用 NVIDIA Jetson Nano 与 Isaac SDK 打造低成本自主乐高坦克

用 NVIDIA Jetson Nano 与 Isaac SDK 打造低成本自主乐高坦克

本指南演示如何将标准 LEGO EV3 套件改装为全自主履带机器人，由 NVIDIA Jetson Nano、Isaac SDK、YDLIDAR-X4 激光雷达和 Pixy2 视觉相机驱动。结果是 Carter 和 Kaya 参考设计的平价替代，却保留 NVIDIA 机器人栈的所有高级感知与规划能力。

跳转 第 8 部分 或 第 10 部分 查看完整自主导航演示。

项目包含以下组件：

• NVIDIA Jetson Nano 开发板 – 运行 Isaac Robot Engine
• EV3 主控砖 – 控制电机（含在 EV3 31313 机器人套件）
• 履带底盘 – 乐高 Technic 零件和两个大电机搭建（全在 EV3 31313 机器人套件）
• YDLIDAR X4 激光雷达
• Pixy2 视觉相机

为何选 Isaac SDK 而非 ROS？

• ROS 教程众多，但官方 Isaac SDK 指南寥寥。
• Isaac SDK 专为 Jetson 硬件打造，在 Nano 上性能最优。
• 核心算法——从感知到规划——全 GPU 加速，让 Nano 远超树莓派 4。
• IsaacSim 的 Unity 3D 渲染器提供照片级真实仿真，缩小现实差距。

为何用乐高零件？

• 零件库存丰富。
• 高质量舵机和坚固结构。
• 免焊接；系统完全模块化。
• 可选 Jetson Nano 3D 打印外壳（见 PELA-blocks 仓库）。

此路径也带来挑战：

• 乐高硬件非 Isaac SDK 原生支持；仅有 Carter 和 Kaya 参考。
• Isaac SDK 支持硬件组件有限。
• 需为 x86-64、arm64、armv5tejl 交叉编译。
• 部分组件仍闭源。

第 1 部分：起步

1. 安装 Isaac SDK

• 遵循 官方安装指南。
• 运行示例应用验证环境。
• 用 2019.3 SDK 版本以获最大兼容性。

2. 语音识别（可选）

• 安装 CUDA 10.0、cuDNN 7.6.3、TensorRT 6.0。
• 安装带 GPU 支持的 TensorFlow 1.15.0。

3. EV3dev 镜像

将最新 ev3dev-stretch 镜像刷入 microSD 或 microSDHC 卡。microSDXC 不被 EV3 主控砖支持。

4. EV3 用 ARM 交叉编译器

sudo apt-get install gcc-arm-linux-gnueabi g++-arm-linux-gnueabi

因 Ubuntu 18.04（宿主和 Jetson）用 GLIBC 2.28，ev3dev 用 GLIBC 2.24，除数学库外必须动态链接。相应调整 jetson-ev3/toolchain/CROSSTOOL 文件，或用 Debian 9 Docker 镜像。

5. Jetson + EV3 工作区

git clone https://github.com/andrei-ace/jetson-ev3.git

编辑 jetson-ev3/WORKSPACE 指向 Isaac SDK 路径：

local_repository(
  name = 'com_nvidia_isaac',
  path = '/home/andrei/ml/isaac'
)

更新 jetson-ev3/toolchain/CROSSTOOL 工具链路径：

# edit with your path to the toolchain
linker_flag: '-L/home/andrei/ml/jetson-ev3/toolchain'

6. 连接 Jetson Nano 与 EV3

用 USB-A 转 mini-USB 线。从 Jetson SSH 进 EV3：

ssh user@ev3dev.local

默认密码：maker。

7. Ping-Pong 教程

Isaac 的“Ping-Pong”代码演示进程间通信。改造它在 Jetson 和 EV3 主控砖间传递消息。

构建 EV3 服务端：

bazel build --config=ev3dev //apps/ev3/ping_pong:ev3_pong

在 Jetson 部署客户端：

<YOUR-ISAAC-INSTALL>/engine/build/deploy.sh --remote_user <YOUR-USER-JETSON> -p //apps/ev3/ping_pong:ping_pong-pkg -d jetpack43 -h <YOUR-JETSON-IP>

运行两二进制。EV3 应说出 “Ping” 消息。

第 2 部分：从 Isaac 控制电机

用同原理，通过模仿 Segway RMP 底盘的自定义 Isaac 驱动控制 EV3 电机。Ev3ControlServer 运行在 EV3：

bazel build --config=ev3dev //packages/ev3/ev3dev:ev3_control_server
ev3_control_server ev3dev.local:9000

结合 Sight 虚拟摇杆实现手动遥操作。

第 3 部分：构建机器人

底盘紧随乐高官方 EV3 Track3r 设计。Jetson Nano 外壳源自 此 GitHub 仓库。

第 4 部分：Isaac Apps 架构

Isaac App 含三层：

• Graph – nodes：定义组件。
• Graph – edges：定义数据流。
• Configuration：参数化节点。

下面是语音控制导航应用的简例（完整 voice_control 文件夹含所有 JSON）。

{ 'name': 'voice_control',
  'modules': [
    '//apps/ev3/voice_control:voice_control_goal_generator',
    '@com_nvidia_isaac//packages/navigation',
    '@com_nvidia_isaac//packages/planner'
  ],
  'config_files': [
    'apps/ev3/voice_control/model/isaac_vcd_model.metadata.json'
  ],
  'config': { ... },
  'graph': { 'nodes': [...], 'edges': [...] }
}

子图可复用；导航栈在所有机器人变体间共享。

第 5 部分：在 EV3 运行 Isaac Apps

EV3 驱动实现与 Segway RMP 底盘相同 API，可直接复用现有 Isaac 应用如摇杆控制器、分布式 GMapping、完整导航栈。

第 6 部分：里程计标定

精确里程计对自主运行至关重要。Ev3ControlServer 暴露两个 RPC：

• command(Control) – 发送线速度和角速度。
• state() – 返回当前线速度和角速度。

用轮半径和轮距计算线速度：

if left == right: v = left
elif left == -right: v = 0
else: v = (left + right) / 2

角速度由轮速差除以轮距得出。

第 7 部分：语音控制自主导航

语音检测子图监听麦克风，检测到训练关键词时发射 voice_command_id。我用 Isaac Speech Toolkit 在三词——“jetson”、“left”、“right”上训练 RNN。模型可从项目仓库下载。

收到指令时，GoalGenerator 向全局规划器发布目标。例：让机器人左旋 90°：

auto proto = rx_detected_command().getProto();
int id = proto.getCommandId();
auto goal_proto = tx_goal().initProto();
goal_proto.setStopRobot(true);
goal_proto.setTolerance(0.1);
goal_proto.setGoalFrame('robot');
ToProto(Pose2d::Rotation(90), goal_proto.initGoal());
tx_goal().publish();

实测在 10W 功耗模式可靠工作。5W 模式下推理延迟（≈30ms）过高，操作不流畅。

第 8 部分：分布式 GMapping 建图

建图在宿主 PC 进行，EV3 提供激光雷达数据。在 Jetson 部署分布式 GMapping 应用：

./engine/build/deploy.sh --remote_user andrei -p //apps/ev3:gmapping_distributed_ev3-pkg -d jetpack43 -h 192.168.0.218

宿主运行：

bazel run apps/ev3:gmapping_distributed_host

确保宿主 JSON 指向正确 Jetson IP：

'tcp_subscriber': { 'isaac.alice.TcpSubscriber': { 'port': 5000, 'host': '192.168.0.218' } }

探索几分钟后生成高分辨率占用网格地图。

结论

以适度投入乐高 Technic 零件、YDLIDAR 和 Pixy2 相机，即可构建全自主履带机器人，发挥 NVIDIA Isaac SDK 全威力。系统支持语音指令、激光雷达建图、GPU 加速感知，成为科研、教育、爱好项目的多功能平台。

所有代码、配置文件和训练模型见项目 仓库。