“NeuroMouse V2.0”这个方案在AAMC 2026拿了个第三名。说实话，冲线那一刻我的心情挺复杂：没能守到第一，但隔壁几个调试团队都在抱怨鼠“发疯”时，我的鼠还能稳定跑完接近满速的全程，这本身就是一种胜利。我是从V1.0那个“跑直线都会画龙”的版本一路改过来的，整个项目最核心的变化，就是主控从STM32F103换成了ESP32-S3，并且围绕这颗芯片重写了全套控制框架。这篇文章就把我这次V2.0迭代时的硬件选型、结构设计、算法调参以及比赛现场踩坑的记录完整摊开，适合正在做Micromouse或者准备参加类似自主迷宫竞赛的朋友参考。
不少人和我说过，Micromouse这种比赛用ESP32-S3显得“不够严肃”，毕竟MATLAB仿真、FPGA、高速裸机代码才是主流。但我的出发点很简单：我缺的不是底层计算，而是快速迭代和调试的效率。ESP32-S3有双核240MHz，带浮点单元和向量指令，USB原生烧录，还内置WiFi和蓝牙。这个规格对一台微型鼠来说已经溢出，真正难的是如何在有限的体积里把传感器、电机、电源和算法可靠地捏成一个闭环。V2.0花了三个多月才达到“敢在比赛场上把速度拉到80%以上”的状态，下面这些内容全是从一次次炸车里总结出来的。
1. 项目背景与选型：为什么是ESP32-S3
1.1 Micromouse到底是什么
Micromouse比赛要求一台完全自主的小型机器人，在没有外部干预的情况下探索一个由16x16个方格组成的迷宫，每格尺寸通常为18cm x 18cm，通过感知墙壁的位置，实时构建地图，并找到从起点到迷宫中心的最短路径，最后在最短时间内完成从起点到终点的冲刺。这项比赛已经有几十年历史，不过真正让它“卷”起来的是近十年电机、传感器和控制算法的进步。现在的顶级鼠能跑出10秒以内的成绩，而普通爱好者做出来的作品往往还在“能不能不撞墙”这个阶段挣扎。
AAMC 2026是我参加的一个亚太地区小型自主迷宫竞赛，项目名NeuroMouse V2.0用的是我自己的命名体系。所谓“Neuro”，并不是说用了什么高深的神经网络，而是我把整个系统整理成类似神经反射的结构：感知层每隔一小段时间采集传感器数据，中间层根据地图和当前速度生成运动指令，底层电机驱动负责执行。分层设计让每部分可以独立调参，V2.0最大的改变就是把V1.0里纠缠不清的裸机回调，重构成了清晰可维护的实时状态机。
1.2 主控选型的纠结与最终选择
做V1.0时我用的是STM32F103，外设寄存器太灵活，写代码时经常因为一个GPIO复用配置错误，花了半天时间查“为什么轮子不动”。后来换了STM32F4，性能有所提升，但每次调试都要外接一个ST-Link，现场改参数还要重新编译烧录，每次迭代浪费大量时间。加上板子上的蜂鸣器、LED和OLED调试信息实在有限，很多时候只能靠盲调。
选择ESP32-S3有几个决定性原因。第一，原生双核。我把传感器读取和运动控制放到一个核上，把WiFi日志、地图更新和遥测放到另一个核上，互不干扰。第二，内置WiFi，配合ROS或自写上位机，可以无线修改PID值，不需要重新烧录。第三，USB CDC可以直接当串口用，哪怕手边没有CH340，也只需要一根USB线连电脑就能看到日志。第四，价格便宜，模组几十块钱，买几块做破坏性试验都不心疼。
当然，ESP32-S3也有坑。ADC线性度较差，模拟传感器读数容易出现波动；FreeRTOS的调度在默认配置下有时候会出现优先级反转；还有WiFi射频辐射可能会干扰旁边走线的传感器信号。这些问题在V2.0中都遇到过了，后面会一个一个拆开说解决办法。我的结论是：对于“以开发效率优先”的业余或半专业参赛团队，ESP32-S3是很合适的选择；如果你已经有成熟的高速代步鼠，那换主控反而会打破原有的稳定状态，不建议盲目跟风。
2. 硬件架构：V2.0迭代里那些取舍
2.1 机械底盘设计要点
V1.0的底盘是用3D打印的一块聚乳酸板材，重量达到280g，电机直接装在打印件上，一跑起来就抖动，编码器读数经常跳变。V2.0放弃了纯打印底盘，改用碳纤维板加铝合金立柱的方案。碳纤维板用激光切割出来，厚度1.5mm，重量比V1.0轻了将近100g。不过碳纤维导电，安装时必须注意PCB和碳板之间要有绝缘垫片，否则电源正极压到碳板就是一场微型烟花。
底盘尺寸上，我设计的车体长96mm，宽82mm，前轮距55mm，后轮距55mm，车高包括顶部传感器板大约62mm。这个尺寸比规则允许的最大值小很多，但并不意味着越小越好。如果轮距太窄，车在高速直线行驶时对左右传感器一致性要求极高，而且电池安装位置也受限；轮距太宽，转弯半径变大，在做迷宫搜索的90度转向时会明显缩短可用的“提前量”。
电机我选的是N20微型减速电机，减速比1：30，带霍尔编码器。轮子是36mm直径的硅胶轮，表面有轻微摩擦纹。这里有个关键点：轮子的直径决定了每转对应的距离，而编码器分辨率又是通过轮径换算的，因此轮径的精确值不要完全相信标称值，我用游标卡尺测了多个轮子，发现直径差0.3mm都会导致左右轮速度差，最终表现为跑不直。最稳妥的办法是实际滚动几圈，量出平均周长，再把单位脉冲对应的距离标进系统参数里。
2.2 传感器阵列：红外测量还是ToF
Micromouse的墙壁检测有三种常用方案：红外距离传感器、激光ToF传感器、超声波传感器。超声波响应慢、精度低，几乎不用于高速竞赛；激光ToF如VL53L0X精度好，但每次测量需要几毫秒，在高速冲刺中如果每个周期读5颗传感器，控制周期就会被拖到十几毫秒以上，运动响应会显得迟钝。V2.0最终选择的是定制红外传感器阵列：用850nm红外发射管和光电接收管，通过测量反射光强来估算墙壁距离。
这种方案最大的问题是“模拟量”很脏，墙壁反光率、环境光、传感器温漂都会造成读数偏差。但我愿意付出校准成本，换取的是极快的响应速度：模拟量可以直接被ADC采样，加上滤波和外推，整个控制周期能做到1ms以内。实际布局是前向2颗、左右侧各2颗、后向1颗，总共5颗传感器，呈斜向安装，以兼顾不同距离的测量范围。每颗传感器输出经过一级运放放大后接入ESP32-S3的ADC引脚。
ADC线性差的问题，我处理方式很简单：不依赖线性关系，每颗传感器单独做距离标定。标定时用步进电机带动一个小墙板，从3cm到30cm每隔2mm记录一次ADC值，生成一张查找表。因为ADC的重复性在恒温下尚可，只要标定一次，跑比赛前再只用距离为0的参考点做偏移修正就够了。如果你手头没有步进电机，也可以手工用带刻度的滑台来标，虽然没有那么平滑，但已经比赛足够。
2.3 电源与电机驱动
车上的电源直接用2S锂聚合物电池，标称7.4V，实际充满电压8.4V，放到3.7V每节就不能再跑。电机驱动选用TB6612FNG，原因是它体积小、压降低，且带电流限制功能，对电机这种堵转电流可以达到数安培的负载来说足够稳定。TB6612的电源端直接接电池，逻辑端接3.3V，注意电机驱动器的地和ESP32-S3的地必须单点连接，否则数字噪声会引入编码器计数异常。
ESP32-S3的工作电压是3.3V，我用了一颗低静态电流的LDO把电池电压降到5V，再用一颗LDO降到3.3V。很多人会忽略电池电压的变化对电机驱动力矩的影响。PID速度环虽然能补偿一部分，但补偿前馈电压项非常关键。我的做法是每5ms采样一次电池电压，算出一个与电压成反比的前馈PWM值，叠加在PID输出之前。这样电池从8.4V掉到7.2V时，相同的速度指令对应的PWM占空比会相应变化，避免速度环的积分器不断加深导致响应迟钝。
3. 软件系统：感知、决策、运动闭环
3.1 状态机与多任务划分
ESP32-S3双核让我有条件把代码拆成两个并行上下文。核心0运行运动控制线程，优先级设为最高，并且用固定频率的定时器中断触发，比如500Hz。核心1运行传感器融合、地图更新、WiFi日志、调试命令，甚至还有一小块故障监视器。这样即使WiFi传输占用了大量CPU，也不会影响电机控制循环。
整个系统状态机分为如下状态：
- BOOT：校准传感器、初始化电机、等待启动按键。
- EXPLORE_SEARCH：迷宫搜索模式，结合Floodfill算法更新地图。
- RETURN_HOME：搜索完成后返回到起点，为冲刺做准备。
- SPEED_RUN：冲刺模式，依据已建立的地图高速运行。
- STOP：结束并待机。
状态切换不能直接硬跳。比如从EXPLORE_SEARCH切换到RETURN_HOME，需要先将速度降到安全值，等车完全停稳后，再修改目标点，避免因为速度突变导致位置估算错误。这个看起来“多余”的步骤，其实是很多新手鼠撞墙的根源：位置信息在高速移动中已经积累了误差，不减速就切换路径规划，后面全乱套。
3.2 速度环与位置环PID设计的细节
速度环是控制小车的核心，我用的是标准增量式PID，控制频率是500Hz。你别看PID原理简单，真正稳定跑高速，需要处理好三个问题：
- 编码器测速噪声。霍尔编码器在低速时容易有漏脉冲，如果直接微分会得到毛刺。我用了滑动窗口中值滤波，窗口长度3，配合一阶低通，基本能把速度估计的噪声压在2%以内。
- 积分限幅。电机堵转时PID积分会飞速累积，不加限幅的话，等外力消失后会给一个猛烈输出，让车弹出去。我的积分限幅设置成最大PWM的20%。
- 前馈。单靠PID响应低频变化够用，但在梯形速度曲线的加速段，纯PID会有明显的滞后。因此我加了一个速度前馈项，根据目标速度查表给出基础PWM，PID只负责修正偏差。
代码里大致建模如下：
// 500Hz控制循环内 speed_pid.InnerFeedback(encoder_speed_mm_s); float ff = feedforward_curve.sample(target_speed_mm_s); float pid_out = speed_pid.compute(target_speed_mm_s, encoder_speed_mm_s); float voltage_comp = battery_voltage_comp(target_voltage_nominal, battery_voltage); float pwm_set = ff + pid_out + voltage_comp; set_motor_voltage(left_motor, pwm_set);位置控制则是外环，频率100Hz。外环每次根据路径规划计算当前应该到达的位置，反推出目标速度，再交给内环执行。转向控制我用的是“圆弧过渡”策略：在到达十字路口前，提前计算出从当前直线过渡到目标方向的圆弧半径，并把该圆弧转化为一系列目标横坐标和航向角。这样比“走直角”速度更快，也减少了对墙面传感器的依赖。
3.3 Floodfill迷宫搜索与冲刺规划
迷宫算法是最经典的了。我用了Floodfill，以迷宫中心为目标区域，每次探测到新的墙壁后重新计算每个格子的距离值，当前格子选择旁边距离最小的格走。这个算法实现起来简单，但要让鼠在迷宫搜索时少走回头路、减少转向次数，还得额外加启发式规则。比如优先级是：优先走直线，其次右转，然后左转，最后掉头。这个规则的排序可以调整，不同的迷宫布局会带来不同效率，用仿真器验证我觉得很值。
搜索阶段结束后，鼠已经有了完整地图，然后运行迪杰斯特拉算法求出从起点到迷宫中心的最短路径。为了让冲刺段更快，我把这个路径做了一步平滑处理：把连续三个格子形成的两条直线段替换成一条直线段，只要中间格子的墙壁允许且转向所需距离足够。这一步平均能缩短4到6个弯道，大概节省0.8秒左右。
冲刺时鼠运行在速度优先模式：直线段用最大的梯形速度曲线，极限速度可以到1.8m/s左右；弯道处会根据圆弧半径动态限速，这个速度阈值不是随便给的，我通过实验找出了不同半径下的最大安全过弯速度，并存表。再靠陀螺仪或侧向传感器跟踪修正。V2.0没上陀螺仪，因为红外侧传感器已经足够密集，用侧壁跟随就能完成大部分航向修正。但如果你要跑来年更高等级的赛道，我建议还是装一颗低成本IMU，尤其对快速掉头会有帮助。
4. 赛场上真实遇到的问题与调参记录
4.1 红外传感器“死亡结界”：强反光导致的误判
比赛前一天场地验收，我把鼠放上去试跑，结果一进那段用高光泽亚克力贴纸围起来的墙面，传感器读数立刻爆表：明明前面没有墙，却显示“距离20cm处有物体”，导致车直接减速四处乱探。这就是典型的红外反光干扰。墙面表面反光太强，红外接收器收到的是镜面反射，而不是漫反射回波。
现场解决方法有三个，按优先级推荐：
- 提高传感器灵敏度阈值，同时启用“二次检测”：如果读数突然小于3cm，而前一刻还在20cm左右，认为该读数为无效，等待两个周期后再确认。
- 在传感器探头后方贴深色遮光棉，减少外部光杂散信号。
- 给发射管加调制脉冲。这需要硬件支持，V2.0的PCB上没有设计脉冲驱动，所以只能靠软件一致性检测缓过比赛。赛后我已经把下一版硬件改成了38kHz调制的红外发射，噪声抑制能力提升明显。
4.2 电池电压波动带来的出力不均
比赛场地环境温度较高，电池性能下降很快，满电时最高速度能到1.75m/s，跑几圈后掉到1.5m/s。一开始我没有做电压前馈，只在速度PID里靠积分硬顶，结果就是高速段发飘，中速段又过头。后来我把电池电压采样接入前馈表，效果立竿见影：同样的速度指令在不同电量下输出PWM基本一致。建议准备两张前馈表，一张针对新电池，一张针对老化电池，比赛前根据电量切换。
4.3 迷宫第二圈掉速：地图重置问题
搜索阶段跑完回到起点时，软件里地图数组还保留着搜索时生成的临时标记，导致冲刺阶段不能用最短路径。第一次发现这个问题时，我以为是传感器又闪了，但后来通过无线日志看到，车在冲刺时走了一条奇怪的绕路。问题出在Floodfill算法为了搜索效率会把终点目标格标记为“绝对值0”，而冲刺阶段应该把目标重新设置为迷宫中心，并且清空所有格子的访问标记。解决起来就两行代码，但如果不加这步，就会发生“慢车绕路”的滑稽场景。
5. 独家调试技巧与后续扩展
5.1 ESP32-S3无线日志与在线调参
这是V2.0迭代效率提升最明显的地方。ESP32-S3内置WiFi，我把它配成SoftAP模式，车本身开一个热点，电脑连上这个热点后通过UDP发送和接收调试数据。上位机用Processing写了个极简表格界面，每50ms刷新一次速度、编码器值、传感器距离、PID误差和电池电压。比赛现场如果发现问题，可以坐在电脑前实时改PID参数包，然后通过UDP下发，不用拔插U盘、重刷固件。这套流程在V1.0是完全不可想象的。
你可能会觉得无线传输会增加系统开销。实测下来，WiFi吞吐只有几百字节/秒，中断占用量可以忽略。唯一需要注意的是WiFi天线附近不要走模拟传感器线，我把天线放在了车尾，朝上，这样既不影响射频性能，也不干扰传感器模拟信号。
5.2 基于记录的迷宫回放工具
调试深了以后发现，单纯看日志并不直观。于是我在PC端加了一个回放工具：把每次运行时的地图状态、位置坐标、速度曲线都写入SD卡上的二进制文件。跑完后把文件拖进上位机，程序就会把鼠的运动轨迹和感知到的墙壁叠加到虚拟迷宫上，这样你可以快速回放“到底第几圈在哪撞上墙”。这个回放工具不复杂，核心就是记录每个时间片的位置和传感器读数，但效果远超一切现场猜测。建议所有做自主移动竞赛的团队都搞一个。
比赛结束后，我没有继续开发V3.0，而是把这个回放数据整理成了软硬件改进清单：第一项是换掉红外发射管驱动部分，改用脉冲调制；第二项是给电机编码器输出增加信号整形电路；第三项是在算法里加入陀螺仪数据融合，让过弯更稳。这些方向不一定都适合所有人，但如果你在调试自己的鼠时遇到我上面提到的类似症状，希望能给你一些可以上手的思路。
做Micromouse最有趣的地方，不只是比谁跑得快，而是比谁在有限时间里解决问题更聪明。ESP32-S3让我把更多精力集中在运动控制和迷宫策略上，而不是在烧录器和示波器之间反复横跳。下次比赛，我想试试看把WiFi调参工具直接做成手机App，赛场边冲电边改参数，应该会更有意思。
