、概率场、互补滤波);
计算机视觉两条路线(神经网络模型 + 经典图像管线)与循线毕设;
本地语音命令(识别 + 合成 + 唤醒词 + 词表圈定);
贯穿全书的工程纪律:版本控制、幂等部署、配置存储、可视化调试、排错清单。

不覆盖(别指望在这本里找):

缺什么	说明
ROS / ROS 2	全书刻意自建中间件(MQTT + systemd);ROS 只在最后一章作为「下一步」指路
SLAM、地图构建、路径规划	定位止于「已知地图上的粒子滤波」;不建图、不规划 A*
深度学习训练	三个 AI 模型全部下载即用;不训练、不微调、不讲网络结构进阶
实时系统与硬实时控制	循环靠 `sleep`,延迟和抖动没有定量分析
户外与竞赛环境	全程假设室内平地、家用 Wi-Fi、良好光照;电池续航只有采购约束没有设计
多机器人与通信安全	单机单机器人;安全在最后一章还了第一笔债(凭据外置),TLS/登录只给路线

5. 我们的判断¶

判断(我们的,不是书里的): 这本书在今天的价值排序是—— ① 软件架构与工程纪律(不过时)> ② 经典控制与定位算法的动手实现(不过时)> ③ 具体型号与界面代码(正在过期)。 型号会死(书里自己承认)、网页库版本会漂,但「把硬件包成服务、把参数赶出代码、给每个行为留窃听口」这三件事,对任何年代的机器人都成立。 如果拿它当教材,引②,照抄①,别抄③里的任何型号。 如果错,会错在: 若 ROS 2 生态继续吞掉中低端教育机器人(把 MQTT 这类自建总线挤成异类), 那么①里「自建中间件」的做法会从「通用工程能力」贬值成「特定生态外的手艺」, 教学价值仍在、直接迁移性会打折。

判断(我们的,不是书里的): 全书最值得带走的一句话其实是第 03 章那句副产物: 「无头化逼你想清楚自主行为——因为你根本来不及敲命令。」 这句话解释了为什么这本书一半篇幅在搭基础设施: 机器人开发的每一步「不方便」,都是在把人的角色从「司机」往「设计师」推。 如果错,会错在: 对于纯软件背景、只关心算法的读者,基础设施的占比会显得臃肿—— 那是定位差异,不是书写错了;这本书的读者画像从来是「maker」,不是算法工程师。

判断(我们的,不是书里的): 它对「AI 的克制」值得单独一记—— 人脸、语音用现成模型(消费 AI),定位、循线坚持手写经典算法(理解原理), 并且明说神经网络循线「当时没有更划算」。在「什么都往模型里塞」的年代, 这种「按问题选工具」的冷静是稀缺品。 如果错,会错在: 小语言模型与端侧(直接在机器人本地运行的)视觉的性价比曲线正在快速变化—— 若 2026 之后端侧 SLM/视觉模型成本骤降,书中「经典算法更划算」的多个判例会逐个失效; 但「先理解经典、再消费模型」的学习顺序本身不会失效。

6. 许诺兑现表¶

这份拆解里每一处「第 N 章讲」,都在这里记一行、逐行核过。

许诺在哪	许诺了什么	应兑现在哪	核过了吗
本页 §2 ②	方块图与选型过滤	`02` 全章	✓
本页 §2 ③	无头化逼出自主设定	`03` §1、§7	✓
本页 §2 ④	三层防线与幂等重建	`04` §2–5	✓
本页 §2 ⑤	MQTT 服务层与换硬件不改行为	`06` §6–8	✓
本页 §2 ⑥	systemd、LED、launcher	`07` §3、4、8	✓
本页 §2 ⑦	bang-bang 与比例控制、振荡伏笔	`09` §5、6	✓
本页 §2 ⑧	编码器换算与 PID 到位	`11` §3–7	✓
本页 §2 ⑨	粒子滤波的猜测循环	`12` §2–9	✓
本页 §2 ⑩	概率场、相乘融合、互补滤波	`17` §3–6	✓
本页 §2 ⑪	视觉、循线、语音三件套	`14`–`16`	✓
本页 §2 ⑫	安全债、社区、下一台	`18` §3–7	✓
`01` §2	后面各章在回路图上的位置	`05`–`17` 各章 §2	✓
`03` §4	公钥认证省了什么	`03` §4 机制图	✓
`06` §1	跑偏的病第 11 章治	`11` §1	✓
`08` §4	电平红线与第 8 章选型	`08` §4、§6	✓
`09` §6	振荡留给 PID 治	`11` §6、`15` §6	✓
`12` §1	多模型融合在 17 章	`17` §5	✓
`13` §9	IMU 磁干扰由融合补	`17` §6	✓

拆解写于 2026-10-19,依据 2026 年 5 月 Packt 第三版(ISBN 978-1-80324-698-7)。原始书籍文件不入库,本组文档是我们自己的重写; 每条引用都可用 node scripts/book-verify.mjs learn-robotics-programming 回核。