我们现在就把它收敛成一个可以开始画 CAD、买零件、做样机的 V1 版本。我建议第一版先冻结目标：机器人能够在羽毛球场上自主找到散落羽毛球，低损伤拾取，把任意姿态的球自动调整成统一方向，最后按正常羽毛球筒里的方式嵌套排列，容量 48 个球。

1. V1 整机先这样定

我建议整车控制在：

高度控制在 550 mm 左右，后面基本可以直接从羽毛球网下通过，不需要把场地硬拆成两半。

整体结构我会按这个布局：

俯视图 机器人前进方向 ↑ ┌────────────────────────┐ │ 远距离相机 │ │ │ ↘↘↘ │ │ ↙↙↙ 左侧软刷 │ 430mm拾球口 │ 右侧软刷 \ │ ↓ │ / \ │ 柔性拾球滚轮 │ / └──┤========================├───┘ │ 斜输送带 │ │ ↓ │ │ 单球分离机构 │ │ ↓ │ │ 双皮带自动定向机构 │ │ ↓ │ │ 落球漏斗 │ │ │ O │ AI板 / STM32 │ O 驱动轮│ │驱动轮 │ │ │ ○ ○ │ │ ○ ○ 4个储球筒 │ │ 转盘 │ └────────────────────────┘ 后部

这里最重要的是：球从前往后一直单向流动，不要设计复杂的机械臂搬运路径。

2. 拾球机构：这一块先追求“不伤球”

我建议不要直接照搬高速叶轮。

第一版做成：

两侧聚拢软刷 + 中央柔性滚轮 + 低位输送带。

前面两侧各一个直径大约90–110 mm的圆柱软刷，向内旋转，把离中心线 15～20 cm 的羽毛球慢慢扫到中间。

刷毛建议：

TPU 柔性条、硅胶条，或者非常软的尼龙毛。

转速第一版不要快：

80～150 rpm。

例如 100 mm 直径、120 rpm，刷尖线速度大约只有 0.63 m/s，不至于像高速飞轮一样抽羽毛。

中央再放一个：

宽 360～400 mm、直径约 90 mm 的柔性拾球滚轮。

表面不是硬胶，而是：

\ | / \ | / \|/ \|/ --------O-----O-------- 软TPU拨片

拨片碰到羽毛球以后把球“拨”进后面的斜输送带。

我建议最低处离地：

8～12 mm。

另外做两个很小的随动轮控制前端高度，避免机架一晃，拾球机构刮到场地胶。

3. 第一版输送带不要太宽

羽毛球本身最大外径只有 58–68 mm，而球头直径 25–28 mm，这是 BWF 规则给出的尺寸。(羽毛球网)

所以内部通道没有必要做到很宽。

建议：

这里最好使用低速减速电机，不需要什么大功率电机。

大约：

24 V、30～60 W、60～120 rpm 减速电机

就够了。

4. 一个非常重要的东西：单球化

实际使用时一定会出现：

○ ○ ○

两个甚至三个羽毛球同时进入。

如果直接扔进整理机构，很容易堵。

所以斜输送带结束以后，我建议加一个非常简单的：

软胶星轮 / 闸门。

变成：

输送过来的球 ○ ○ ○ ↓ ──○── ↑ 软胶星轮 ↓ 一次只允许一个

星轮每检测到后级空闲，旋转一个固定角度，释放一只羽毛球。

这里甚至不需要闭环伺服。

一个普通舵机或者小步进电机就够。

这会让后面的可靠性高很多。

5. 自动调整羽毛球方向，是 V1 最值得做好的结构

这一块我会采用已有方案验证过的基本原理，但具体结构重新设计。

已有自动捡球方案采用的是两条平行橡胶输送带，带间距小于羽毛裙最大直径，使羽毛裙被支撑，而球头在重力作用下自然向下。(谷歌专利)

我们把它做得更容易调：

正视图 羽毛裙 Ø58~68 \ / \ / ─────────\ /───────── 左软带 V 右软带 | ● 球头 Ø25~28 ↓ 重力

不要把间距写死。

我建议做成：

30～40 mm 连续可调。

第一轮实验直接测试：

30 / 32 / 34 / 36 / 38 mm。

理论上球头最大 28 mm，所以 30 mm 开始比较合理；羽毛裙最低也有约 58 mm，因此容差非常大。(羽毛球网)

结构尺寸建议：

整理段长度：250~320 mm 皮带宽度：15~20 mm 皮带间隙：30~40 mm可调 速度：0.06~0.12 m/s

这一段我会增加一个非常弱的偏心振动。

不是为了“震球”，而是在遇到横躺、两只球搭在一起时，让它自己重新寻找稳定姿态。

甚至可以让左右两条皮带：

左：0.10 m/s

右：0.095 m/s

存在约 5% 速度差。

球就会产生轻微旋转，更容易进入正确姿态。

6. 我暂时不建议第一版搞专利里的“4球翻转+横向推筒”

那个方案很聪明，而且已经有人验证：四个球进入临时筒后，整个临时筒翻成水平，再由推杆一次把四个球推入最终球筒。(谷歌专利)

但是 V1 没必要。

我们先做更加简单的：

垂直自由落球 + 轻振动嵌套

统一球头向下以后：

新球 \ / V ● ↓ ┌────────┐ │ \ / │ │ \ / │ │ ● │ │ \ / │ │ \ / │ │ ● │ │ \ / │ │ ● │ └────────┘

也就是正常球桶的排列。

这里我建议不要一开始使用真正纸球桶作为机械基准。

先加工四根透明实验筒：

内径分别：

72 / 74 / 76 mm

看看哪个尺寸对不同品牌羽毛球容错最好。

最后大概率会在：

74 mm 左右

找到比较舒服的位置。

透明材料建议 PETG 或 PC，这样能够直接观察堵球原因。

单筒高度：

400～420 mm。

基本就是普通 12 球包装的长度级别。

7. 储球我建议直接做 4×12

四根储球筒不是横着摆。

做一个简单转盘：

俯视 ○ ○ ● 转盘中心 ○ ○

四个透明筒围绕一个转盘。

固定落球点不动。

当计数：

Tube 1 = 12

STM32 控制步进电机旋转 90°：

Tube 2 → 落球口

然后继续。

所以容量：

48 个。

这已经足够覆盖大多数训练场景。

以后想扩到 72 个，只需要做 6 筒转盘。

8. 底盘我现在建议用这个规格

两个驱动轮：

24V、75～100 rpm、带编码器的 37 mm 级减速电机。

配：

90～100 mm 软橡胶轮。

如果用 100 mm 车轮：

75 rpm 理论轮速约：

0.39 m/s。

100 rpm：

0.52 m/s。

但软件限制最大速度到：

0.35～0.4 m/s

就行。

日常找球：

0.25 m/s。

最后 50 cm 靠近羽毛球：

0.1 m/s。

这已经很快。

市面上这类 24V 37 mm 编码器减速电机非常成熟，例如 75 rpm、107 rpm 等规格都有现成型号：

24V 75rpm 37mm Encoder Gearmotor

US$17.50

24V 107rpm 37mm Encoder Gearmotor

US$18.88

24V 107rpm 555 Encoder Gearmotor

US$25.50

这几个只是规格参考，你们真采购时我建议国内直接找 GB37/37GB555 编码器减速电机，不要照海外价格买。

9. 整车电机数量大约 8 个

我会这样分：

双整理皮带没必要两个电机。

一个电机通过同步轴带动两根皮带即可。

10. 堵球一定要用“电流”判断

机械结构再好，也一定会堵。

所以：

拾球滚轮、输送带、整理皮带

最好都有电流监测。

例如：

正常： 1.2 A 突然： 4.5 A 持续 >200 ms ↓ 判断堵塞

然后自动：

停止 ↓ 反转 0.4 s ↓ 停止 0.2 s ↓ 正转

最多尝试三次。

再失败才报警。

这比摄像头判断“是不是堵球”可靠得多。

11. V1 的传感器其实只需要这些

我会安装：

然后逻辑非常明确：

入口传感器 → 球确实进车了 整理出口 → 球已经正确通过整理机构 储球传感器 → 球真的掉进球筒 count += 1

不要用 AI 去推测“刚才是不是捡到了”。

一定用物理传感器确认。

12. 控制系统采用你比较熟悉的思路：AI板 + STM32

整体数据流：

USB/MIPI Camera │ ▼ ┌─────────────┐ │ RK3588 │ │ │ │ YOLO │ │ 目标定位 │ │ 路径规划 │ │ 状态机 │ └──────┬──────┘ │ UART/CAN │ ┌──────▼──────┐ │ STM32 │ │ │ │ Wheel PID │ │ Sensor IO │ │ Motor Ctrl │ │ Jam Recover │ │ E-stop │ └──────┬──────┘ │ ┌────────────┼────────────┐ ↓ ↓ ↓ 行走电机 输送电机 转盘

AI板只发：

v = 0.22 m/s w = -0.31 rad/s

STM32 自己算：

left_rpm right_rpm

然后以：

100 Hz

闭环控制电机。

Linux 上面的 AI 程序哪怕卡一帧，车辆也不会乱跑。

13. AI板我仍然建议 RK3588

ROCK 5B 的 RK3588 内置 NPU 官方标称最高6 TOPS，支持 INT4/INT8/INT16/FP16，并有 USB、MIPI CSI、PCIe 等接口。(Radxa)

你这个任务：

只有一个类别——羽毛球。

没有必要买 67 TOPS 的 Jetson。

我现在反而更倾向：

RK3588 8GB。

另外一个好消息是目前 Ultralytics 已经支持直接把 YOLO 导出成 RKNN，并指定目标平台rk3588，包括 INT8 量化部署；Rockchip 官方也维护 RKNN-Toolkit2。(Ultralytics Docs)

所以软件流程可以非常简单：

4060Ti 台式机 YOLO训练 ↓ best.pt ↓ RKNN export ↓ best.rknn ↓ RK3588

不像几年前 RK3588 部署那么折腾。

14. 你现在的 4060 Ti 16GB 不仅够，而且绰绰有余

我甚至建议第一版直接用你比较熟悉的：

YOLO26n Detect。

训练分辨率：

先：

960 × 960

如果远处小球检测还是差，再试：

1280。

因为羽毛球在三四米以外会变成很小的目标。

4060 Ti 16GB 训练这种单类别 Nano 模型完全没有必要增加第二张显卡。

你的钱更应该花在：

机械加工；

不同滚轮；

不同软刷；

透明整理槽；

测试球；

不同品牌羽毛球；

相机。

这是一个典型的：

机械实验成本 > AI 算力成本

的项目。

15. 相机我建议最终做两个，但第一版先一个

主相机：

分辨率：2560×1440 或至少1920×1080 帧率：30 fps HFOV：80~100° 安装高度：约500 mm 俯角：25~35°

负责：

0.5～4 m 左右找球。

第二个近距离相机只预留接口。

以后装在前端：

球 ↓ 中 ┌────────────┐ │ L C R│ └────────────┘

最后几十厘米只判断：

球偏左、居中、偏右。

这能显著提高入口命中率。

16. 第一版 YOLO 数据集不用很大，但场景一定要刻意做难

目标我建议：

1500～3000 张真实图片。

但一张里面可以很多羽毛球，所以最好有：

10000+ 个球实例。

重点不是数量，而是必须覆盖下面这些情况：

不同距离、不同角度、白色球/轻微变色球、球头朝向不同、羽毛朝摄像头、球头朝摄像头、多个球重叠、靠近边线、压在白线附近、强灯光、阴影、人脚附近、球拍附近、饮料瓶等干扰物。

尤其要加入：

大量没有羽毛球的负样本。

这样以后误检测会少很多。

17. 羽毛球坐标根本不需要深度相机

场地是平面。

做一次 Homography 标定：

图片像素 (u,v) ↓ Homography ↓ 地面坐标 (X,Y)

所以 YOLO 检测到：

bbox = x1,y1,x2,y2

取 bbox 下方附近的落地点：

u = (x1+x2)/2 v = y2

投影到地面。

马上得到：

Target: X = 1.84 m Y = -0.37 m

然后机器人就能过去。

完全不需要 RGB-D。

18. 最后的进球控制要单独做

我不建议机器人一路保持同一个导航控制器。

距离 > 0.6 m：

普通目标导航

距离 < 0.6 m：

切换到：

APPROACH 模式。

控制方式变成：

羽毛球 * | | image center | ↓ ┌──────────┐ │ 捡球入口 │ └──────────┘

控制两个量：

横向误差 ex 距离误差 ed

如果：

球在左边

稍微左转。

如果：

球正中央

缓慢前进。

最后以：

0.08～0.12 m/s

进入拾球区。

这里完全没必要搞神经网络控制。

P 控制甚至都够。

19. 软件最终状态机我建议直接按这个做

这是整套机器人的“大脑”：

BOOT ↓ SELF_CHECK ↓ LOCALIZE ↓ SEARCH ↓ DETECT_BALLS ↓ SELECT_TARGET ↓ NAVIGATE ↓ APPROACH ↓ PICKUP ↓ VERIFY_PICKUP ├──失败 → RETRY_PICKUP │ ↓ │ 3次失败 │ ↓ │ MARK_FAILED │ └──成功 ↓ ORIENT ↓ VERIFY_ORIENT ↓ STORE ↓ BALL_COUNT +1 ↓ Tube == 12 ? ├─是 → ROTATE_TUBE └─否 ↓ SEARCH

同时后台监控：

OBSTACLE JAM LOW_BATTERY TUBE_FULL EMERGENCY_STOP

这是我最推荐的软件架构。

20. V1 BOM，我建议把预算冻结在约 3500 元

第一版不要追求漂亮外壳。

先把功能跑通：

真实做下来：

¥3500 左右可以作为比较激进的目标。

第一次样机因为买错零件、重新加工，实际准备：

¥4500～5000

会舒服很多。

21. 第一阶段我甚至不建议买 RK3588

这一点很重要。

现在先用你们的 4060 Ti 台式机。

最初机械样机完全可以：

USB线 ↓ 台式机 ↓ YOLO

甚至先不用 YOLO。

用遥控器控制底盘。

也就是说开发顺序是：

机械 → 遥控 → 视觉 → 自主。

而不是：

AI → AI → AI → 最后发现球塞不进去。

22. 我给这个项目定的第一个真正验收实验

先不用底盘。

做一台桌面机器：

人工随机扔球 ↓ ┌───────────┐ │ 拾取滚轮 │ └─────┬─────┘ ↓ 斜输送带 ↓ 单球器 ↓ 双带整理 ↓ 漏斗 ↓ 透明储球筒

然后准备：

100 个连续测试循环。

每次随机改变球姿态。

记录四个指标：

这个东西跑通之后，我们才值得做机器人底盘。

因为它就是整个项目最难的 50%。

我建议我们接下来就这么推进

下一步我可以直接继续把这个方案进一步落到机械 CAD 级别：把前端拾球机构、斜输送带、双皮带整理器、4筒转盘分别画成“俯视 + 侧视尺寸草图”，给出轴径、滚轮直径、皮带宽度、安装孔/调节槽、各电机安装位置，以及第一批你应该购买的具体零件规格。

其中我建议最先画和制作“桌面版拾取→整理→叠球机构”，暂时连轮子和 AI 板都不要买。这个顺序能最大程度降低你们第一次样机失败的成本。