凌光破晓
由来自不同年龄的学生组成。
"凌光破晓"团队成立于2026年，是一个由来自不同年龄的学生组成的平衡车制作团队。
项目经理
负责全局进度与飞书管理
网页工程师
负责网页设计和项目结果展示
嵌入式工程师
负责传感器通信和逻辑编写与PID调参
机械工程师
负责物理结构测试与3D建模
2026年2月23日，"凌光破晓"团队正式成立，初始成员4人。
2026年2月23日，团队启动首个项目"摸石头过河"，开始探索关于平衡的过程。
2026年2月26日，我们开始制作平衡车。
2026年2月27日我们一起去明月湖科创基地看了许多产品。
我们秉承“互帮互助、团结友爱的品质。
探索四大元能力：学习力、创造力、批判性思维与沟通协作
在当今快速变化的世界中，知识更新的速度前所未有。我们认为，真正能够让一个人持续成长、适应变化的，不是具体的知识内容，而是那些能够帮助我们获取知识、应用知识的底层能力，我们称之为"元能力"。
经过深入研究与实践，我们团队识别并内化了四大核心元能力：学习力、创造力、批判性思维与沟通协作。这些能力相互关联、相互促进，共同构成了一个人面对未来挑战的基础。
学习力是指一个人获取、消化和应用新知识的能力。在信息爆炸的时代，学习力的重要性超过了知识本身。
我们认为，高效的学习力包含三个核心要素：
创造力是指产生新想法、新方法或新解决方案的能力。它不仅关乎艺术创作，更是解决问题、推动创新的关键。
我们团队通过以下方式培养创造力：
批判性思维是指对信息进行深入分析、评估和判断的能力。它帮助我们避免盲目接受，形成独立的见解。
我们在团队中倡导的批判性思维包括：
沟通协作是指与他人有效交流、合作完成目标的能力。在复杂问题面前，团队协作的力量远大于个人。
我们团队注重培养的沟通协作能力包括：
我们团队在实践中总结了一套行之有效的元能力培养方法，通过系统性的训练与实践，不断提升团队成员的核心能力。
针对每个元能力，设计专门的练习任务，通过反复训练强化能力。例如，为提升创造力，我们定期举办"创意马拉松"活动，在限定时间内解决开放性问题。
将元能力应用于真实项目中，通过解决实际问题巩固能力。我们的每个项目都是团队成员锻炼元能力的机会，项目结束后会进行反思与总结。
建立完善的反馈机制，及时调整学习与实践方向。我们定期进行团队互评与自评，分享经验与教训，共同成长。
保持学习的热情与习惯，不断更新知识体系。我们团队有定期的学习分享会，鼓励成员学习前沿知识并分享给团队。
在我们的项目实践中，四大元能力的应用让我们能够更高效地解决问题、实现创新。以下是一个具体案例：
学习力：团队成员快速学习PID控制算法、传感器原理等新知识，并将其应用于项目中。
创造力：针对平衡车的稳定性问题，团队提出了多种创新解决方案，最终选择了最优方案。
批判性思维：在方案设计过程中，团队成员对每个想法进行严格评估，确保方案的可行性。
沟通协作：机械设计、电子电路、软件开发等不同专业背景的成员密切合作，共同解决跨学科问题。
探索人工智能的核心原理与创作实践
人工智能（AI）已经成为当今科技领域最热门的话题之一，它正在深刻地改变着我们的生活、工作和学习方式。然而，对于大多数人来说，AI仍然充满了神秘色彩。在这个板块中，我们将揭示AI背后的三大核心秘密，并分享我们在AI创作实践中的探索与收获。
AI不是魔法，它是数学、统计学和计算机科学的结合。理解其背后的原理，将帮助我们更好地利用这一强大工具。
尽管现代AI看起来非常复杂和智能，但从本质上讲，它是统计学的延伸。AI系统通过分析大量数据，识别模式和相关性，然后基于这些模式做出预测或决策。
以深度学习为例，它的核心是多层神经网络，这些网络通过权重和偏置的调整，实现从输入到输出的映射。这个过程本质上是一个复杂的统计建模过程。
理解这一点，我们就能明白为什么数据对于AI如此重要——因为数据是AI学习模式的基础。
尽管AI系统能够生成看似智能的输出，但它们缺乏人类意义上的理解。AI不理解概念之间的深层联系，也没有真正的常识和推理能力。
以大语言模型为例，它能够生成流畅的文本，但这是基于对大量文本数据的统计分析，而不是对内容的真正理解。这就是为什么AI有时会产生看似合理但实际上错误的输出。
认识到这一点，我们就能更理性地看待AI的能力和局限性，避免对AI的过度期望。
AI系统的能力和局限性在很大程度上取决于人类的设计和训练。从算法选择到数据收集，从模型架构到训练过程，每一步都反映了人类的决策和价值观。
这意味着AI系统不可避免地会反映出人类的偏见和局限性。例如，如果训练数据中存在性别或种族偏见，那么AI系统也可能会表现出类似的偏见。
理解这一点，我们就能更批判性地看待AI系统的输出，并意识到我们有责任确保AI的发展符合人类的价值观和伦理标准。
在理解了AI的核心原理后，我们团队开展了一系列AI创作实践，探索AI在不同领域的应用可能性。以下是我们的几个代表性项目：
我们使用AI技术辅助创作了一部短电影，包括剧本生成、角色设计、场景渲染等环节。通过这一项目，我们探索了AI在创意领域的潜力和局限性。
查看项目详情我们创建了一个在线平台，展示AI生成的各种创意作品，包括绘画、音乐、诗歌等。这个平台旨在促进人们对AI创造力的理解和讨论。
访问创作广场我们开发了一个集成大语言模型的网页应用，提供智能问答、内容生成、知识检索等功能。这个项目展示了AI在实用工具领域的应用。
体验AI助手AI Agent是当前AI研究的热点领域，它代表了一种更高级的AI系统形态，能够自主感知环境、做出决策并执行行动。我们团队对AI Agent进行了深入研究，并开展了实践探索。
我们认为，一个完整的AI Agent应该具备以下核心要素：
在我们的电影制作项目中，我们尝试构建了一个简单的AI Agent，它能够根据剧本要求，自主选择合适的场景、角色和镜头，生成初步的电影片段。虽然这个Agent还比较简单，但它展示了AI在创意领域的自主能力。
AI技术正在快速发展，我们相信它将在未来发挥更加重要的作用。作为一个科技创新团队，我们将继续深入研究AI技术，并探索其在更多领域的应用可能性。
我们认为，未来的AI将更加注重与人类的协作，而不是替代人类。通过人机协作，我们可以充分发挥人类的创造力和AI的处理能力，共同解决复杂问题，创造更大价值。
AI不是我们的竞争对手，而是我们的工具和伙伴。理解AI，就是理解我们未来的工作和生活方式。
记录我们在科创基地的学习与参观体验
2026年2月，我们"凌光破晓"团队参观了位于重庆的两江协同创新区融合创新中心的科技创新基地，在这次参观中，我们看了机器狗、制冰机，这台制冰机制的冰是各种各样的。还有无人机、光吹风机、无弦吉他......。老师还讲了很多关于科技创新的知识。
此次参观对我们团队产生了深远的影响，不仅开阔了我们的视野，还激发了我们的创新思维。以下是我们在参观过程中的所见、所闻、所思与所感。
今天我们去了科创基地参观。我们看到机器狗，还看见了非常大的大大机器，还看见了无人机，还看见了军用大家伙。
— 刘茂麒，团队成员
在参观过程中，我觉得科技不仅是科技与人文的深度融合。每个成功的产品背后，都有对人类需求的深刻理解和关怀。这让我意识到，作为一名科技从业者，我们不仅要关注技术本身，更要关注技术如何服务于人。
— 邵雨露，团队成员
在参观时，玻璃墙后面的神奇大发明令我惊叹。机器狗黑黝黝的，实在是酷啊；还有太阳能吹风机，真是大开眼界！
— 汪伊诺，团队成员
我在科创展览看到了机器狗，他极为灵活。还有，它很小。还有吹风机，它是不插线的，用光把头发上的水蒸干。
— 冯晨嘉，团队成员
在参观过程中，我们有幸听到了一位资深工程师分享的工程故事，这些故事让我们对设计思维有了更深刻的理解。
设计思维不是一种工具，而是一种思维方式。它要求我们以用户为中心，通过 empathy（共情）、define（定义）、ideate（构思）、prototype（原型）、test（测试）的流程，不断迭代优化解决方案。
— 科创基地资深工程师
以下是我们从这些工程故事中提炼出的几点关键 观点：
真正优秀的产品设计始于对用户需求的深刻理解。不仅包括用户明确表达的需求，还包括那些隐含的、未被满足的需求。通过深入用户场景，观察用户行为，我们才能真正理解用户的痛点和需求。
在创新过程中，失败是不可避免的。基地的工程师们分享了许多项目失败的经历，但他们强调，这些失败不是终点，而是学习和改进的机会。通过分析失败原因，他们能够调整方向，最终找到成功的解决方案。
没有完美的初始方案，创新是一个不断迭代优化的过程。通过快速原型制作和测试，我们可以及早发现问题，及时调整方向。这种迭代思维不仅适用于产品设计，也适用于我们的学习和工作。
这次科创基地参观对我们团队来说是一次宝贵的学习经历，它不仅让我们了解了前沿科技的发展动态，还让我们对创新、设计、团队协作等方面有了更深刻的认识。
回到学校后，我们团队进行了深入的讨论和反思，并将这些收获和启示应用到我们的项目实践中。我们相信，这些经历和 insights 将对我们未来的学习和工作产生积极的影响。
参观不仅是为了开阔眼界，更是为了启发思考。这次参观让我们重新思考了科技的本质、创新的意义以及我们作为学习者的责任。
— 明月知行团队
记录三维设计学习与平衡车底盘设计的迭代过程
平衡车底盘设计是我们"明月知行"团队的重要项目之一。在这个项目中，我们从零开始学习三维设计软件，然后设计并不断迭代优化平衡车底盘。这个过程不仅让我们掌握了三维设计的技能，还让我们深刻体会到了迭代设计的重要性。
以下是我们在平衡车底盘设计过程中的迭代记录、对比分析与反思要点，希望能为类似项目的学习者提供参考。
在开始设计之前，我们首先学习了三维设计软件的基本操作。然后，基于对平衡车原理的初步理解，我们设计了第一个版本的底盘。
这个版本的设计比较简单，主要考虑了基本的结构稳定性和安装空间。我们使用了简单的矩形框架，安装了两个电机和车轮，并预留了电池和控制板的位置。
在测试了V1.0版本后，我们发现了一些问题：结构不够稳固，重量分布不均匀，而且预留的空间不够合理。基于这些问题，我们进行了第二次设计。
V2.0版本主要改进了以下几点：
在测试了V2.0版本后，我们进一步优化了设计。这次优化主要关注于细节和性能的提升。
V3.0版本的主要改进包括：
通过对三个版本的设计进行对比分析，我们可以清晰地看到设计的演进过程和改进方向。以下是几个关键方面的对比：
V1.0：基本满足需求，但在高速运动或受到冲击时容易变形。
V2.0：通过增加支撑结构，稳定性有了明显提升，但局部结构仍有优化空间。
V3.0：通过有限元分析优化了结构分布，在减轻重量的同时保证了足够的强度和稳定性。
V1.0：重量分布不均匀，重心偏高，不利于平衡控制。
V2.0：降低了重心位置，改善了重量分布，但仍有优化空间。
V3.0：通过精确计算和调整，实现了更理想的重量分布，重心位置适中，有利于平衡控制。
V1.0：空间利用不够合理，存在较多浪费的空间。
V2.0：优化了各部件的布局，提高了空间利用率。
V3.0：通过精细化设计，进一步提高了空间利用率，同时为后续升级预留了空间。
V1.0：结构简单，制造难度低，但精度要求不高。
V2.0：结构复杂度增加，对制造精度有了更高要求。
V3.0：虽然结构更加复杂，但通过优化设计，降低了制造难度，同时提高了精度要求。
在整个设计迭代过程中，我们积累了许多宝贵的经验和教训。以下是我们的几点主要反思：
在开始设计之前，充分的调研和学习是非常重要的。我们在V1.0设计中遇到的许多问题，都是因为前期调研不够充分导致的。后来，我们加强了对平衡车原理、材料特性、制造工艺等方面的研究，为后续的优化设计奠定了基础。
设计是一个不断迭代优化的过程。我们的三个版本设计，每一个都比前一个有明显的提升。这让我们认识到，不要追求一次性完美的设计，而是应该通过不断的测试、反馈和优化，逐步完善设计方案。
平衡车底盘设计涉及机械设计、电子工程、控制理论等多个学科。我们团队成员来自不同专业背景，通过密切合作，我们能够从不同角度思考问题，提出更全面的解决方案。
在设计过程中，我们不仅学习了理论知识，还通过实际测试验证了设计方案。这种理论与实践的结合，让我们对设计有了更深刻的理解，也帮助我们发现了许多仅靠理论分析难以发现的问题。
在设计过程中，我们发现许多看似微小的细节，如螺丝孔的位置、线缆的走向等，都会对最终产品的性能和使用体验产生重要影响。因此，在设计中关注细节是非常重要的。
在整个项目过程中，我们不断学习新的知识和技能，如三维设计软件的高级功能、有限元分析方法等。这让我们认识到，在快速发展的科技领域，持续学习是非常必要的。
虽然我们已经完成了平衡车底盘的设计，但这并不意味着设计过程的结束。未来，我们计划在以下几个方面继续改进和探索：
虽然我们已经完成了平衡车底盘的设计，但这并不意味着设计过程的结束。未来，我们计划在以下几个方面继续改进和探索： • 材料优化：探索使用更轻、更强的材料，如碳纤维复合材料，进一步减轻底盘重量。 • 模块化设计：将底盘设计为更加模块化的结构，方便后续的升级和维护。 • 智能化集成：将更多的传感器和智能控制单元集成到底盘设计中，提高平衡车的智能化水平。 • 批量生产考虑：优化设计，使其更适合批量生产，降低制造成本。 通过这个项目，我们不仅掌握了三维设计和机械设计的技能，还培养了团队协作、问题解决、持续学习等重要能力。这些经验和能力将对我们未来的学习和工作产生积极的影响。
探索倒立摆平衡原理与 PID 控制算法
在自动化控制的研究领域，倒立摆被视为最具代表性的不稳定性挑战之一，必须依赖精准的算法干预才能维持其竖直状态。在我们的“凌光破晓”团队实践中，我们成功构建并运行了一套以 PID 控制策略为核心的倒立摆装置。通过这一项目的打磨，我们不仅将抽象的控制理论内化为直观的认知，更在实战中深度掌握了 PID 算法的逻辑架构与调优技巧。
在这个板块中，我们将详细介绍倒立摆的平衡原理、PID控制器的工作原理，以及我们在实践过程中的经验与体会。
倒立摆系统是一个典型的非线性、多变量、强耦合、自然不稳定的系统。它的基本结构包括一个可以在水平方向上移动的底座和一个安装在底座上的摆杆。摆杆的一端固定在底座上，另一端可以自由摆动。
倒立摆的平衡原理可以简单理解为：当摆杆偏离垂直位置时，系统通过检测摆杆的角度，控制底座在水平方向上移动，产生一个与摆杆倾倒方向相同的加速度，从而产生一个力矩，使摆杆回到垂直位置。
图1：倒立摆系统示意图
从物理角度来看，倒立摆的运动可以用拉格朗日方程或牛顿运动定律来描述。对于简化的单级倒立摆系统，其运动方程可以表示为：
其中，M是底座的质量，m是摆杆的质量，l是摆杆的长度，x是底座的位置，θ是摆杆与垂直方向的夹角，F是作用在底座上的力，I是摆杆的转动惯量，g是重力加速度。
由于这个系统的数学模型比较复杂，在实际应用中，我们通常会在平衡点附近对其进行线性化处理，然后设计控制器。
PID 就像是自动控制世界的“万金油”调节器。它通过融合当前误差（比例）、历史累积（积分）和未来趋势（微分）这三个维度的计算，来实现对系统的精准调控。其核心逻辑非常直白：不断监测目标值与实际状态之间的“差值”，并以此为依据实时调整输出指令，目标就是以最快、最稳的方式消除偏差，让系统表现完美对齐预设目标。
PID控制器的数学表达式为：
其中，u(t)是控制量，e(t)是误差信号，Kp是比例系数，Ki是积分系数，Kd是微分系数。
比例环节的作用是根据当前误差的大小，直接产生一个与误差成正比的控制量。比例系数Kp越大，系统对误差的响应越敏感，但过大的Kp可能导致系统振荡。
比例环节的数学表达式：uP(t) = Kp·e(t)
在倒立摆系统中，比例环节主要用于快速响应摆杆的角度偏差，产生一个与角度偏差成正比的控制力。
积分环节的作用是消除系统的稳态误差。它通过累积历史误差，产生一个与误差积分成正比的控制量。积分系数Ki越大，系统消除稳态误差的能力越强，但过大的Ki可能导致系统超调和振荡。
积分环节的数学表达式：uI(t) = Ki·∫e(t)dt
在倒立摆系统中，积分环节主要用于消除由于系统参数变化或外部干扰导致的稳态误差，使摆杆能够更准确地保持在垂直位置。
微分环节的作用是预测误差的变化趋势，提前产生一个与误差变化率成正比的控制量。微分系数Kd越大，系统的阻尼作用越强，越不容易振荡，但过大的Kd可能导致系统对噪声敏感。
微分环节的数学表达式：uD(t) = Kd·de(t)/dt
在倒立摆系统中，微分环节主要用于预测摆杆的运动趋势，提前产生控制力，防止摆杆过度摆动，提高系统的稳定性。
PID控制器的性能很大程度上取决于其参数（Kp、Ki、Kd）的选择。参数调优是PID控制器应用中的关键环节，也是一个比较复杂的过程。
在我们的倒立摆项目中，我们采用了Ziegler-Nichols法与经验法结合的方式来调优PID参数。以下是我们的调优步骤：
首先，将Ki和Kd设为0，逐渐增大Kp，直到系统出现轻微振荡。此时的Kp值称为临界比例系数Kp_critical。然后，根据经验公式，取Kp = 0.6·Kp_critical。
在确定了Kp之后，逐渐增大Ki，直到系统的稳态误差被消除，同时保持系统的稳定性。根据经验公式，取Ki = 1.2·Kp/Ti，其中Ti是系统的积分时间常数。
最后，逐渐增大Kd，直到系统的超调量减小，响应速度加快。根据经验公式，取Kd = 0.075·Kp·Td，其中Td是系统的微分时间常数。
在初步确定了Kp、Ki、Kd之后，通过实际测试，对这些参数进行微调，直到系统的性能达到最佳。
需要注意的是，PID参数调优是一个经验性很强的过程，不同的系统可能需要不同的调优方法和参数值。在实际应用中，我们需要根据系统的特性和控制要求，灵活调整PID参数。
在我们的项目中，我们设计并实现了一个基于Arduino的倒立摆系统。系统主要由以下几个部分组成：
系统的工作流程如下：
点击上方按钮，查看倒立摆系统的模拟演示
通过这个倒立摆项目，我们不仅深入理解了PID控制算法的原理，还积累了丰富的实践经验。以下是我们的几点主要体会：
在开始项目之前，我们学习了大量关于控制理论和PID算法的知识。但在实际实现过程中，我们发现理论与实践之间存在一定的差距。只有将理论知识与实践相结合，才能真正理解和掌握这些知识。
系统调试是项目实现过程中的关键环节。在调试过程中，我们遇到了许多问题，如传感器噪声、机械振动、参数不稳定等。通过不断调试和优化，我们解决了这些问题，提高了系统的性能。
这个项目涉及机械设计、电子电路、软件开发等多个领域，单靠一个人的力量很难完成。通过团队成员的密切协作，我们各自发挥所长，共同解决问题，最终成功实现了这个项目。
在项目过程中，我们不断学习新知识，如传感器校准、信号滤波、PID参数调优等。这让我们认识到，在科技快速发展的今天，持续学习是非常必要的。
虽然我们已经成功实现了基于PID控制的倒立摆系统，但这个项目还有很多可以改进和探索的地方。未来，我们计划在以下几个方面继续深入研究：
通过这个项目，我们不仅掌握了控制理论和PID算法的知识，还培养了团队协作、问题解决、持续学习等重要能力。这些经验和能力将对我们未来的学习和工作产生积极的影响。