由Kunal Gupta团队推动的PuppyPi计画，为Raspberry Pi（尤其是Pi 5或CM4版本）提供了一个高精度的机器人躯壳，实现了硬体与实体的完美结合。

/news/2026/01/20/1723501240S.jpg

这款机器人采用CNC铝合金框架，配备8个具备回??功能的智慧伺服马达，并原生支援ROS 1/2开源生态系统，使其不仅是科技玩具，更是具备视觉感知、空间导航与物理操作能力的家庭助手原型。

PuppyPi的强大源於其模组化设计，可搭载HD广角相机、ToF LiDAR以及2-DOF机械手臂。在软体层面，该系统基於ROS 2 Humble构建了完整的中枢神经系统。透过分散式节点架构，研究员开发了多个核心功能：navigation_core负责LiDAR制图与避障；vision_brain执行优化後的YOLO模型以辨识人脸或物品；voice_interface则整合离线语音引擎确保隐私；最後由task_master调度器将自然语言指令拆解为具体的任务执行序列。

在实际应用中，PuppyPi展现了超越传统监视器的灵活性。开发者实作了「自主安全哨兵」功能，机器人能依照预设时间或语音指令启动巡逻模式。利用LiDAR建立的地图，它能在屋内定点移动，并透过相机进行持续的视觉分析。一旦侦测到未知人脸或环境异常（如突然出现的包裹），系统会立即拍摄照片并透过Telegram Bot将讯息推送到使用者的手机，实现主动式家庭防御。

为了让互动更直觉，PuppyPi整合了声源定位与脸部搜寻技术。当使用者在另一间房呼唤它时，它能循声找人并走到面前。此外，它还能执行如「去检查阳台窗户是否关好」等复杂任务，透过路径规划导航至目的地，并利用视觉辨识回报结果。使用者甚至能透过手机网页介面接入第一人称视角（FPV），远端操控机器人，彷佛亲临现场。

这项计画最精采的部分在於结合了机械手臂的递送功能。透过AprilTag标签标记常见物品（如电视遥控器），PuppyPi可以执行精准的抓取任务。当接收到「把遥控器拿给我」的指令时，task_master会导航至客厅，由vision_brain计算物品的3D空间位置，并调用**MoveIt!**运动规划库控制手臂抓取。这项功能在结构化环境中表现极为稳定，让机器人从单纯的移动装置进化为能影响物理环境的智慧单元。

尽管PuppyPi表现出色，但在高负载下（如同时运行SLAM与视觉模型）仍面临电力续航与运算极限的挑战。研究团队提出的优化方案包括：实作基於视觉标签的「自动回充」逻辑以解决电池问题；透过模型量化与YOLOv8n减轻Pi 5的运算负担；以及利用ROS 2的分散式运算特性，将部分运算量载卸至家庭伺服器。这证明了PuppyPi不仅是学习机器人全栈技术的顶级平台，更是实现未来家庭自动化愿景的最隹实验场。