从一辆 STM32 小车开始：我如何构建 Robot Twin AI 的最小验证闭环

本文回顾 2026 年 7—8 月的项目，包含后续整理与补充。实验数字和验证范围按原始项目记录陈述；文末仓库路径为记录索引。

2026 年 9 月 18 日状态更新：Robot Twin AI 目前基本停止维护，本文保留原阶段复盘。后续硬件投入转向 Atom-S，先推进小智对话与鲸鱼娘陪伴交互，详见新项目记录。

这件事的起点，是我手里那辆 STM32 小车。

既然 AI 已经能帮我写代码，那能不能再往前走一点：看看机器人哪里出了问题，比较几个方案，再告诉我哪个值得上车试？每次都直接改参数、跑一遍，变量太多，很难说清到底改对了什么。

听起来可以叫“数字孪生”。但往下做，先冒出来的都是具体麻烦：传感器有噪声，通信一批一批地到，时间戳记的未必是我想要的时刻。相机更直接，视频录下来了，标签却没认出几帧。前面的数据都没弄明白，后面画面再漂亮，也不知道在模拟什么。

所以先围着这辆小车做。控制器、传感器、通信、电机，它一样不少，规模又还在我能拆开查的范围里。真要研究仿真和现实差在哪儿，这些已经够折腾了。

从候选方案到实车验证

长期还是想让 AI 参与机器人研发。完整的设想大概长这样，不过当前只在验证其中很小的一段：

真实行为
  -> 问题或假设
  -> 算法、参数或硬件候选
  -> 数字孪生筛选
  -> 人工确认
  -> 受控实机验证
  -> 证据判断
  -> 接受或回滚
  -> 下一轮研究

这里最容易想多的地方，是以为有了仿真就能省掉实车。我的打算要小一些：在模型管得着的范围里先筛一遍，明显不合适的别上车，剩下的再用真实实验确认。模型到底管得着多大范围，本身也要测。

因此，每次实验都要把通过的条件和观测结果放在一起：软件路径连通、控制协议响应、车辆运动符合预期，需要各自的记录。

目前我把系统理解成几层：

硬件
  -> Robot Adapter
  -> 数据、时间与状态
  -> Robot Twin Core
  -> 实验与评估
  -> AI Engineer
  -> 数据集与后续训练

其中，硬件层负责真实的传感器和执行器；适配层负责把 STM32、ESP-01S 和 TCP 的具体接口接入系统；数据、时间与状态层负责回答“这条数据是什么、什么时候产生、是否有效”；Robot Twin Core 才负责模型、状态估计和预测。

后面的 AI Engineer、经验数据集和自动研发循环属于长期方向。当前工作主要集中在前几层，以及它们之间的证据边界上。

层次	当前判断	已经能说明什么	还不能说明什么
V1-A 离线闭环	`VERIFIED`	控制器、车辆模型、虚拟传感器、预测和候选排序已经连成可重复的软件路径	不能说明模型已经完成真实标定
真实控制链路	`VERIFIED`，范围受限	一次受控硬件 Smoke 完成了参数下发、ACK、心跳、启动、停止和清理生命周期	不能说明小车在地面上的轮速、位移或循迹性能
相机与 AprilTag 观测	`INSUFFICIENT EVIDENCE`	已经可以记录视频、分析失败帧，并在部分运行中通过时间对齐门	不能说明已经获得连续、准确的真实位姿
ClockSync 与时间语义	`VERIFIED`，仅限软件契约	已经识别并修正了部分时间戳边界问题，记录也更加保守	不能说明物理时钟已经绝对同步
AI 自主改进	`PLANNED`	已经定义了候选筛选和人工确认的方向	没有经过真实验证的 AI 自动算法或硬件改进

表里的 VERIFIED 得连着后面的范围一起看。离线代码跑通，是电脑里的事；小车回了 ACK，是协议层的事。轮子有没有按预期转，还得拿别的观测来回答。

如果每次改一个 PID 参数都直接上车，我很难判断一次结果究竟来自参数本身、赛道状态、相机观测、通信延迟，还是车体和电机的差异。真实实验当然不可替代，但真实实验应该用来回答更具体的问题，而不是承担所有排错工作。

那就先把条件固定在电脑里：给定初始状态和赛道，控制器出动作，车辆模型往前算，虚拟传感器再给观测，最后比较不同候选。这是第一版探索性闭环，先确认这条路真的连起来了。

这一阶段的价值不是把模型伪装成真实车辆，而是先让候选方案比较具备确定的输入、输出和失败规则。

接上真实小车后，问题换了个样子。命令能发，状态能回，但我要怎么知道车实际做了什么？

通信层可以确认一条命令有没有被解析、一个参数有没有返回 ACK、一个运行租约有没有超时。但如果没有轮速编码器、可靠的相机位姿和正确的时间对齐，就不能从这些回包推导出“车跑得更快”或“循迹更稳定”。

相机记录也有同样的问题。视频保存下来以后，要继续检查 AprilTag 的检测结果和姿态连续性，才能判断这份轨迹是否适合标定。

接下来的文章按项目推进顺序展开：

这些文章分别对应离线比较、受控接入、视觉观测和时间分析，保留各阶段的结果与未解决项。

目前可重复的是离线候选筛选，以及带通信和安全生命周期的硬件接入。把这套结构用于真实标定、候选比较和经验积累，仍属于合理推测（INFERENCE）；模型在实车上是否足够准确、AI 能否改善机器人，都缺少对应的验证。

当时计划在固定赛道上补齐相机和车辆标定，用独立 holdout 检查预测，再做时间边界明确的 baseline/candidate 实机对照。连续的具身智能闭环尚未形成。

当时排下来的顺序是：固定实验条件，保留 baseline，补相机与车辆标定，再用没参与调参的真实数据检查预测。过了这些步骤，才轮到挑候选、人工确认、上车对照。现在项目已基本停止维护，这里保留的是那一阶段的路线，后续投入方向见文首更新。