基于ESP32-CAM与YOLO的自主格斗机器人：低成本嵌入式AI实践

1. 项目概述：当机器人学会“看”与“打”

几年前，我在一个机器人展会上看到一群孩子围着一台笨拙的轮式机器人欢呼，它正试图用一根棍子去戳一个发光的球，但大部分时间都在原地打转。那一刻我意识到，虽然机器人硬件越来越普及，但让它们真正“理解”周围环境并做出智能决策，对大多数爱好者而言，门槛依然很高。于是，一个想法诞生了：能不能用最便宜、最容易获取的零件，造一个能真正“看见”对手，并自主决定如何“战斗”的小机器人？不是为了制造暴力，而是为了将计算机视觉和机器学习这些听起来高深的技术，以一种极度有趣和直观的方式——比如一场拳击赛——带给更多人。这就是“Punchy the MECH”项目的起点。

这个项目的核心，是构建一个基于ESP32-CAM微控制器和YOLO（You Only Look Once）目标检测算法的自主格斗机器人系统。整个系统的成本可以控制在50美元以内，其目标远不止于一场机器人打架秀。它本质上是一个完整的、软硬件结合的嵌入式人工智能教学平台。通过它，你可以亲手实践如何将摄像头采集的原始图像数据，经由神经网络模型处理，最终转化为驱动电机、挥舞拳头的具体动作指令，完成从感知到决策再到执行的完整闭环。无论是对于想入门嵌入式AI的学生，还是希望验证某个视觉算法想法的工程师，亦或是单纯享受创造乐趣的创客，这个项目都提供了一个绝佳的、低成本的实践框架。

2. 系统架构设计：分布式智能的权衡

在设计之初，我就面临一个关键抉择：是把所有计算（图像采集、目标检测、运动决策）都放在机器人本体（边缘计算），还是将计算任务分离？经过反复权衡，我选择了后者，即“轻量终端+强大后台”的分布式架构。这背后有几个核心考量。

2.1 核心架构解析：为什么选择客户端-服务器模式？

首先，成本与功耗是决定性因素。ESP32-CAM是一块非常优秀的物联网模块，集成了Wi-Fi、蓝牙、摄像头和足够的GPIO，但其双核处理器的主频和内存资源，要流畅运行YOLOv8这类现代目标检测模型并同时处理电机控制，是极其困难的。强行在本体实现，要么需要性能更强、价格更贵的计算模块（如Jetson Nano，成本飙升），要么需要简化模型到几乎不可用的程度。其次，开发与迭代效率。将复杂的机器学习和决策逻辑放在PC端的“战斗服务器”（Battle Server）上用Python实现，可以利用成熟的深度学习框架（如PyTorch, Ultralytics YOLO）、丰富的调试工具和强大的算力。这意味着你可以快速调整策略、更换模型，而无需每次都将固件烧录到机器人上，极大提升了开发效率。

因此，最终的架构被清晰地划分为两部分：

1. MECH（机器人终端）：职责是“感知”和“执行”。它通过ESP32-CAM捕获实时视频流，通过Wi-Fi发送给服务器；同时接收服务器下发的运动指令（如前进、后退、左转、出拳），并通过GPIO的PWM信号控制三个360度连续旋转舵机来执行。
2. 战斗服务器（决策大脑）：职责是“思考”和“指挥”。它运行在连接同一局域网的电脑上，接收所有MECH发来的图像，调用YOLO模型进行目标检测（识别对手MECH的位置），根据预设的“战斗策略”算法（例如，朝向对手移动，进入攻击范围后出拳）生成指令，并通过Socket通信将指令发回对应的MECH。

这种架构的另一个巨大优势是可扩展性。一个战斗服务器可以同时连接并指挥多个MECH进行混战，或者进行团队协作演练，这在本体计算方案中是难以实现的。

2.2 硬件选型背后的逻辑

硬件清单上的每一个零件都不是随意选择的，它们共同支撑着“低成本、易实现、可扩展”的设计目标。

• 主控：ESP32-CAM (AI-Thinker)。这是项目的灵魂部件。选择它而非普通的ESP32开发板加独立摄像头，主要出于集成度与体积的考虑。其板载OV2640摄像头足以提供640x480分辨率的图像，满足YOLO模型输入的基本要求。同时，其Wi-Fi功能是实现与服务器通信的基础。需要注意的是，ESP32-CAM模块的3.3V IO电平与部分5V外设（如HC-SR04超声波传感器）直接连接可能存在风险，但通过适当的分压电路或选择3.3V兼容的传感器变种可以解决。
• 动力与执行器：FEETECH FT90R 360度连续旋转舵机。普通舵机只能在0-180度范围内定位，而我们需要的是能像电机一样持续旋转驱动轮子。这种360度舵机本质上是一个集成了控制电路的直流电机，通过PWM信号占空比来控制其转速和方向。选择它而不是直流电机加驱动板，简化了电路和代码（直接使用Arduino的Servo库即可控制）。
• 感知补充：HC-SR04超声波传感器。虽然视觉是主要感知手段，但在近距离缠斗或环境光线极差时，超声波传感器提供了一个可靠的近距离（2cm-400cm）测距备份。它成本极低，接口简单（一个触发针，一个回响针），能为战斗策略增加一层安全冗余，例如防止在看不见的情况下撞墙。
• 能源：5V/2A+ 移动电源。这是整个系统稳定运行的基石。ESP32-CAM在启动Wi-Fi和摄像头时峰值电流可能超过500mA，三个舵机在堵转或启动瞬间的电流更大。一个输出能力不足的电源会导致ESP32不断重启。实测表明，一个标称5V/2.1A的移动电源可以稳定驱动整套系统。这里有个关键技巧：许多廉价的移动电源标称2A，但实际输出可能波动。最好选择品牌产品，并确保其在连接负载时电压能稳定在5V左右。

注意：务必确认你的FTDI编程器是5V版本。ESP32-CAM模块虽然核心是3.3V，但其串口通信引脚有些版本对电平兼容性要求较高，使用3.3V的FTDI可能导致无法烧录程序或通信不稳定。一个简单的判断方法是测量编程器上VCC引脚对GND的电压。

3. 机械结构与组装：从模型到实体的实现

机器人的机械结构不仅决定了它的外观，更直接影响其运动性能、稳定性和“可战斗性”。设计时我遵循了“模块化、易打印、易组装”的原则。

3.1 3D设计要点与打印实战

所有结构件均采用3D打印制作。主体框架（Base Frame）是核心承力部件，需要一定的强度和刚度，建议使用PLA材料，填充率设置在40%-50%。前、后电池仓盖板除了固定部件，还起到了保护内部电路和引导线缆的作用。

最关键的动态部件是“滑动臂”（Sliding Arm）和“拳头”（Fist）。它们的连接采用了磁吸方式——在滑动臂末端和拳头内部各嵌入一个8mm直径的钕铁硼磁铁。这是实现“击倒即胜利”规则的核心设计。当拳头受到足够大的横向冲击力时，磁力连接会被克服，拳头脱落，视觉上就完成了“击倒”。这种设计安全、可重复，且极具观赏性。

轮胎（Tyres）的材料选择是提升抓地力的关键。如果使用PLA打印轮胎，在光滑地面（如木地板、瓷砖）上极易打滑，机器人会空转不前。强烈建议使用TPU（热塑性聚氨酯）材料打印轮胎。TPU具有柔韧性，能提供类似橡胶的抓地力。打印TPU时，需要调慢打印速度（如30mm/s），并可能需要开启“回抽”功能以减少拉丝。

打印参数参考表：

3.2 步步为营的组装流程

组装过程是对耐心和细心的考验。遵循正确的顺序可以事半功倍。

1. 预处理打印件：用笔刀仔细去除所有部件的支撑材料和毛刺（“飞边”）。特别是轮毂的中心花键孔和框架上的螺丝孔，必须清理干净，否则会影响装配精度。
2. 预攻螺纹（关键技巧）：PLA材质较软，直接用自攻螺丝拧入容易滑牙。一个非常实用的技巧是“热熔预攻丝”：取一个比目标螺丝直径稍小的金属螺丝（例如M2.5的螺丝用于M3的孔），用电烙铁加热螺丝尖端，然后缓慢、垂直地旋入PLA的螺丝孔中。塑料会受热熔化并形成完美的螺纹，冷却后强度很高。这比使用丝锥更简单，且对打印件损伤小。
3. 压配磁铁与轮毂：将磁铁放入滑动臂和拳头的对应孔位。最好将部件放在一个平坦的硬质表面上（如玻璃板），用一个小型台钳或用手虎钳均匀、垂直地施加压力，直到磁铁与表面齐平。安装轮毂到舵机花键时同理，务必对准角度，缓慢压入。舵机花键是塑料的，用力过猛或角度不对极易损坏。
4. 电路安装与布线：按照接线图，先将电源总线（用排母焊接成的“汇流排”）固定好。建议先焊接所有导线到排母上，再整体插到ESP32-CAM上，避免在狭小空间内操作烙铁时烫伤ESP32的精密引脚。超声波传感器的VCC接5V，但它的Echo输出引脚是5V电平，不能直接接ESP32的GPIO（3.3V耐受）。这里需要一个简单的分压电路：在Echo引脚和ESP32的接收引脚之间，串联一个1kΩ电阻，并从ESP32引脚接一个2kΩ电阻到GND，这样可以将5V信号分压到约3.3V。
5. 最终总装与调试：安装好所有机械部件后，先不要装上拳头。通过战斗服务器发送简单的运动指令（如前进、后退、左转、右转），观察两个驱动轮是否按预期转动，转向是否相反（差速转向）。然后测试“出拳”动作，观察滑动臂是否能顺畅地前后移动。一切正常后，再吸附上拳头。

4. MECH端固件开发：让硬件听候调遣

MECH的固件基于Arduino框架，使用PlatformIO进行开发。它的核心任务非常明确：建立网络连接、提供视频流、接收并执行指令、反馈状态。

4.1 软件架构与关键代码解析

固件采用了一个简单但高效的状态机模型。上电后，它依次执行初始化、连接Wi-Fi、连接战斗服务器、启动摄像头服务器等步骤，然后进入主循环，等待服务器指令。

核心配置与网络连接：为了便于不同环境部署，我将Wi-Fi的SSID、密码以及战斗服务器的IP和端口号都设计为可通过宏定义或后期通过串口修改。连接战斗服务器使用的是WiFiClient库建立TCP Socket连接。一个常见的坑是ESP32-CAM在启动摄像头后可用内存会变得紧张，如果网络连接失败重试逻辑写得太复杂，容易导致内存碎片化而崩溃。我的做法是采用简单的指数退避重连，并在连接成功后尽快释放临时变量。

// 示例：简化的Wi-Fi和服务器连接逻辑 #include <WiFi.h> #include <WiFiClient.h> const char* ssid = "YOUR_SSID"; const char* password = "YOUR_PASSWORD"; const char* serverIP = "192.168.1.100"; // 战斗服务器IP const int serverPort = 8080; WiFiClient client; void setup() { Serial.begin(115200); // 初始化摄像头... initCamera(); // 连接Wi-Fi WiFi.begin(ssid, password); while (WiFi.status() != WL_CONNECTED) { delay(500); Serial.print("."); } Serial.println("WiFi connected"); // 连接战斗服务器 if (client.connect(serverIP, serverPort)) { Serial.println("Connected to Battle Server"); client.println("MECH_READY"); // 发送就绪信号 } else { Serial.println("Connection to server failed"); // 进入错误处理或重启 } }

摄像头服务器与视频流：这里使用了esp32-camera库和ESPAsyncWebServer库来创建一个简单的HTTP服务器。当战斗服务器请求图像时，它会向MECH的特定URL（例如http://[MECH_IP]/capture）发起HTTP GET请求，MECH则捕获一帧JPEG图像并返回。为了降低延迟，关键是将图像分辨率设置为模型需要的尺寸（如320x240），并适当降低JPEG质量（如10）。一帧320x240、质量为10的JPEG图像大小可能只有5-8KB，传输非常快。

指令解析与执行：我与服务器约定了一套简单的文本协议。例如，服务器发送“MOVE:FORWARD:100”表示以速度100前进，“ACTION:PUNCH”表示出拳。主循环中，固件不断检查client.available()，读取指令字符串，解析后调用相应的控制函数。

void loop() { if (client.available()) { String command = client.readStringUntil('\n'); command.trim(); executeCommand(command); // 解析并执行命令 client.println("CMD_OK:" + command); // 反馈执行成功 } // 其他任务，如维持心跳包 delay(10); } void executeCommand(String cmd) { if (cmd.startsWith("MOVE")) { // 解析方向与速度，控制两个驱动舵机 // 例如：差速转向，左转则右轮前进，左轮后退 } else if (cmd == "ACTION:PUNCH") { // 控制“出拳”舵机往复运动一次 } }

PWM舵机控制：使用Arduino的Servo库控制360度舵机。需要注意的是，360度舵机的PWM控制与普通舵机不同。通常，1500us的脉冲宽度对应停止，小于1500us（如1300us）对应一个方向的全速旋转，大于1500us（如1700us）对应反方向的全速旋转。具体参数需要根据舵机型号微调。务必在代码中为每个舵机设置一个“停止”的指令，并在初始化时调用，防止上电后机器人乱跑。

4.2 电源管理与稳定性加固

在实际战斗中，快速移动和出拳动作会导致电流骤增，可能引发电压跌落，导致ESP32重启。除了选用优质电源，在软件上也可以做一些加固：

1. 看门狗（Watchdog）：启用硬件看门狗定时器，在程序跑飞时能自动复位。
2. 指令缓冲与超时：设置指令执行超时。如果某个动作（如持续前进）执行时间过长，自动停止并反馈错误，防止因通信中断导致机器人一直走到撞墙。
3. 心跳机制：定期（如每秒）向服务器发送“心跳”包。服务器如果一段时间收不到心跳，可以判定该MECH离线，并通知裁判系统。

5. 计算机视觉与模型训练：教机器人“看见”对手

这是项目的“大脑”部分。我们使用YOLOv8模型，是因为它在精度和速度之间取得了很好的平衡，且Ultralytics提供的库非常易于使用。

5.1 数据集构建：质量决定上限

模型的性能天花板取决于数据集。对于MECH识别，我们需要构建一个自定义数据集。

1. 图像采集：这是最耗时但最关键的一步。你需要让MECH在各种各样的场景下被拍摄：不同的光照（明亮、昏暗、逆光）、不同的背景（地板、地毯、桌子）、不同的角度（正面、侧面、俯视、仰视）、不同的距离（远、中、近），以及不同的姿态（静止、移动、出拳）。同时，必须包含一定比例的“负样本”，即完全没有MECH的画面，这有助于降低误检率。我编写了一个简单的Python脚本，运行在战斗服务器上，可以远程触发所有已连接MECH的摄像头进行拍照并自动保存到本地，极大地提高了采集效率。
2. 图像标注：使用标注工具（如Roboflow、LabelImg）在每张有MECH的图片上画边界框（Bounding Box），并打上标签，例如“mech”。标注要尽量精确，紧贴MECH的外轮廓。Roboflow平台提供了在线标注、数据增强和格式转换的一站式服务，非常适合初学者。
3. 数据增强：为了用有限的数据获得更好的泛化能力，可以使用数据增强技术。Roboflow可以自动完成，包括随机旋转（±15度）、亮度/对比度调整、添加噪声、模拟运动模糊等。这对于提高模型在复杂环境下的鲁棒性非常有效。

5.2 YOLOv8模型训练与部署

数据集准备好后（通常需要数百到上千张标注图片），就可以开始训练了。

# 一个简化的YOLOv8训练示例 (在战斗服务器上运行) from ultralytics import YOLO # 加载一个预训练模型（如YOLOv8n，小型网络，速度快） model = YOLO('yolov8n.pt') # 开始训练 results = model.train( data='mech_dataset.yaml', # 数据集配置文件路径 epochs=100, # 训练轮数 imgsz=320, # 输入图像尺寸，与MECH传输尺寸匹配 batch=16, # 批大小，根据GPU内存调整 name='mech_v1', # 本次训练的名称 device='cuda' # 使用GPU训练，如果是CPU则改为'cpu' )

训练完成后，模型会保存在runs/detect/mech_v1/weights/best.pt。我们需要将其导出为ONNX或TensorRT格式以优化推理速度，但为了简化，YOLOv8的PyTorch模型（.pt）也可以直接用于推理。

在战斗服务器中集成模型推理：

# 战斗服务器中处理一帧图像的简化流程 import cv2 from ultralytics import YOLO # 加载训练好的模型 model = YOLO('path/to/best.pt') def process_frame(frame): # 运行推理 results = model(frame, imgsz=320, verbose=False) # verbose=False关闭冗余输出 # 解析结果 for result in results: boxes = result.boxes if boxes is not None: for box in boxes: # 获取边界框坐标、置信度、类别ID x1, y1, x2, y2 = box.xyxy[0].cpu().numpy() conf = box.conf[0].cpu().numpy() cls_id = int(box.cls[0].cpu().numpy()) if conf > 0.5: # 设置置信度阈值 # 这里就得到了一个检测到的MECH目标 # 可以计算其中心点坐标 (cx, cy) = ((x1+x2)/2, (y1+y2)/2) return (x1, y1, x2, y2, conf) return None # 未检测到目标

6. 战斗服务器与策略引擎：从“看见”到“行动”

战斗服务器是系统的指挥中心，它需要处理多路视频流、运行视觉推理、执行战斗策略，并与多个MECH保持通信。

6.1 服务器核心逻辑实现

我使用Python的asyncio库和aiohttp库来处理高并发的网络I/O。每个MECH作为一个MECHClient对象，管理着自己的TCP Socket连接和图像获取队列。

import asyncio import aiohttp from aiohttp import web import cv2 import numpy as np class MECHClient: def __init__(self, ip, port): self.ip = ip self.port = port self.reader = None self.writer = None self.latest_frame = None self.connected = False async def connect(self): # 建立TCP连接 self.reader, self.writer = await asyncio.open_connection(self.ip, self.port) self.connected = True asyncio.create_task(self._heartbeat()) # 启动心跳任务 asyncio.create_task(self._receive_video()) # 启动接收视频任务 async def _receive_video(self): # 通过HTTP从MECH获取JPEG图像流 async with aiohttp.ClientSession() as session: url = f'http://{self.ip}/capture' while self.connected: try: async with session.get(url, timeout=1.0) as resp: if resp.status == 200: data = await resp.read() nparr = np.frombuffer(data, np.uint8) self.latest_frame = cv2.imdecode(nparr, cv2.IMREAD_COLOR) except Exception as e: print(f"Failed to get frame from {self.ip}: {e}") await asyncio.sleep(0.1) async def send_command(self, cmd): if self.writer and not self.writer.is_closing(): self.writer.write(f"{cmd}\n".encode()) await self.writer.drain() async def _heartbeat(self): while self.connected: await self.send_command("PING") await asyncio.sleep(1)

6.2 战斗策略设计：简单的状态机

最初的策略可以设计为一个基于有限状态机（FSM）的简单逻辑，它根据视觉和超声波传感器的输入，决定机器人的行为。

1. 搜索状态（SEARCH）：当未检测到对手时，MECH在原地缓慢旋转（一个轮子正转，一个反转），同时摄像头持续扫描。
2. 追踪状态（TRACK）：一旦YOLO检测到对手，计算其在图像中的中心点(cx, cy)。如果cx偏离图像中心超过某个阈值，则通过差速转向调整自身朝向，使对手位于画面中央。同时，根据对手边界框的大小（粗略估计距离）和超声波测距，控制前进/后退的速度，逐步接近对手。
3. 攻击状态（ATTACK）：当对手进入预设的“攻击范围”（例如，边界框面积大于某个值，且超声波距离小于20cm），MECH停止移动，触发“出拳”动作。
4. 防御/躲避状态（可选）：可以加入简单的躲避逻辑，例如，如果超声波检测到侧面有障碍物（可能是擂台边界），则向反方向移动一小段距离。

class SimpleFightStrategy: def __init__(self, mech_id): self.mech_id = mech_id self.state = "SEARCH" self.last_seen_time = 0 def decide(self, detection_result, ultrasonic_distance): frame_center_x = 160 # 假设图像宽度320 attack_threshold = 50 # 像素距离阈值 safe_distance = 15 # 厘米 if detection_result is None: self.state = "SEARCH" return "MOVE:ROTATE:50" # 原地旋转搜索 x1, y1, x2, y2, conf = detection_result target_center_x = (x1 + x2) / 2 if self.state == "SEARCH": self.state = "TRACK" if self.state == "TRACK": # 调整朝向 if abs(target_center_x - frame_center_x) > attack_threshold: if target_center_x < frame_center_x: return "MOVE:LEFT:80" else: return "MOVE:RIGHT:80" # 调整距离 elif ultrasonic_distance > safe_distance: return "MOVE:FORWARD:100" else: self.state = "ATTACK" if self.state == "ATTACK": self.state = "TRACK" # 攻击后返回追踪状态 return "ACTION:PUNCH" return "MOVE:STOP" # 默认停止

这个策略引擎会为每个MECH独立运行，根据其自身传感器数据做出决策，从而实现真正的“自主”格斗。

7. 系统联调与实战问题排查

将硬件、固件、视觉模型和策略服务器全部整合后，真正的挑战才开始。以下是我在多次测试和比赛中遇到的一些典型问题及解决方案。

7.1 通信延迟与同步问题

问题现象：MECH动作反应迟钝，或者指令执行混乱。

• 排查1：网络延迟。确保MECH和战斗服务器连接在同一个5GHz Wi-Fi网络下，避免2.4GHz频段的拥挤。可以尝试在服务器上pingMECH的IP地址，观察延迟是否稳定在个位数毫秒。
• 排查2：图像传输瓶颈。检查MECH端摄像头设置。过高的分辨率（如UXGA）和JPEG质量会导致单帧图片过大，传输和解码耗时剧增。将分辨率降至320x240或更低，JPEG质量设为10-15，能极大提升帧率。
• 排查3：服务器推理速度。在服务器上运行htop或任务管理器，观察Python进程的CPU/GPU占用。YOLOv8n模型在CPU上推理一帧320x240的图像大约需要几十到一百毫秒。如果过慢，考虑使用更小的模型（如YOLOv8nano），或者启用GPU加速（如果服务器有NVIDIA GPU并安装了CUDA版的PyTorch）。
• 解决方案：引入帧缓存与指令队列。MECH端持续抓图并缓存最新一帧，当服务器请求时立即发送。服务器端采用异步处理，接收图像后放入处理队列，决策引擎从队列取最新帧处理，避免因处理旧帧导致指令滞后。同时，MECH端执行指令时，如果收到新指令，可以中断当前指令（除非是出拳等不可中断的动作）。

7.2 视觉识别不稳定

问题现象：YOLO模型时而能检测到对手，时而检测不到，或者在复杂背景下误检。

• 排查1：光照变化。比赛环境的光线可能与训练数据差异很大。确保数据集中包含了各种光照条件的图片。可以在战斗服务器端加入简单的图像预处理，如自动对比度拉伸或直方图均衡化，以增强图像。
• 排查2：运动模糊。MECH快速移动时，摄像头捕获的图像会模糊。在数据集中加入运动模糊增强的图片。在策略上，可以命令MECH在发起攻击前短暂停止，以获取清晰图像。
• 排查3：模型置信度阈值。默认的0.25置信度阈值可能太低，导致误检。可以适当调高（如0.5）。同时，可以结合超声波传感器数据进行数据融合。例如，只有当视觉检测到目标且超声波在合理范围内（10-100cm）时，才确认目标有效。
• 实战技巧：为MECH贴上高对比度的视觉标记。虽然我们希望模型能识别“原生”的MECH，但在初期调试或性能受限时，在MECH的拳头或顶部粘贴一个颜色鲜艳（如亮粉色、荧光绿）的标记，可以极大降低模型识别难度。训练时，将这个标记作为MECH的一部分进行标注即可。

7.3 机械与电源问题

问题现象：运动过程中突然重启，或者出拳无力。

• 排查1：电源电压跌落。使用万用表监控移动电源在MECH全速前进和出拳时的输出电压。如果电压跌落到4.7V以下，ESP32很可能重启。更换输出能力更强的移动电源（至少5V/2.5A），并在电源输出端并联一个低ESR的1000μF电解电容，可以缓冲瞬间的大电流需求。
• 排查2：舵机堵转。舵机卡死时电流会急剧上升。在代码中为所有舵机设置软件限位或超时保护。例如，出拳动作执行1秒后无论是否到位都强制停止并回位。
• 排查3：机械结构干涉。检查滑动臂的运动轨迹是否顺畅，有无被线缆卡住。出拳的橡胶带拉力是否合适？太松则无力，太紧则舵机负载过大。可以尝试调整橡胶带的固定点或更换不同弹力的橡胶带。

7.4 战斗策略优化

基础的状态机策略在实战中可能显得“笨拙”。可以通过以下方式优化：

• 预测对手移动：记录对手在连续几帧中的位置，计算其移动速度和方向，提前向预测位置移动，实现“预判”。
• 引入随机性：在搜索和追踪状态中加入小幅度的随机移动，避免被对手轻易预测行动轨迹。
• 能量管理：为每个MECH模拟一个“能量条”，连续快速移动或频繁出拳会消耗能量，能量低时需要进入“休息”状态缓慢恢复，这会让战斗更有策略性。

从一堆散落的零件到两个小家伙在桌面上自主地追逐、挥拳，直到一方的磁吸拳头“啪”一声飞出去，整个过程的成就感远超单纯的胜负。这个项目最吸引我的地方在于，它像一棵树，有一个坚实的主干（基础架构），但每一根树枝——无论是更复杂的策略AI、更酷的机械模组、还是基于声音的交互——都留出了充足的生长空间。你可以严格按照指南复现一个“Punchy”，也可以把它当作一个平台，去试验你关于多传感器融合、强化学习策略或者新型驱动方式的想法。它不只是一个机器人，更是一个通往嵌入式AI世界的、充满乐趣的入口。