企业官网建设流程全解析

OpenArm 开源 7 自由度双臂机械臂：物理 AI 遥操作数据采集平台完整指南

【免费下载链接】openarmA fully open-source humanoid arm for physical AI research and deployment in contact-rich environments.项目地址: https://gitcode.com/GitHub_Trending/op/openarm

OpenArm 是一款面向物理 AI（physical AI）研究的开源 7 自由度机械臂，双臂完整系统售价 6,500 美元，单臂额定负载 4.1 kg、峰值 6.0 kg。它要解决的问题很具体：不同实验室的光照、相机和装配条件不一致，导致策略算法的对比结果难以互相复现。项目把机械臂、标准化评估单元和遥操作工具全部开源，让全球团队在同一硬件条件下做实验。适合做模仿学习、数据采集和策略评估的团队，以及想复现人形臂硬件的学生与工程师。

应用场景与选型取舍：哪些团队需要一套可复现的机械臂

做模仿学习数据采集时，一条遥操作数据的质量取决于相机位姿、背景光照和关节标定，而这些往往散落在各实验室自己的台架上。OpenArm 把这三样固定下来：主臂、双臂评估单元 OpenArm Cell、无电机主从臂 OpenArm KER 配套交付，论文级对比只需要比策略本身。

选型上的关键取舍是负载与成本的平衡：4.1 kg 额定负载达到研究级水平，而整套双臂系统的价格控制在 6,500 美元，属于教学级成本。另一个取舍是可复现性优先于自由度——它没有追求更多轴，而是把 7 DOF 人形比例和标准化评估环境做扎实。

7 自由度机械臂核心参数与硬件设计

⚙️ 关节电机按位置混搭三种 DAMIAO 型号：DM-J4310-2EC（3/7 Nm，10:1，300 g）、DM4340 系列（9/27 Nm，40:1，362 g）、DM-J8009P（20/40 Nm，9:1，896 g）。单侧悬臂的支撑段选用带交叉滚子轴承的型号保证刚性；DM4340 并非 QDD 电机，但被特意选入以在扭矩与紧凑外观之间取平衡。

🔍 OpenArm Cell 是整套方案里最针对数据质量的设计：外罩用 MISUMI 标准件搭建，统一背景、光照与相机位姿，Z 轴高度可调，整机约 100 kg。它内置基于区域传感器的 Reach-In Stop 入侵断电保护，还配专用零位校准工装，把各自由度物理约束到 CAD 定义的角度，从数据源头消除装配公差。

📷 夹爪内置 Arducam B0495 全局快门相机（1920×1200 @ 50 fps，标准 UVC 免驱），指形几何同时优化了抓取稳定性和视野盲区，抓取任务可直接用腕部视角，无需额外布置相机。

软件栈与数据链路：从 CAN 总线到策略推理

底层用 SocketCAN + CAN-FD 直连 DAMIAO 电机，openarm_can仓库提供 C++ 库与 CLI 工具，负责配置、扫描、使能和遥测。

其上openarm_ros2封装了 ros2_control 硬件接口和 MoveIt2 配置，是标准控制层，支持 fake hardware 模式，没有物理臂也能调试上层逻辑。

仿真分两条线：openarm_mujoco提供双臂 MJCF 模型，可直接拖入 simulate 窗口验证；openarm_isaac_lab基于 IsaacSim 5.1.0 / Isaac Lab 2.3.0 提供强化学习环境，已包含 Reaching、抬升方块、开抽屉、双臂到达四个任务。

部署走 Dora（dora-rs）数据流：各节点是独立 Python 进程，通过 Arrow 数组通信，YAML 文件编排拓扑，还内置 dummy 节点，无硬件也能跑通数据流做 CI。

详见 website/docs/api-reference/can/can.mdx 与 website/docs/api-reference/dora.md。

上手路径：三个实验从零验证到真机遥操作

实验一：通信冒烟测试

目标：确认 PC、CAN 适配器和 8 台电机链路正常。

最短命令：

sudo add-apt-repository -y ppa:openarm/main && sudo apt install -y openarm-can-utils openarm-can-cli -i can0 can_configure openarm-can-cli -i can0 discover openarm-can-cli -i can0 enable openarm-can-cli -i can0 monitor

成功判据：discover列出 8 台电机的 ID 与波特率，monitor能滚动输出位置、速度、扭矩、温度；随后运行openarm-can-demo完成电机查询与位置/扭矩控制冒烟测试。

实验二：无硬件调试（假硬件与仿真）

目标：在没有物理臂的机器上跑通 ROS2 与仿真环境。

最短命令：

git clone https://gitcode.com/GitHub_Trending/op/openarm ros2 launch openarm_bringup openarm.bimanual.launch.py arm_type:=v2.0

成功判据：fake hardware 模式下双臂话题正常发布，MuJoCo 窗口中双臂模型可动；排错顺序建议从总线波特率与 ID 冲突查起，完整清单见 website/docs/api-reference/can/cli.mdx。

实验三：真机遥操作采集

目标：用主从臂驱动从臂并采集一条 episode。

最短命令（追加真机参数即可切换）：

ros2 launch openarm_bringup openarm.bimanual.launch.py arm_type:=v2.0 \ use_fake_hardware:=false right_can_interface:=can0 left_can_interface:=can1

成功判据：动主臂时从臂 1:1 跟随；双向（bilateral）模式下能感知到从臂接触力。KER 主臂通过 M5Stack 模块上报姿态，脚踏板控制记录启停，适合数小时级长时间采集，见 website/docs/teleop/。

数据闭环：遥操作模式、遥操作数据集格式与推理部署

🧲 遥操作分两种模式：单侧（unilateral）只做单向位置跟随，适合自由空间运动；双向（bilateral）回传力觉，500 Hz 以上的控制频率让操作者能"感觉到"从臂碰到的物体，更适合接触密集任务的采集，实现在openarm_teleop包。

采集数据以openarm_dataset格式落盘：每个 episode 含action（关节位置 parquet）、obs（关节状态 parquet）、多路相机 JPEG（顶部、头部双目、腕部）和metadata.yaml。

训练侧直接pip install openarm_dataset读取，并可用一条命令转换为 LeRobot v3.0 格式，接入 ACT 等模仿学习策略（教程基于 lerobot 0.6.1）。

推理侧由 Dora 数据流编排：观测以 250 Hz 节拍打包，策略服务器返回 16 自由度（双臂 7+7 加夹爪）的位置动作块，执行节点做 30→250 Hz 上采样与低通滤波后下发关节。

格式与转换 API 见 website/docs/dataset/api.mdx。

注意与局限：负载折减、未发售部件与价格门槛

🚫 OpenArm KER 主从臂尚未正式发售，依赖它做长时间采集的团队目前只能等待或自行复现（图纸与 BOM 已公开）。

负载定义包含末端执行器：装上 1.5 kg 的执行器后，额定负载降为 2.6 kg、峰值 4.5 kg，做负载预算时要先把执行器重量算进去。

价格门槛方面，6,500 美元是双臂完整系统的价格，外加 24V 电源、CAN 适配器和评估单元 Cell（约 100 kg，需固定安装空间），预算与场地都要提前确认。

给新团队的最短上手路径

先按 website/docs/setup/openarm-setup/ 的顺序装好 CAN 工具链并跑通实验一，再用 fake hardware 模式完成实验二，最后接真机做遥操作采集——每一步都有明确的成功判据，卡住时优先查总线层。硬件与仿真文档集中在 website/docs/ 的 API Reference 下，可按需深挖。

【免费下载链接】openarmA fully open-source humanoid arm for physical AI research and deployment in contact-rich environments.项目地址: https://gitcode.com/GitHub_Trending/op/openarm