基于Arduino与6.5寸轮毂电机的智能动态跟随机器人底盘，是一种将一体化高扭矩动力单元与实时感知决策系统深度融合的移动平台方案。该方案利用轮毂电机“轮内驱动”的紧凑特性，结合Arduino（或ESP32等兼容主控）的灵活控制能力，旨在实现对人、车或特定目标的平滑、抗扰、低延迟的伴随运动。

一、 主要特点
一体化高扭矩动力架构
直驱/准直驱结构：6.5寸轮毂电机将BLDC电机、行星减速器（常见速比1:10~1:30）、轮毂及轴承高度集成。省去了皮带、链条等中间传动环节，传动效率高（>85%），结构紧凑，底盘离地间隙低，重心稳。
大扭矩低速特性：得益于内置减速，轮毂电机在低转速下可输出极大扭矩（峰值可达8~25 N·m），能轻松驱动30~80kg级底盘，具备良好的爬坡（<5°）和越障（过坎）能力，且低速运行平稳无顿挫。
自带霍尔反馈：电机内置霍尔传感器，可直接用于测速和转向判断，无需外接编码器即可实现速度闭环控制，为里程计（Odometry）提供基础数据。
多模态动态感知融合
无线信号定位（BLE/UWB）：利用蓝牙RSSI（信号强度）或UWB（超宽带）TOF（飞行时间）技术，精确测量与目标标签的距离和角度，实现非接触式“电子牵绳”跟随。
视觉/激光辅助：结合OpenCV进行人脸/特征点识别，或利用激光雷达/ToF传感器进行轮廓跟踪与避障，确保在复杂动态环境中不跟丢、不碰撞。
IMU姿态补偿：内置MPU6050等IMU，通过卡尔曼滤波融合数据，补偿底盘在加速/刹车时的俯仰/横滚姿态，防止因重心偏移导致的控制失稳。
分层式智能控制策略
上层：轨迹规划：根据感知到的目标相对位姿（距离、方位角、速度），规划出期望的底盘线速度与角速度。
底层：差速PID闭环：Arduino主控接收上层指令，通过双路PID控制器分别调节左右轮毂电机的转速，利用差速运动学实现前进、后退、原地旋转及任意半径转向，响应速度快，机动性强。

二、 核心应用场景
智能物流搬运（人机协同AGV）：在仓库或产线，底盘作为跟随式AGV，自动尾随工人进行物料配送，解放双手，提升拣选效率。
服务与接待机器人：在商场、酒店、机场，作为智能行李车或导览车，自动跟随顾客移动，提供物品寄存或引导服务。
安防巡检与特种作业：在园区或危险区域，作为移动监控平台，伴随安保人员巡逻，或跟随排爆人员运送设备，保持安全距离。
科研与教育平台：作为ROS（机器人操作系统）、SLAM（同步定位与建图）、多传感器融合算法的验证平台，用于高校教学与竞赛。

三、 注意事项与关键技术挑战
电源管理与电磁兼容（EMC）
独立供电：轮毂电机启动电流极大（峰值可达10A以上），严禁使用同一路电源直接为Arduino及传感器供电，否则电压跌落将导致MCU复位。必须采用隔离DC-DC模块（如24V转5V）为控制电路单独供电。
去耦电容：在ESC（电调）电源输入端并联大容量低ESR电解电容（1000μF~4700μF），吸收电机换向产生的反电动势尖峰，稳定母线电压。
布线抗干扰：动力线（粗）与信号线（细）必须分开走线，避免平行布线，最好垂直交叉。霍尔线、IMU线需使用屏蔽线，防止PWM噪声干扰传感器读数。
控制算法的实时性与平滑性
主控算力升级：标准的Arduino Uno（ATmega328P）处理复杂的传感器融合（如卡尔曼滤波）和多路PID闭环时可能力不从心。推荐使用ESP32（双核，可一核处理通信一核处理控制）或Teensy 4.0等高算力板卡，确保控制频率≥50Hz。
S曲线加减速：直接给阶跃速度指令会导致电机冲击大、轮胎打滑。必须采用S型速度规划，限制加加速度（Jerk），使速度曲线平滑过渡，提升乘坐舒适性和跟随精度。
抗积分饱和：在目标突然消失或被障碍物阻挡时，PID积分项会累积导致电机“飞车”。必须设置积分限幅和失控保护逻辑（如信号丢失超时自动刹车）。
机械安装与轮胎选型
轴刚性固定：6.5寸轮毂电机通常通过16mm轴或法兰固定。必须使用紧定螺钉+夹紧套或刚性连接板确保轴不松动，任何晃动都会导致霍尔测速不准和底盘跑偏。
轮胎匹配：PU实心胎适合室内平坦地面，控制精准、不爆胎；橡胶充气胎适合室外不平地面，减震好、越障强，但需注意胎压，气压不足会影响里程计精度。
安全冗余机制
硬件急停：必须设计独立的硬件急停回路（如串联急停按钮），当触发时直接切断电机供电，优先级高于软件逻辑。
软件限幅：在代码中限制PWM输出最大值，防止因算法bug输出全速指令；同时设置软件限位，防止机器人冲出安全区域。

1、基于UWB超宽带定位的差速跟随（PID控制）
功能：通过UWB模块（如DW1000）获取目标与机器人的相对位置，使用PID算法控制轮毂电机实现平滑跟随。
硬件：
Arduino Mega/Due（支持多串口）
2×BLDC轮毂电机（6.5寸，带编码器）
2×SimpleFOC Shield（驱动电机）
DW1000 UWB模块×2（主从机）

#include <SimpleFOC.h>
#include <DW1000.h> // UWB库（需自行实现或使用第三方库）

// 左轮电机
BLDCMotor leftMotor(7);
BLDCDriver3PWM leftDriver(9, 10, 11, 8);
MagneticSensorI2C leftEncoder(AS5600_I2C);

// 右轮电机
BLDCMotor rightMotor(12);
BLDCDriver3PWM rightDriver(13, 14, 15, 16);
MagneticSensorI2C rightEncoder(AS5600_I2C);

// UWB定位参数
float targetX = 0, targetY = 0; // 目标坐标（通过UWB更新）
float robotX = 0, robotY = 0;   // 机器人坐标
float desiredDistance = 1.0;    // 期望跟随距离（米）
float desiredAngle = 0;          // 期望朝向（弧度）

// PID参数
float Kp_dist = 0.8, Ki_dist = 0.05, Kd_dist = 0.1; // 距离PID
float Kp_angle = 1.0, Ki_angle = 0.1, Kd_angle = 0.2; // 角度PID

void setup() {
  // 电机初始化（同前文案例）
  leftMotor.linkSensor(&leftEncoder);
  leftMotor.linkDriver(&leftDriver);
  leftMotor.controller = MotionControlType::velocity;
  leftMotor.PID_velocity.P = 0.2;
  leftMotor.initFOC();

  rightMotor.linkSensor(&rightEncoder);
  rightMotor.linkDriver(&rightDriver);
  rightMotor.controller = MotionControlType::velocity;
  rightMotor.PID_velocity.P = 0.2;
  rightMotor.initFOC();

  // UWB初始化（简化示例）
  DW1000.begin(Serial1); // 使用硬件串口1
  DW1000.setAddress(0x1234); // 机器人地址
  Serial.begin(115200);
}

void loop() {
  // 1. 通过UWB获取目标位置（实际需实现通信协议）
  if (DW1000.available()) {
    float dist, angle;
    DW1000.getRelativePosition(&dist, &angle); // 假设UWB返回极坐标
    targetX = robotX + dist * cos(angle);
    targetY = robotY + dist * sin(angle);
  }

  // 2. 计算误差（距离和角度）
  float dx = targetX - robotX;
  float dy = targetY - robotY;
  float currentDistance = sqrt(dx * dx + dy * dy);
  float currentAngle = atan2(dy, dx); // 目标相对于机器人的方位角

  float errorDist = desiredDistance - currentDistance;
  float errorAngle = desiredAngle - currentAngle;
  errorAngle = (errorAngle > PI) ? errorAngle - 2*PI : 
               (errorAngle < -PI) ? errorAngle + 2*PI : errorAngle;

  // 3. PID控制（距离和角度解耦）
  static float integralDist = 0, integralAngle = 0;
  float derivativeDist = (errorDist - lastErrorDist) / 0.02;
  float derivativeAngle = (errorAngle - lastErrorAngle) / 0.02;

  float outputDist = Kp_dist * errorDist + Ki_dist * integralDist + Kd_dist * derivativeDist;
  float outputAngle = Kp_angle * errorAngle + Ki_angle * integralAngle + Kd_angle * derivativeAngle;

  integralDist += errorDist * 0.02;
  integralAngle += errorAngle * 0.02;
  lastErrorDist = errorDist;
  lastErrorAngle = errorAngle;

  // 4. 差速转向控制（融合距离和角度输出）
  float baseSpeed = outputDist * 1.5; // 基础速度与距离误差成比例
  float turnRate = outputAngle * 0.8;  // 转向速率与角度误差成比例

  float leftSpeed = baseSpeed - turnRate;
  float rightSpeed = baseSpeed + turnRate;

  leftMotor.move(leftSpeed);
  rightMotor.move(rightSpeed);

  // 5. 更新机器人位置（简化里程计模型）
  robotX += (leftSpeed + rightSpeed) * 0.02 * cos(currentAngle) / 2;
  robotY += (leftSpeed + rightSpeed) * 0.02 * sin(currentAngle) / 2;

  delay(20);
}

2、基于OpenMV视觉的色块跟随（纯追踪算法）
功能：通过OpenMV摄像头识别特定颜色色块，计算机器人与目标的相对位置，使用纯追踪算法控制轮毂电机。
硬件：
Arduino Nano 33 BLE Sense（支持I2C/UART）
OpenMV Cam H7（带UART输出）
2×BLDC轮毂电机（6.5寸）
SimpleFOC Shield

#include <SimpleFOC.h>

// 电机初始化（同案例1）
BLDCMotor leftMotor(7);
BLDCDriver3PWM leftDriver(9, 10, 11, 8);
MagneticSensorI2C leftEncoder(AS5600_I2C);

BLDCMotor rightMotor(12);
BLDCDriver3PWM rightDriver(13, 14, 15, 16);
MagneticSensorI2C rightEncoder(AS5600_I2C);

// 视觉参数
float targetX = 160, targetY = 120; // OpenMV图像中心坐标（320x240）
float lookaheadRatio = 0.5; // 预瞄点比例（0~1）

void setup() {
  // 电机初始化
  leftMotor.linkSensor(&leftEncoder);
  leftMotor.linkDriver(&leftDriver);
  leftMotor.controller = MotionControlType::velocity;
  leftMotor.initFOC();

  rightMotor.linkSensor(&rightEncoder);
  rightMotor.linkDriver(&rightDriver);
  rightMotor.controller = MotionControlType::velocity;
  rightMotor.initFOC();

  Serial2.begin(115200); // OpenMV UART
  Serial.begin(115200);
}

void loop() {
  // 1. 从OpenMV获取目标坐标（通过UART）
  if (Serial2.available() > 0) {
    String msg = Serial2.readStringUntil('\n');
    int commaIndex = msg.indexOf(',');
    targetX = msg.substring(0, commaIndex).toFloat();
    targetY = msg.substring(commaIndex + 1).toFloat();
  }

  // 2. 计算预瞄点（纯追踪算法）
  float imageCenterX = 160, imageCenterY = 120;
  float dx = targetX - imageCenterX;
  float dy = targetY - imageCenterY;
  float angleToTarget = atan2(dy, dx); // 目标在图像中的方位角（弧度）

  // 3. 转换为机器人坐标系（假设摄像头朝前）
  float robotAngle = 0; // 通过IMU或编码器估计（此处简化）
  float globalAngle = angleToTarget + robotAngle;

  // 4. 差速控制（简化版）
  float baseSpeed = 2.0; // 基础速度
  float turnGain = 0.5;  // 转向增益
  float errorAngle = globalAngle; // 直接使用图像角度误差

  leftMotor.move(baseSpeed - errorAngle * turnGain);
  rightMotor.move(baseSpeed + errorAngle * turnGain);

  Serial.print("Target: ("); Serial.print(targetX);
  Serial.print(","); Serial.print(targetY);
  Serial.print(") Angle: "); Serial.println(angleToTarget * 180 / PI);
  delay(20);
}

3、基于激光雷达的SLAM跟随（动态避障）
功能：通过RPLIDAR A1获取环境点云，使用SLAM算法定位机器人与目标，结合A*路径规划实现动态避障跟随。
硬件：
Arduino Portenta H7（高性能MCU）
RPLIDAR A1（通过UART连接）
2×BLDC轮毂电机（6.5寸）
SimpleFOC Shield

#include <SimpleFOC.h>
#include <RPLidar.h> // 需自行实现或使用第三方库

// 电机初始化（同案例1）
BLDCMotor leftMotor(7);
BLDCDriver3PWM leftDriver(9, 10, 11, 8);
MagneticSensorI2C leftEncoder(AS5600_I2C);

BLDCMotor rightMotor(12);
BLDCDriver3PWM rightDriver(13, 14, 15, 16);
MagneticSensorI2C rightEncoder(AS5600_I2C);

// 激光雷达参数
RPLidar lidar;
float robotPos[2] = {0, 0}; // 机器人位置（通过SLAM更新）
float targetPos[2] = {2, 0}; // 目标位置
float path[100][2]; // 存储路径点
int pathLength = 0;

void setup() {
  // 电机初始化
  leftMotor.linkSensor(&leftEncoder);
  leftMotor.linkDriver(&leftDriver);
  leftMotor.controller = MotionControlType::velocity;
  leftMotor.initFOC();

  rightMotor.linkSensor(&rightEncoder);
  rightMotor.linkDriver(&rightDriver);
  rightMotor.controller = MotionControlType::velocity;
  rightMotor.initFOC();

  // 激光雷达初始化
  lidar.begin(Serial2); // 使用硬件串口2
  Serial.begin(115200);
}

void loop() {
  // 1. 获取激光雷达数据并更新SLAM地图（简化示例）
  if (lidar.available()) {
    float scanData[360][2]; // 存储极坐标点
    lidar.getScan(scanData);

    // 假设通过SLAM算法更新机器人位置和目标路径
    updateSLAM(scanData);
    generatePath(robotPos, targetPos, path, &pathLength);
  }

  // 2. 纯追踪算法跟踪路径
  if (pathLength > 0) {
    Vector2 currentPos(robotPos[0], robotPos[1]);
    Vector2 nextPoint(path[0][0], path[0][1]);

    // 计算预瞄点（动态调整预瞄距离）
    float lookaheadDist = 0.3 + (pathLength > 5 ? 0.2 : 0); // 根据路径长度调整
    Vector2 lookahead = getLookaheadPoint(currentPos, nextPoint, lookaheadDist);

    // 差速控制
    float dx = lookahead.x - robotPos[0];
    float dy = lookahead.y - robotPos[1];
    float angleToTarget = atan2(dy, dx);

    float baseSpeed = 1.5;
    float turnRate = angleToTarget * 0.8;

    leftMotor.move(baseSpeed - turnRate);
    rightMotor.move(baseSpeed + turnRate);
  }

  delay(20);
}

// 简化版SLAM和路径规划函数（需实际实现）
void updateSLAM(float scanData[360][2]) { /* ... */ }
void generatePath(float start[2], float end[2], float path[100][2], int* length) { /* ... */ }
Vector2 getLookaheadPoint(Vector2 pos, Vector2 next, float dist) { /* ... */ }

技术解读
传感器融合与定位
UWB：高精度室内定位（±10cm），但需部署锚点。
视觉：OpenMV适合简单色块跟随，但易受光照影响。
激光雷达：SLAM实现全局定位，但计算量大，需高性能MCU（如Portenta H7）。
运动学模型优化
差速驱动：通过左右轮速度差实现转向，需考虑轮距（L）对转弯半径的影响
电机控制与PID调参
轮毂电机特性：6.5寸电机惯性大，需降低 K p避免振荡，增加 K d抑制超调。
双闭环控制：外环（位置/速度）PID输出作为内环（电流）PID的输入（需SimpleFOC支持）。
动态避障与路径规划
A*算法：适用于静态地图，但需离散化网格。
DWA（动态窗口法）：实时避障，适合高速场景，但计算复杂度高。
硬件选型与电源管理
电机驱动：SimpleFOC Shield支持高电流（≥10A），但需额外散热。
电源：6.5寸电机峰值电流可能达20A，建议使用 24V/10Ah锂电池 + DC-DC降压 供电。

4、基于超声波与 PID 的恒距平滑跟随
功能描述：这是最经典的跟随方案。利用超声波测距，通过 PID 算法将距离误差转化为电机速度指令。相比简单的“近了就退，远了就进”，PID 能让底盘在接近目标时自动减速，实现平滑停靠，避免急停急启造成的晃动。

#include <SimpleFOC.h>

// --- 硬件定义 ---
// 假设使用 SimpleFOC 驱动 6.5寸轮毂电机
BLDCMotor motorL(7); // 7对极电机
BLDCMotor motorR(7);
// 驱动器引脚需根据实际板卡定义
BLDCDriver3PWM driverL(9, 10, 11, 8); 
BLDCDriver3PWM driverR(5, 6, 7, 4);

// 超声波引脚
#define TRIG_PIN 2
#define ECHO_PIN 3

// --- 跟随参数 ---
const float TARGET_DIST = 50.0;  // 目标跟随距离 (cm)
const float MAX_DIST = 200.0;    // 最大检测距离
const float MIN_DIST = 20.0;     // 最小安全距离

// --- PID 控制器 ---
// 输入是距离误差，输出是电机速度
float Kp = 2.0, Ki = 0.0, Kd = 1.0; // 需实测整定
float lastError = 0;
float integral = 0;

void setup() {
  Serial.begin(115200);
  
  // 初始化超声波
  pinMode(TRIG_PIN, OUTPUT);
  pinMode(ECHO_PIN, INPUT);

  // 初始化电机 (SimpleFOC)
  driverL.voltage_power_supply = 12; // 根据实际电压调整
  driverL.init();
  motorL.linkDriver(&driverL);
  motorL.init();
  motorL.initFOC();

  driverR.voltage_power_supply = 12;
  driverR.init();
  motorR.linkDriver(&driverR);
  motorR.init();
  motorR.initFOC();
}

float readDistance() {
  digitalWrite(TRIG_PIN, LOW);
  delayMicroseconds(2);
  digitalWrite(TRIG_PIN, HIGH);
  delayMicroseconds(10);
  digitalWrite(TRIG_PIN, LOW);
  long duration = pulseIn(ECHO_PIN, HIGH, 30000); // 30ms超时
  return (duration * 0.034) / 2; // 转换为cm
}

void loop() {
  // 1. 读取距离
  float distance = readDistance();
  
  // 2. 有效性检查
  if (distance > MAX_DIST || distance < 2) {
    motorL.move(0);
    motorR.move(0);
    return;
  }

  // 3. PID 计算
  float error = distance - TARGET_DIST;
  integral += error;
  float derivative = error - lastError;
  
  // 计算速度指令
  float speedCmd = (Kp * error) + (Ki * integral) + (Kd * derivative);
  lastError = error;

  // 4. 速度限制与死区处理
  // 简单的死区补偿，防止低速不动
  if (abs(speedCmd) < 0.5) speedCmd = 0;
  // 限制最大速度 (rad/s)
  speedCmd = constrain(speedCmd, -5.0, 5.0);

  // 5. 差速电机控制
  motorL.move(speedCmd);
  motorR.move(speedCmd);

  // SimpleFOC 核心循环
  motorL.loopFOC();
  motorR.loopFOC();

  delay(10); // 100Hz 控制频率
}

5、基于蓝牙 RSSI 信号强度的定向跟随
功能描述：利用蓝牙模块（如 HC-05）的信号强度指示（RSSI）来判断目标的远近。信号越强（数值越接近 0）代表越近，信号越弱（负值越大）代表越远。这是一种低成本、无需视觉的“盲跟随”方案。

#include <SoftwareSerial.h>

// --- 硬件定义 ---
SoftwareSerial btSerial(10, 11); // RX, TX 连接蓝牙模块

// --- 跟随参数 ---
const int RSSI_TARGET = -40; // 目标信号强度 (dBm)，需实测校准
const int RSSI_TOO_CLOSE = -20; // 太近阈值
const int RSSI_TOO_FAR = -70;   // 太远阈值

// --- 电机控制 ---
const int MOTOR_L_PWM = 9;
const int MOTOR_R_PWM = 10;
const int MOTOR_L_DIR = 2;
const int MOTOR_R_DIR = 3;

void setup() {
  Serial.begin(9600);
  btSerial.begin(9600); // 蓝牙波特率通常为 9600 或 38400
  
  pinMode(MOTOR_L_PWM, OUTPUT);
  pinMode(MOTOR_R_PWM, OUTPUT);
  pinMode(MOTOR_L_DIR, OUTPUT);
  pinMode(MOTOR_R_DIR, OUTPUT);
  
  // 初始化电机方向...
}

void loop() {
  // 1. 读取 RSSI (AT 指令模式或特定模块会自动上报)
  // 这里假设通过串口发送 "AT+CSQ" 或解析模块自动上报的数据
  // 实际代码需根据蓝牙模块协议解析
  int rssi = readRSSI(); // 模拟函数，返回 -100 到 0 之间的整数

  if (rssi == 0) return; // 无信号

  // 2. 逻辑判断
  int speed = 0;
  
  if (rssi > RSSI_TOO_CLOSE) {
    // 信号太强 -> 距离太近 -> 后退
    speed = -100; 
    digitalWrite(MOTOR_L_DIR, LOW); // 设置方向
    digitalWrite(MOTOR_R_DIR, LOW);
  } 
  else if (rssi < RSSI_TOO_FAR) {
    // 信号太弱 -> 距离太远 -> 前进
    speed = 150;
    digitalWrite(MOTOR_L_DIR, HIGH);
    digitalWrite(MOTOR_R_DIR, HIGH);
  } 
  else {
    // 信号适中 -> 保持或微调
    // 简单的比例控制：信号越弱，速度越快
    speed = map(rssi, RSSI_TOO_FAR, RSSI_TARGET, 150, 0);
    digitalWrite(MOTOR_L_DIR, HIGH);
    digitalWrite(MOTOR_R_DIR, HIGH);
  }

  // 3. 输出 PWM
  analogWrite(MOTOR_L_PWM, abs(speed));
  analogWrite(MOTOR_R_PWM, abs(speed));

  Serial.print("RSSI: "); Serial.print(rssi);
  Serial.print(" Speed: "); Serial.println(speed);
  
  delay(100); // 蓝牙读取不宜过快
}

// 模拟 RSSI 读取函数
int readRSSI() {
  // 实际需解析 AT+CSQ 返回的值
  // 这里仅做演示
  return -45; 
}

6、多传感器融合与防碰撞急停
功能描述：单纯的跟随容易发生碰撞。本案例在跟随的基础上，增加了前后双超声波检测，构建了一个简单的“安全包围盒”。一旦检测到前方有突发障碍物或后方有人靠近，立即触发急停或避让逻辑，提升安全性。

#include <NewPing.h>

// --- 传感器定义 ---
#define SONAR_NUM 2
#define TRIG_PIN_FRONT 2
#define ECHO_PIN_FRONT 3
#define TRIG_PIN_REAR 4
#define ECHO_PIN_REAR 5
#define MAX_DIST 200

NewPing sonar[SONAR_NUM] = {
  NewPing(TRIG_PIN_FRONT, ECHO_PIN_FRONT, MAX_DIST),
  NewPing(TRIG_PIN_REAR, ECHO_PIN_REAR, MAX_DIST)
};

// --- 安全阈值 ---
const int STOP_DIST_FRONT = 30; // 前方急停距离
const int STOP_DIST_REAR = 20;  // 后方急停距离

// --- 电机状态 ---
int motorSpeed = 0;

void setup() {
  Serial.begin(9600);
  // 初始化电机驱动...
}

void loop() {
  // 1. 读取传感器 (分时触发避免干扰)
  delay(50); 
  unsigned int distFront = sonar[0].ping_cm();
  delay(50);
  unsigned int distRear = sonar[1].ping_cm();

  // 2. 安全逻辑判断 (优先级最高)
  if ((distFront > 0 && distFront < STOP_DIST_FRONT) || 
      (distRear > 0 && distRear < STOP_DIST_REAR)) {
    
    // 触发急停
    motorSpeed = 0;
    setMotors(0, 0);
    Serial.println("⚠️ 障碍物检测！紧急制动");
    return;
  }

  // 3. 正常跟随逻辑 (此处可结合案例一的 PID)
  // 假设 distFront 是跟随目标的距离
  if (distFront > 0 && distFront < MAX_DIST) {
    // 简单的 P 控制演示
    if (distFront > 100) {
      motorSpeed = 150; // 远了加速
    } else {
      motorSpeed = 0;   // 近了停止
    }
    setMotors(motorSpeed, motorSpeed);
  }

  Serial.print("Front: "); Serial.print(distFront);
  Serial.print(" Rear: "); Serial.println(distRear);
}

void setMotors(int left, int right) {
  // 驱动电机函数
}

要点解读
轮毂电机的 FOC 控制优势
案例4使用了 SimpleFOC 库。6.5 寸轮毂电机通常是无刷电机（BLDC），相比传统直流电机，使用 FOC（磁场定向控制）能实现极低速下的平稳运行和精准扭矩控制。这对于跟随机器人至关重要，因为它能避免低速跟随时的“顿挫感”。
PID 在距离控制中的应用
在案例4中，我们不是简单地控制“动”或“停”，而是控制“速度”。PID 算法将距离误差转化为速度指令。当距离远时速度快，距离近时速度慢，到达目标距离时速度为 0，这种平滑过渡是提升用户体验的关键。
RSSI 跟随的局限与校准
案例5利用蓝牙信号强度（RSSI）跟随，成本极低，但受环境影响大（多径效应）。关键点在于校准：不同的手机、不同的蓝牙模块，其信号强度基准不同。必须在实际环境中测试，找到“舒适距离”对应的 RSSI 值（如 -40dBm），并设置合理的死区。
多传感器抗干扰设计
案例6使用了 NewPing 库并加入了 delay 分时触发。这是因为超声波传感器在发射声波时会产生机械振动，如果多个传感器同时触发，回波会相互干扰（串扰）。通过分时读取（例如间隔 50ms），可以确保数据的准确性。
安全冗余机制
在涉及大功率轮毂电机的应用中，惯性很大，刹车距离长。案例6展示了“安全包围盒”的概念：不仅要看前面（跟随目标），还要看后面（防止被撞击）和侧面。一旦检测到任何方向的突发障碍，急停逻辑的优先级必须高于跟随逻辑，这是机器人安全设计的铁律。

请注意：以上案例仅作为思路拓展的参考示例，不保证完全正确、适配所有场景或可直接编译运行。由于硬件平台、实际使用场景、Arduino 版本的差异，均可能影响代码的适配性与使用方法的选择。在实际编程开发时，请务必根据自身硬件配置、使用场景及具体功能需求进行针对性调整，并通过多次实测验证效果；同时需确保硬件接线正确，充分了解所用传感器、执行器等设备的技术规范与核心特性。对于涉及硬件操作的代码，使用前务必核对引脚定义、电平参数等关键信息的准确性与安全性，避免因参数错误导致硬件损坏或运行异常。