引入

因看了波士顿“大黄”的视频而对四足机器人产生了兴趣。打算自己也整一个。

硬件组成

1：骨架：
（1）身体由两层板组成，下面是从实验室嫖了一块碳纤维板，上面用了一层亚克力（碳板太贵了啊啊啊）。
（2）12个标识扭矩20kg的总线舵机
（3）好多个舵机支架
2：传感器：
（1）jy901（就是一个封装闭源的mpu9250模块）。
（2）激光雷达。（玩一玩SLAM）
（3）麦克风阵列。（玩一玩语音互动，也买了一个闭源的）
（4）一个10块的摄像头（暂时没有视觉处理的想法，买一个当“眼睛”用用）
3：主控
（1）树莓派（跑ROS）
（2）arduino（简单，有很多ROS的现成代码包）
4：其他
（1）电池（这里用了俩2600的3s锂电，一块降压8v给舵专用，一块降压5v给主控和传感器用），充电器（买了一个B6）等

软件组成

ROS（上位机：树莓派）+底层步态控制（下位机：arduino）
（注意：网上说是上系统的ROS实时性不好，所以最好用一块板子单独作为底层控制。可能因为我学的还不够深入，还没能体会到实时性这个东西，跟着大佬就是了）

结语

放几张狗子的美图
这是一代狗，因为舵机虚标而且一般标的都是静态扭矩，所以这一代狗子站立需要用很奇葩的动作才可以。后来就拆了，没有留下实物图片很遗憾在这里插入图片描述
于是干脆把体型弄得小一点，于是就有了二代狗在这里插入图片描述
在这里插入图片描述
演示视频传送门：https://b23.tv/8ZjG7t

# 机器人 # 其他
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局