机器狗回了 OK,腿一步没动:500 毫秒里能证明什么
机器狗回了 OK,腿一步没动:500 毫秒里能证明什么
我在做一个住在 Android 里的 agent,叫 Andee。他没有自己的窗口,跑在平板系统里:靠无障碍服务点屏幕,靠前台服务一直醒着,靠悬浮在别人 App 上面的那颗球表达状态。除此之外,他还接过一样在身体之外的东西——一台四足机器狗。平板用 USB OTG 线连一个 Arduino Nano 加 NRF24L01 模块,模块再用 2.4G 遥控那台狗。狗的原厂固件一行没改。
这两天冒出来一批很像的东西。11 月 9 日 DIYgod 开源了 Pinky,让 Claude Code、Codex 这类 agent 通过桌面网关点真机 iPhone 和 Android;同一天的 Aico Phone Bridge 把路由做成"有接口走接口,没接口才退回 USB HID 加 HDMI";Phone Harness 按分钟出租云安卓(5 美分一分钟)和云 iPhone(80 美元一个月起)。它们的验证手段高度一致:再截一张图。Pinky 还多走一步——认出"支付""转账"按钮就先停下等人确认,60 秒没人应就拒绝,批完再核一次界面,防止金额在等待期间被改掉。
这个判据只在一种情况下成立:被驱动的东西做完之后会留下一个静止的画面。手机是这样,狗不是。
这条链路只能发不能收。这篇讲一个字节的回执能证明什么,以及为了让"它真的动了"至少有一部分可读,我们把哪些判断从对面搬回了本机。
协议只有一个字符宽
协议是这样的:一个 ASCII 字符进去,一行文本出来。
in 'K' out "K OK" 对端的收音机收到了
in 'K' out "K NO-ACK" 没人应(太远、狗关了、或者原遥控器正在发)
'K' 是前进。中间那层只负责让平板和一台玩具狗说上话,不负责实现一个可靠协议。
K OK 的含义比看上去窄:它证明的是对端的收音机收到了这一帧。不证明四条腿动了、不证明狗在往前、也不证明前面没有东西挡着——中间还隔着固件、舵机和地板。把 OK 读成"成功了",是这条链路上最容易犯也最难自己发现的错。
第二件事更麻烦:狗没有"一条命令做一次"的概念。它保持你最后告诉它的状态,直到你告诉它别的。所以 'J'(站住)不是礼貌动作,它是动作的结束方式。你不发 J,它就一直在走。
第一个决定:把"结束"钉在本机
既然对面不会报错,那就别指望对面结束。DogMotion.move() 发完字符立刻返回,同时在平板自己的调度器上排一个定时器,N 秒后写 'J'。
这个选择不是为了性能,是为了失败模式。丢一帧的时候,如果结束依赖对面收到"开始"并自己倒计时,你永远不知道,狗就一直走;如果结束是本地定时器,最坏情况是这个动作根本没开始。前一种是安全事故,后一种是一次没反应。
代价落在另一处:move 非阻塞,两次连着调用不排队,第二个顶掉第一个。所以"转半圈再往前走"得用 sequence 一次交出去——dog_move 的描述里反复强调这点,因为模型天然会把两个动作写成两次调用。
还有个不容易注意的地方:定时器和取消会打架。1 号动作的自动停止正在写 'J',2 号的 'K' 正在路上,'J' 后到就变成刚起步就停。所以每个定时器带着被排下时的 generation,检查加写入在同一个临界区里完成——被顶掉的定时器要么整赢,要么整退出。
第二个决定:刹车不读回执
停狗用的是同一个函数,但关掉等回执。
link.send('J', awaitAck = false)
读回执要花掉 500 毫秒的预算。而这 500 毫秒换来的信息是"它要么停了,要么没停"——不管读到什么,平板能做的下一件事都一样。跳过读取,一条停止命令从约 500 毫秒变成约 1 毫秒。当被停的东西带着电机时,这个差值就是这次设计的全部意义。
反直觉的是,send() 里其实有一次重发——收到 NO-ACK 会再写一遍同一个字符。这在"投递动作"的协议里很危险(发两次等于做两遍),在这里却安全,因为协议是设状态,不是投递动作:同一个字符写两遍,狗还是那个状态,走多远由本地定时器决定。这个不变式得写下来,哪天有人把 'K' 改成"前进十厘米",重发的语义就整个变了。
第三个决定:刹车不信任自己的账本
stop() 里的规则是:永远发 'J',哪怕代码认为狗正站着。
理由写在注释里,是这段代码最该被抄走的一句:刹车不能因为自己的账本说"它没在动"就拒绝踩下去。狗可能是被原厂遥控器开起来的,可能是上个会话留下的,也可能平板刚才判断错了。'J' 是唯一能闭着眼睛发的命令——它的意思就是"站住"。
所以这个函数真正花功夫的地方不在发,在怎么描述发完之后的状况:回执没拿到,就不许说"狗已经站住了"。stopped 和 was_moving 是两个字段——这次发成功没有,此前是否知道它在动——这两件事不能合成一个布尔值。
唯一闭环的那个动作,前提是被控对象和你在一起
九个 dog_* 调用里,只有 dog_turn 知道自己做成了没有。
平板绑在狗背上,所以平板的陀螺仪就是狗的陀螺仪。转弯不是按时间折算,而是转到角度到了就停。不用时间的理由很实际:8.7 秒一圈这个常数会随电量、地面、腿停在哪一相位漂移。
前提必须说清:闭环成立是因为传感器和被控对象在同一具身体上。平板一拿下来,闭环立刻变成幻觉——陀螺仪还在转,量的是你手里的东西。
传感器还有两处非显然的选择:用 TYPE_GAME_ROTATION_VECTOR 而非带磁力计的版本,因为磁力计就贴在四个舵机上方几英寸;偏航角也不从 getOrientation() 取,它的方位角在设备接近垂直时奇异,而平板架在狗背上正好是这个俯仰。闭环也不免费:提前多少毫秒写 'J' 只能先给估计(150 毫秒),靠每次回报的 overshoot_deg 校;停完再等 600 毫秒滑完才敢报角度。
摔倒这件事,等不到大脑
还有一个护栏在本地,理由和上面所有东西都不一样:不是"对面不会报错",是"来不及"。
倾角超过 50 度就停,每 200 毫秒看一次。这个判断必须在平板上做,因为往大脑的往返是 WebSocket 加一次语言模型,正常要好几秒;一条侧躺在地上还在被命令往前走的狗没有好几秒。
护栏还顺手处理了一个语义问题:没有参考姿态时倾角函数返回 NaN,而 NaN 参与 >= 比较恒为 false。所以"我不知道它歪没歪"永远不会被当成"它歪了",不会因为缺数据误杀正常动作。
这里现在不行
下面是做法不成立的地方。
dog_move 是完全开环的。 2.4G 只发不收,狗没法报告它走到了哪。所以返回里 sent 和 ack 是两个字段:sent: true 配 ack: "NO-ACK",意思是"平板认为自己正在驱动一条没听见它的狗"——不敢合嘴说成功。
NO-ACK 有三个意思,没法区分。 太远、狗关了、原厂遥控器正在同一个信道发。三种原因,一个字符串。dog_move 的描述里明确写了"不要静默重试,告诉用户去看一眼",因为自动重试在这里只会让人以为没事。
狗自己的避障,这边完全看不见。 固件里前进遇 20 厘米内拒绝、10 厘米内后退,跟平板说什么无关。所以"我叫它往前它没动"最常见的原因是前面有东西,只能提醒模型先用摄像头看一眼。唯一间接证据是加速度计残差——本该在动时它贴着零;但这个数只报原始值,不给"卡住了"这种布尔结论,因为阈值从没在这套硬件上测过,猜出来的布尔值会让模型对着一台用户眼前的机器说假话。
拔线的时候停不了。 模块被拔掉或掉电,平板没有任何办法把 J 送出去,狗会把上一条动作做完。这是狗固件没有"失联即停"导致的,App 遮不住;真要修得在狗那一侧加看门狗。
还有一条最容易被忽略:平板拿下来了,闭环就是假的。 陀螺仪还在正常读数,只是读的不再是狗,而代码检测不到。
回到那批产品
我不觉得"再截一张图"是偷懒。在那种架构下画面是唯一便宜的判据,在手机上确实够用——界面不会自己动。Pinky 要批完再核一次,是因为它摸到了这个判据的边界:看见的和将要发生的,中间有一个时间窗。
这段代码说的是同一个边界,只是更极端。当对面是会一直保持上一条命令的执行器,截图这个动作根本不存在,你只剩两个能自己造的东西:本地的结束时刻,和只能证明"帧到了"的回执。剩下的判断得搬到那台和被控对象待在同一具身体里的设备上——不是因为它更聪明,是因为离得更近。
代码在 github.com/kuafuai/andee,狗的部分在 app/src/main/java/net/kuafuai/andee/dog/,三个文件约 1950 行。转接模块的固件不在仓库里,只有 App 这一侧的驱动。
更多推荐


所有评论(0)