由Kunal Gupta團隊推動的PuppyPi計畫，為Raspberry Pi（尤其是Pi 5或CM4版本）提供了一個高精度的機器人軀殼，實現了硬體與實體的完美結合。

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

這款機器人採用CNC鋁合金框架，配備8個具備回饋功能的智慧伺服馬達，並原生支援ROS 1/2開源生態系統，使其不僅是科技玩具，更是具備視覺感知、空間導航與物理操作能力的家庭助手原型。

PuppyPi的強大源於其模組化設計，可搭載HD廣角相機、ToF LiDAR以及2-DOF機械手臂。在軟體層面，該系統基於ROS 2 Humble構建了完整的中樞神經系統。透過分散式節點架構，研究員開發了多個核心功能：navigation_core負責LiDAR製圖與避障；vision_brain執行優化後的YOLO模型以辨識人臉或物品；voice_interface則整合離線語音引擎確保隱私；最後由task_master調度器將自然語言指令拆解為具體的任務執行序列。

在實際應用中，PuppyPi展現了超越傳統監視器的靈活性。開發者實作了「自主安全哨兵」功能，機器人能依照預設時間或語音指令啟動巡邏模式。利用LiDAR建立的地圖，它能在屋內定點移動，並透過相機進行持續的視覺分析。一旦偵測到未知人臉或環境異常（如突然出現的包裹），系統會立即拍攝照片並透過Telegram Bot將訊息推送到使用者的手機，實現主動式家庭防禦。

為了讓互動更直覺，PuppyPi整合了聲源定位與臉部搜尋技術。當使用者在另一間房呼喚它時，它能循聲找人並走到面前。此外，它還能執行如「去檢查陽台窗戶是否關好」等複雜任務，透過路徑規劃導航至目的地，並利用視覺辨識回報結果。使用者甚至能透過手機網頁介面接入第一人稱視角（FPV），遠端操控機器人，彷彿親臨現場。

這項計畫最精采的部分在於結合了機械手臂的遞送功能。透過AprilTag標籤標記常見物品（如電視遙控器），PuppyPi可以執行精準的抓取任務。當接收到「把遙控器拿給我」的指令時，task_master會導航至客廳，由vision_brain計算物品的3D空間位置，並調用**MoveIt!**運動規劃庫控制手臂抓取。這項功能在結構化環境中表現極為穩定，讓機器人從單純的移動裝置進化為能影響物理環境的智慧單元。

儘管PuppyPi表現出色，但在高負載下（如同時運行SLAM與視覺模型）仍面臨電力續航與運算極限的挑戰。研究團隊提出的優化方案包括：實作基於視覺標籤的「自動回充」邏輯以解決電池問題；透過模型量化與YOLOv8n減輕Pi 5的運算負擔；以及利用ROS 2的分散式運算特性，將部分運算量載卸至家庭伺服器。這證明了PuppyPi不僅是學習機器人全棧技術的頂級平台，更是實現未來家庭自動化願景的最佳實驗場。