博主复刻档案：谁做过、按什么流程做的

她的流程（时间点可直接跳看）

1. 开箱核对：Tnkr 全套 Kit 清点零件 （0:00）
2. 躯干装配：先装身体骨架 （0:29）
3. 焊接供电与总线：人生第一次焊接，耗时大头 （1:16–5:02）
4. 舵机标定排障：用 PyCharm + Claude 辅助调试 （5:26）
5. 热熔螺母装入打印件：中途才发现的关键工艺 （6:25）
6. 缺件返工：第 2 天缺一个打印件，补打 （7:26）
7. 继续身体装配 （8:13）
8. 树莓派接线 + 万用表检查 （9:23）
9. 蓝牙手柄配对 + 麦克风改装 （10:00）
10. 对照接线图排疑：图纸有歧义处 （11:11）
11. 完工试走 （12:00）

对我们的启示：新手总耗时 4 个整天，大头在焊接与电气排障，不在机械装配；热熔螺母要提前备；打印机用的 Centauri Carbon 2。

他的流程

1. 按官方 BOM 备料：实测总成本约 8 万日元（≈¥4,000），有 3D 打印机为前提
2. 3D 打印全部结构件：Onshape 图纸对照
3. 机械装配：腿部舵机 → 躯干 → 头颈
4. 刷机与配置：树莓派 Zero 2W 装机载运行时
5. 加载官方训练好的策略：无需自己训练
6. 双足行走 + 手柄遥控：成品是一台「会走的遥控机器人」

对我们的启示：①成本数据与我们 ¥3,500 预算吻合；②他学 RL 原理用的是 frankfu 的图解文章，扫盲推荐；③证明「不训练、只装配」也能得到完整可玩的机器人。

流程（快剪浓缩）

1. 打印 → 装配 → 接线 → 通电站立 → 行走，一分钟看完全工序体量

用法：开工前热身。一分钟建立「整个工程有多大」的心理预期，再进长视频不迷路。该频道是专业机器人开发者（Masato Kobayashi），有更多双足机器人内容可挖。

流程框架

1. 打印乐趣：结构件打印与后处理
2. 装配乐趣：机械组装与接线
3. 调教乐趣：策略部署与行为调整

用法：中文语境下对「时间花在哪三块」的直观感受，评估自己每周能投入多少。

他们的方案（原文提炼）

1. 国内平替舵机：不用进口件，换国产型号
2. 重新设计硬件电路：不做一比一复刻
3. 整体成本低于原版（原版 BOM €398）
4. 资料整理中，预计两周内开源发布（2026-09-01 预告）

对我们的启示：这是国内机器人公司做的正规国产化方案。建议采购前先等它两周——如果按时开源，我们的散件清单可以直接抄它的，成本还能再降。跟踪方式：B 站关注「陆吾智能LuwuDynamics」。

他的计划

1. 目标：2 周内做出低成本国产 duck，复刻进行中
2. 连载更新，进度与我们即将开始的节奏同步

用法：追更对照。他先踩的坑我们可以绕开；他的用料选择可与陆吾智能方案互相印证。

他的流程

1. 部署官方开源训练栈（microduck_rl，MuJoCo）
2. 单张 4090D 上训练自定义舞蹈动作
3. 导出 ONNX，仿真中验证：鸭子学会跳舞

对我们的启示：直接验证了我们「阶段 1 仿真训练」的两个假设——消费级单卡就够、发布一周内普通玩家就能跑通训练管线。我们申请的 RTX 5090 比 4090D 更强。

他做的中文化工作（可直接取用）

1. 整套飞书中文教程 wiki：教程空间（复刻+魔改+训练自定义策略+接多模态大模型）
2. 中文 BOM 采购对照表：飞书表格（国内店铺可买版本）
3. 训练路线：Isaac Sim / MuJoCo 训练 → sim2real 部署 → 接多模态 LLM

用法：采购下单前逐项对照他的中文 BOM（比官方欧洲链接省事）；魔改阶段抄他「接大模型」那几篇。

系列篇目 = 完整流程（编号即文章号）

1. 硬件介绍（6736）
2. 舵机配置（6737）
3. 电路焊接（6738）
4. 硬件组装（6739）
5. 系统安装（6740）
6. 软件安装（6741）
7. 配置 duck_config.json（6742）
8. IMU 配置（6743）
9. 设置关节偏移（6744）
10. 手柄配置（6745）
11. 耳部舵机测试（6746）
12. 眼部 LED 测试（6753）
13. 扬声器测试（6754）
14. 相机测试（6755）
15. 脚部微动测试（6756）
16. 测试行走（6757）
17. 训练环境配置（6758）
18. 生成参考动作（6759）
19. 处理动作数据（6760）
20. 强化学习训练（6761）
21. 模型推理与仿真（6762）
22. 开箱指南（6763）

他的改造路线（按连载顺序）

1. 基础鸭建成：标准 Open Duck Mini 复刻
2. 加视觉：相机 + 物体识别打通
3. 语音+视觉完整管线：机载 Orange Pi 只做采集，重活经 Wi-Fi 丢给局域网服务器（跑 Qwen 大模型 + 语音识别 + 物体识别）
4. 自训 ONNX 策略：翻车记录，训练自定义步态仍有问题——印证「先用官方策略首走」的重要性
5. LLM 大脑：让大模型决策机器人行为

对我们的启示：「端侧轻、算力后置」的架构与我们申请的工作站方案吻合——鸭子只跑采集与执行，大模型放局域网 GPU 上。

他的路线

1. 标准复刻：树莓派 Zero 2W 版本跑通
2. 机载算力升级：主控换 Jetson Orin Nano Super，策略在端侧更强算力上运行

用法：如果阶段 4 要做「端侧跑大模型」（不依赖局域网服务器），这是前置改造路线；与 Joel 的「算力后置」二选一。

Google 的做法

1. Gemma 轻量模型（2B）放进鸭子：全程端侧推理，不连外部服务器
2. 硬件：Raspberry Pi 5 / Jetson Orin Nano
3. 多模态输入：机载相机 + 麦克风 + 语音转文字
4. 表达输出：LED 动画眼睛 + 实时对话

对我们的启示：Google 官方亲自示范「语音陪伴形态」，正是我们阶段 3「接入语音互动」的技术蓝本，且证明该生态有大厂持续投入。