【最佳工程奖】获奖项目展示|基于RK3588的全流程一体化网球陪练机器人

近日，第九届（2026）全国大学生嵌入式芯片与系统设计竞赛应用赛道总决赛在南京落下帷幕。本届赛事自2月上旬发布通知，吸引了全国908所高校的4.45万学生参赛，共产生15844支队伍，涵盖19个赛题方向。飞凌嵌入式作为赛事协办单位，携手瑞芯微设立专属赛题并承担评审工作，为参赛学生提供了软硬件技术平台支撑，助力他们将创意方案工程化落地。

本次瑞芯微&飞凌嵌入式赛题诞生诸多优质参赛作品，共有81个作品进入全国总决赛，其中来自郑州轻工业大学的

院校名称：郑州轻工业大学

团队名称：Y-Evolution

团队成员姓名：何钰炜、解怡婷、余焱

指导老师：于泽琦、杨永双

“最佳工程奖”获奖项目介绍

这款全自动网球陪练机器人，可在场地内自主切换收球、发球两大工作模式，无需人工介入，自动化完成整套网球训练作业。

在自主收球模式下，设备借助前置摄像头与YOLOv8检测模型，通过代价函数综合距离、转向权重筛选最优拾球目标；结合APF人工势场算法构建矢量力场，动态规划行进路径并实现智能避障。搭载RK3588的ELF 2开发板通过串口下发运动指令，控制底盘差速行走，配合视觉伺服实时纠偏，引导设备精准靠近目标网球。机械机构同步联动，前端浮动毛刷自适应完成网球归集，三轴齿轮抬升机构采用柔性夹持输送方案，稳定实现全自动拾球。

切换至智能发球模式，系统自动加载YOLOv8‑Pose人体姿态模型，实时识别解析手势信号：挥手四次启动发球、双手交叉终止发球。同时跟踪人体位置动态调整朝向，完成定向发球，并支持低、中、高三档发球力度可调。机械部分通过重力分流转盘实现单球精准落位，配合圆弧预加速轨道与双轮摩擦发射模组，输出力道平稳，保障弹道轨迹与发射射程稳定可控。

设备内置sherpa‑onnx离线语音识别引擎，断网环境下也可实现语音操控；搭配微信蓝牙小程序，兼顾多场景便捷控制，还可实时查看设备状态与训练数据。

该机器人完成整机机械结构三维建模、结构设计以及加工装配工作，包含底盘框架、全向自适应聚球毛刷组、三轴联动啮合齿轮抬升阵列、四腔重力分流转盘、圆弧导向预加速轨道、双轮摩擦发球模组、大容量储球筐与模块化拼插格栅护甲外壳。

整套机械依照“收—升—分—发”四级联动逻辑完成布局设计，各传动部件公差经过精细调校，机构联动运转顺滑。无需人工干预，即可实现场地网球拾取、抬升转运、单球分流、匀速发球的完整自动化闭环作业。

全自动网球陪练机器人软件系统采用上下位机分层架构进行开发，完成基于 【RK3588】ELF 2开发板上位智能算法程序，以及底层电机驱动板裸机控制程序的设计、移植、调试与整机联调。整套软件功能完善，运行时序稳定，模块间耦合度低，充分满足机器人全自主作业的业务需求。

上位机基于【RK3588】ELF 2开发板搭建Ubuntu嵌入式Linux开发环境，完成系统驱动适配、外设调试与算力环境配置。在算法层面，本项目对YOLOv8n网球检测模型与YOLOv8n-Pose人体姿态估计模型进行离线训练、RKNN量化压缩与板端部署优化，搭建多NPU核心流水线并行推理框架，实现双模型分时高速推理，有效提升视觉识别帧率与环境鲁棒性。

在路径规划层面，上位机成功实现代价函数多球择优算法与APF人工势场斥力避障算法的融合开发与参数整定，实现机器人智能寻球、择优行进与平滑避障功能。

在人机交互层面，完成sherpa-onnx离线语音识别引擎的板端集成、指令词库配置与三级匹配策略优化，实现无网络环境下的本地语音操控；同时完成微信小程序蓝牙通信协议适配，支持移动端远程控制、状态查看与训练数据统计。此外，本项目自主设计多帧类型兼容的自定义串口通信协议，实现视觉坐标、控制指令、设备状态的双向稳定传输，完成全流程上下位机联调验证。

底层电机驱动板基于标准C语言开发裸机实时控制程序，无需操作系统调度，响应延迟低、实时性强。软件功能涵盖：双UART多类型帧协议解析、增量式PID视觉伺服跟踪算法、四路底盘电机PWM差速控制、发球机构定时精准触发、分流转盘步进电机脉冲驱动、100ms周期设备状态主动上报、硬件看门狗复位保护、通信超时停机与异常恢复机制等全套底层控制逻辑，全方位保障机器人作业稳定性与安全性。

经过多轮室内调试与户外实地联调，上下位机软件时序匹配准确、模块协同稳定，视觉识别、路径规划、避障决策、语音交互、移动端控制与底层运动执行高度闭环，整机系统运行可靠、功能完整，完全满足智能网球陪练机器人的自主作业需求。

参赛平台介绍

本次全国大学生嵌入式芯片与系统设计竞赛，瑞芯微&飞凌嵌入式联合赛题提供的参赛硬件平台包含【RK3588】ELF 2开发板、【RV1126B】ELF-RV1126B开发板、【RK3506B】ELF-RK3506开发板。

三款硬件平台覆盖从入门级到高性能的完整梯度：ELF-RK3506开发板侧重基础嵌入式系统学习，适合开展外设驱动、Linux应用开发类项目；ELF-RV1126B开发板面向轻量边缘视觉场景，能够满足低功耗图像识别、智能感知类作品开发；ELF 2开发板搭载高性能NPU算力，可支撑大模型部署、复杂多模型协同推理等高难度工程实践。

刚刚介绍的“全流程一体化网球陪练机器人”项目，正是基于ELF 2开发板开发实现的。接下来，就让我们详细了解一下这款高性能开发板的核心参数与硬件优势。

ELF 2开发板以瑞芯微RK3588高性能处理器为基础进行设计，其CPU架构由四核ARM Cortex-A76和四核ARM Cortex-A55组成，主频可达2.4GHz，还内置了具有6TOPS算力的NPU。凭借这样的设计，它能够游刃有余地应对多种深度学习框架，对各类复杂的AI任务进行高效处理。

在接口资源方面，ELF 2开发板提供了丰富的选项，包括多个USB、PCIe、UART等通信接口，以及HDMI、DP等音视频接口。此外，它还支持多种扩展模块，适配了显示屏、摄像头、光照传感器、运动传感器、语音控制等丰富的选配模块。而且在开发板上预留的40pin排针可兼容树莓派的各种模块，为您的嵌入式学习之旅提供了无限可能。

ELF 2开发板已经适配了Linux 5.10及Ubuntu 22.04操作系统，后续逐步实现对Android、OpenHarmony等系统的适配，旨在为在校学生、高校教师、专业工程师、兴趣达人提供丰富的学习与开发环境。

ELF 2开发板附带了丰富的教学资料，系统而全面地介绍了AI开发的整个流程。资料中不仅模型种类丰富多样，而且对典型模型都进行了深入的剖析，详细阐述了模型的优化思路与方法，让AI项目能够真正地从理论走向实践。