FTC Skystone Dark Angels Romania 2020

想象这样一个场景：每年秋季，全球数万名中学生都会迎来一场特殊的挑战——他们在有限的时间里，用工程思维和编程技能，亲手造出一台能够完成特定任务的机器人。这不是科幻电影，而是 FIRST Tech Challenge（FTC） 竞赛的真实写照。而今天要介绍的这个项目，正是 FTC SKYSTONE（2019-2020）赛季中，一支罗马尼亚团队使用的官方软件开发工具包。

FTC Skystone Dark Angels Romania 2020 仓库，是罗马尼亚 Dark Angels 团队为参加 2019-2020 赛季 FTC SKYSTONE 挑战而整理的 FTC 官方 SDK 完整源码包。该 SDK 由 FIRST 组织官方维护，包含了驱动竞赛机器人所需的一切软件基础设施——从电机控制到传感器数据采集，从视觉导航到 TensorFlow 物体识别，全部包含在内。

什么是 FTC 竞赛？

FIRST Tech Challenge 是面向 7-12 年级中学生的机器人竞赛平台，与 FIRST LEGO League（FLL）和 FIRST Robotics Competition（FRC）共同构成 FIRST 体系的三驾马车。FTC 以其独特的 联盟对抗制 赛制著称：两支队伍组成联盟，在赛场上协作完成任务，同时还要对抗对方的联盟。这种赛制非常考验参赛者的工程设计能力、编程水平，以及临场应变和团队协作的综合素养。

每一年的 FTC 赛季都有一个独特的主题。2019-2020 赛季的主题叫 SKYSTONE——机器人需要在场地上识别、拾取并堆叠带有特殊标记的石块（Skystone）。这不仅考验机械结构的精准度，更需要计算机视觉的介入。

SDK 架构详解

这个仓库本质上是一个完整的 Android Studio 项目，遵循标准 Gradle 多模块结构：

• FtcRobotController：核心机器人控制应用，编译为 APK 后安装到 Robot Controller 设备（通常是 REV Control Hub 或 Android 手机）
• TeamCode：参赛队伍的自定义代码包，所有比赛策略逻辑都写在这里
• libs：预编译的 FTC 官方库（.aar 格式），包括 FtcCommon（通用 UI 组件）、RobotCore（核心运行时）、Hardware（硬件抽象）、Vuforia（视觉定位）等

视觉导航系统

SDK 集成了 Vuforia 视觉定位系统，这是本项目的核心技术亮点之一。Vuforia 允许机器人在场地中通过识别特定的视觉目标（VuMark）来精确确定自身位置。在 SKYSTONE 赛季中，场地上散布的 Skystone 石块和目标位置都内置了 VuMark 标记，机器人可以借助摄像头实时获取相对于这些标记的精确位姿（位置+姿态）。

更令人惊喜的是，SDK 在 v5.2 版本中引入了 TensorFlow Lite 物体识别 支持。参赛队伍可以上传自定义的 .tflite 模型，让机器人自主识别石块的颜色、形状等特征。Blocks 可视化编程和 OnBot Java 在线编程环境都支持 TensorFlow 模型的调用，这意味着即便是没有深厚编程功底的初中生，也能通过拖拽积木的方式调用 AI 识别能力。

硬件抽象层

SDK 封装了一套完整的硬件抽象接口，开发者无需关心底层通信协议（USB/RS485），只需调用统一 API 即可操控：

• DcMotor / Servo：电机和舵机控制，支持编码器反馈
• ColorSensor / DistanceSensor：颜色和距离传感器
• BNO055IMU：九轴惯性测量单元，提供航向角、加速度等数据
• Webcam：UVC 兼容摄像头支持

此外，SDK 还提供了 Bulk Data Read（批量数据读取） 优化机制，可以显著减少 USB 通信次数，将 I2C 读取延迟降低 50% 以上，这对需要高频采集传感器数据的自动导航算法至关重要。

编程工具链

FTC SDK 提供了三条并行的编程路径，满足不同技术水平参赛者的需求：

1. FTC Blocks（可视化编程）：基于 Google Blockly 的浏览器端编程工具，学生通过拖拽积木块即可完成机器人程序编写。生成的代码可以直接下载到 Robot Controller 上运行。无需安装任何开发环境，一台能上网的电脑即可。
2. OnBot Java（在线 IDE）：内置于 Robot Controller Web 管理界面的 Java 开发工具，支持语法高亮、自动补全、多文件管理。适合有一定编程基础、但不熟悉 Android Studio 的参赛者。
3. Android Studio（专业开发）：通过 Git 克隆仓库后，用 Android Studio 打开完整项目。这是最完整、最灵活的编程方式，支持调试、多模块管理、自定义库集成等高级特性。本仓库的 TeamCode 模块即为参赛队伍在此路径下开发的内容。

技术栈与依赖分析

依赖库方面，libs 目录中的 .aar 文件均来自 FIRST 官方，其中 RobotCore-release.aar 体积最大（17.9 MB），是整个 SDK 的核心运行时。值得注意的是，Blocks-release-sources.jar 体积达 310 MB，包含了整个 Blockly 可视化编程界面的前端资源。

团队特色：罗马尼亚 Dark Angels

从仓库内容来看，Dark Angels Romania 团队使用了 FTC SDK 中提供的标准模块，并在 TeamCode 目录下编写了他们的竞赛策略代码。虽然仓库仅包含标准 SDK 而非团队自定义代码（这是 FTC 的常见做法：团队代码通常私有），但这个仓库本身提供了极好的 FTC SDK 学习参考资料。

从 GitHub 数据显示，该仓库目前拥有 289 颗星、87 个 Fork，说明有大量 FTC 参赛队伍和教练在参考这个仓库作为学习 FTC 编程的起点。它的 Star 数量在 FTC 相关仓库中相当可观，反映了 FTC 社区对 SKYSTONE 赛季 SDK 资料的持续需求。

部署难度与上手建议

实事求是地说，这个项目不适合追求「一键部署」的开发者。它本质上是一个 Android 应用项目，部署过程涉及：

1. 硬件准备：REV Control Hub 或 Android 手机作为 Robot Controller，另一台 Android 手机作为 Driver Station
2. 软件环境：Android Studio 4.0+（如选择 Android Studio 路径）
3. 编译构建：Gradle 同步 + 编译 APK
4. 设备部署：通过 USB 或 WiFi 将 APK 安装到 Robot Controller 设备
5. FTC 赛场配置：场地标定、传感器校准、比赛策略参数调整

整个配置过程通常需要 1-2 小时，对于没有 FTC 硬件环境的人来说，实际意义有限。但如果你或你的孩子正在参加 FTC 竞赛，这个 SDK 是必须掌握的核心工具。

行业意义与历史价值

FTC SKYSTONE 赛季（2019-2020）在 FTC 历史上具有里程碑意义。正是在这个赛季，FTC 官方正式引入了 TensorFlow 物体识别 支持，标志着 AI/ML 技术正式进入中学生机器人竞赛领域。这是一个标志性的转折点——从传统的规则驱动型任务，向数据驱动的感知决策型任务过渡。

同时，SDK 中的 Bulk Data Read 优化 和 REV Hub 固件更新机制 也为后来的 FTC SDK 奠定了架构基础。理解 SKYSTONE 赛季的代码，对理解此后所有 FTC 赛季的技术演进都有重要参考价值。

从数据来看，仓库规模高达 80 MB，其中超过 90% 来自 libs 目录下的预编译 .aar 库文件。仓库源码本身（不含二进制库）相对精简，体现了 FTC SDK 良好的模块化设计思路。

总结：这不是一个传统意义上的「AI 应用项目」，而是一个面向机器人竞赛的专业软件开发工具包。如果你在参与 FTC 竞赛，它是你绕不开的起点；如果你对中学生机器人教育感兴趣，它也是了解 FTC 技术体系的最佳入口之一。

图1：Dark Angels Romania 团队 GitHub 头像