找一份别人已经踩过坑的开源方案
回车搜索 · 「全文」检索正文、简介与作者 · 「知识库」检索 AI 提取的型号、参数、取舍与踩坑诺丁汉大学联队
写在最开始 为什么会有这个帖子 RM比赛的很多队伍在长久以来一直面临一个非常明显的问题，即，在机械还在画车造车的时候，各位电控组成员似乎除了带小登，维护老车之外无事可做，但如果小登或者老车有什么问题的话，电控组只能被迫天天摸鱼，有事没事抽机械陀螺，随后在赛前把前面摸的所有的鱼狠狠地找补回来。 问：那么有什么办法可以解决这个问题呢？ 答：让电控在出车之前就把车在仿真里面写好控制策略，等实车造出来之后按照仿真进行部署。 我其实早在2023年就有过这样的念头了，但是想法的开始往往也是想法的结束，很多队伍往往会在产生这个想法之后，随着之后的一系列问题而被迫停手，转回到抽机械陀螺的无聊时光之中。 本队在面对这种问题时，在URDF的导出上，选择了一种在我们认为非常合理的做法：让机械自己构建和维护自己的机械的所有的运动约束。 因此本贴的核心目的实际上是借助论坛来保存我队
RM2026-复旦大学-星云 EGA 战队】自定义客户端与模拟器开源
写在前面 最早做这套客户端时，考虑到操作手既要控车，又要看位置、血量、资源、比赛阶段和突发事件。信息本身并不少，真正麻烦的是它们分散在不同位置，关键时刻还需要操作手切换。于是我们从赛事协议接入开始，把比赛状态、战术地图、两路视频和语音提示逐步接到同一个自定义客户端里。 事实证明这个做法在国赛现场也确实明显帮助操作手解决很多问题。 下面这张画面来自一段连续对战录屏。比赛阶段、双方机器人状态、战术地图、事件和统计都在同一个界面中持续更新； 图 1
如何正确饲养一只AI
随着技术的发展RM已经逐渐地变得和我曾经的印象产生了非常巨大的断层，有技术方面的，也有认知方面的，AI的兴起非常明显地加快了大家的学习和开发进程（同时也为各位的屎山制造速度添砖加瓦），同时组委会也可以基于现有的技术发展速度提出一些更加（）的技术要求。 在这一过程中我开始注意到，不管是我自己，我们队内的成员，还是其他队的成员，对AI的依赖程度明显升高，写代码的时候问 AI，编译报错问 AI，导航漂了问 AI，强化学习不收敛也问 AI。以前一个晚上可能只能查完几个 issue，现在十分钟能把 ROS、控制、视觉、规划几个方向都扫一遍。 这当然提高了效率。 但是也会引来真正的麻烦： AI 一直在给你答案，项目也一直在往前走，但你慢慢不知道自己到底在干什么了，也不知道自己这个项目最终会走到哪里。最终你不是在真正地饲养AI，而是逐渐地被AI饲养。
[共轴所见即所得，ESKF，虚拟调参！RM2026-反无人机机械结构和算法完整开源]华南理工大学华南虎战队
1.摘要 本项目为 RoboMaster 2026 比赛设计了反无人机完整项目，旨在实现在远距离下实现低误差的跟踪空中无人机上的激光模块。为此，我们精心设计了一套激光共轴方案的机械结构和“所见即所得”的下位机主导的算法方案，实现了上位机视觉测量 + 下位机 1 kHz 电流闭环的视觉伺服方案，且我们进行了控制理论的详细分析，而非盲目的调参。我们训练了一款识别准，泛化性强的yolo模型，并进行了量化部署，实现了低延迟，这是我们算法方案的基石。
复旦大学 星云EGA战队
开源链接： https://github.com/yly-true/fudan_rl_wheel_leg.git
为提高自瞄上限的云台控制方案开源
控制器链接： https://github.com/LamdaDay/YAW_Auto_Controller/tree/main 整车代码也在同一个账号里，均是public状态。 本赛季大部分代码均由codex完成，因此可能会有诸多难以阅读的部分，建议使用AI辅助阅读。 注意：本文中的模型辨识建议基于控制力矩（命令力矩）与 yaw 轴角度/角速度/角加速度数据进行辨识，可以不用考虑延迟时间 （控制器可以简单概括为采用LQR和ESO结合的方案。） 1.本控
工程上位机装配算法开源
1. 摘要 RoboMaster 2026 赛季工程机器人新增的能量单元装配任务，对操作手操控机械臂进行接近、插入、位移、翻转等装配操作提出了较高要求。该项目尝试在不替代操作手主导控制的前提下，引入上位机辅助算法，完成装配站视觉定位、接近规划、受约束动作段规划、恢复动作和整个方案的仿真验证。 2. 技术报告 更完整的工程说明见技术报告：
连接飞书的一体化任务提醒及面板-任务管理系统
大家好！我是“鹿管”，首先感谢大家对我们队伍视频栏目“鹿管日记”的喜爱。26赛季从一个RM小白转变到一个项管的过程中，以一个从“外人”到亲身参与者的过程中，针对队伍项目管理的有了一些思考，正好实验室有一台DELL T620小型服务器（用类似希沃白板的内置电脑也可以），就在在里面做了一些自动化流程用来简化队伍的沟通成本和工作效率，26赛季区域赛南部赛区的队伍来我们实验室交流的时候，有一些学校对我们这套任务管理系统和面板产生了关注，因此，整理了一些制作流程，希望能帮助优化一点队伍对于任务管理方面的效率！本人对前端知识了解不多，本文仅提供对任务管理的一种解决思路，敬请指正，不胜感激！ 1. 效果展示
[RM2026 东南大学] 基于神经网络压缩的低码率吊射图传自定义客户端
[东南大学] 低码率吊射图传自定义客户端开源文档 本项目基于 CompressAI[4] 的 mbt2018_mean
库存管理系统
## 简介 元器件物资管理太头疼，vibe了一个BOM Manager 一个电子元器件库存管理工具，支持 CLI 和飞书机器人两种使用方式，上传 BOM 自动入库、自然语言查物料、AI 辅助整理。 仓库地址：https://github.com/diting146/bom-manager ## 功能 - 上传 Excel/CSV 格式 BOM，自动解析入库 - 按类型+容值+封装三层过滤智能查询 - 可选 AI 辅助去重、标准化（支持 OpenAI / OpenRouter / 本地 LLM） - 飞书机器人聊天交互：查库存、手动录入、权限管理 - SQLite 存储，支持历史记录和回滚删除 - 飞书多维表格同步
[斗蛐蛐 - RoboMaster 胜率预测总控台] -- 华东理工大学起源战队
在线访问地址：https://rm.ecustcic.com/ 本项目详细README请见：https://github.com/superg258/douququ 该项目仅供参考，不对任何实际结果负责 本项目响应 电控-000 的号召，开发一套面向 RoboMaster 赛事的胜率预测网站，用于赛程模拟、实时状态聚合、战队胜率评估与晋级路径推演。项目全程使用 Codex 和 DeepSeek + Claude Code 搭建。 斗蛐蛐的目标不是做一个通用数据后台，而是做一个更贴近 RoboMaster 观赛和赛程分析场景的赛事总控台：用户可以从首页快速看到各赛区走势，也可以进入赛区
cmake编译在clion与vscode的使用教程（包括jlink,daplink,stlink的下载与下载器在ozone的使用）
前言：😀第一次开源有很多不合适的地方，大家体谅体谅，谢谢大家😁由于此文件不可以放入太多内容，我将教程放到了网站和github上 由于云服务器较差（上传文件多了会有问题），所以文件在此进行上传
自制串口绘图软件开源
1 项目简介 SerialPlotter 是一个无需后端框架的浏览器端工具，适合调试单片机、传感器、上位机协议和网络数据流。它可以把接收到的数据实时绘制成波形，支持时域、频域、通道配色、统计信息、发送面板和配置导入导出。 仓库地址：https://github.com/yssickjgd/serial_plotter 快速体验：https://yssickjgd.github.io/serial_plotter/ 其实当初的动机是感觉
电控可视化工具分享：“VarScope”
VarScope：一个基于 elf + OpenOCD 的嵌入式变量观察工具 最近做了一个面向嵌入式调试的小工具。做它的起因是我一直没找到一款足够顺手的软件来配合 DAPLink / CMSIS-DAP 做变量观察。很多时候，我只是想在程序运行时看看 PID、IMU、姿态角、电机反馈、控制量这些全局变量，但又不想额外占用串口，也不想为了临时调试再写一套通信协议。 所以我尝试用 vibe coding 的方式做了这个工具，目前已经可以比较方便地配合 `elf + OpenOCD + 调试器` 读取 MCU 固件中的全局变量，并进行实时显示、绘图、记录和导出。
更适合RM的控制理论
https://liuskywalkerjskd.github.io/Control-Note/ 大一大二打RM，很幸运拿到两块牌，大三忙着摆烂。 随着接触到更多的理论知识和比赛中的需求，更多的理论知识是必要的。回想起自己打比赛的时候，仿佛始终处于这样一个怪圈里： 调车-遇到bug-理论知识不够-花很长时间解决-没时间学习理论知识-效率低下 。从而’越忙越盲‘ 幸运的是我还有一些机会来思考一些问题，但始终是一些关于具体问题和知识的理解，零零散散写了几十页 markdown ，遗憾的是始终没有合适的时机将它们汇总起来形成具体且系统的体系。 大四终于有机会闲下来，得益于 Claude Opus 4.6 强大的 Tell Story 的能力，帮我串联起自己散落一地的灵感，让我得以实现这个长期以来的心愿。 与市面上能看到的绝大多数控制理论书本不同，这个文档更
[RM2026][自定义客户端开源]SharkClientRust-江南大学霞客湾校区Shark战队
仓库地址：JNU-SHARK/SharkClient: Rust重构版本自定义客户端 SharkClient-基于Tauri+Rust+Vue的RM自定义客户端方案 SharkClient 是一个为 RoboMaster 机
YOLO数据集自动标注工具
大多数工具要么需要导入导出转换格式，要么不能直接读取已有的 txt 标注文件。所以就按照自己平时标注数据集的操作习惯，写了这个工具，直接读写 YOLO 格式的 txt 文件，看开源数据集也比较方便。打开文件夹就能用，改完就存，不需要任何格式转换。 支持目标检测和姿态估计两种标注模式，兼容 Ultralytics YOLO 标准格式。内置 AI 自动标注功能，支持加载 ONNX 模型一键生成标注。 GitHub：https://github.com/Misaka21/YoloAnnotator 如果发现 bug 或有什么建议，欢迎提 Issue 或 PR。 使用说明 基本操作 打开文件夹：Ctrl+O 选择包含图片的文件夹，程序会自动查找 classes.txt 或 dataset.yam