OpenArm 开源机械臂上手：7 自由度物理 AI 采集平台，从装好到采集只需两条命令

【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 是一款完全开源的 7 自由度人形机械臂，面向物理 AI 研究与接触密集任务部署。CAD、固件、控制代码、仿真文件全部公开，一套双臂系统 6,500 美元，并配一套标准化工位，让你采的数据和别人的结果能放在一起比较。

为什么你采的数据总没法和别人对比

做物理 AI 的都知道这个坑：你说"模型 A 比模型 B 强"，对方却连复现的硬件都没有——相机角度不一样、背景不一样、机械臂型号不一样，结论就成了各说各话。

OpenArm 的做法很直接：把"实验条件"本身做成硬件。除了机械臂本体，它还带一个标准化评估工位 OpenArm Cell，统一了背景、光照、相机位姿和手臂安装位置；再配一条无电机的主臂 OpenArm KER 用来教操作。这样全球任何一台机器上采的数据，起点都是同一套物理条件，模型间的对比才有意义。

对你意味着什么：不用纠结"是不是我实验室的环境问题"，发论文、做 demo 时可以直接说"结果在标准工位上测得"。

三个设计值得细看

关节能"被反着推"，操作手感是采集质量的前提。每只臂用 7 个 QDD 高回驱（backdrivable）关节，配合 24V Damiao 电机和 CAN-FD 总线，8 电机配置下控制周期稳定在 1000 Hz 以内。回驱性带来的直接好处是双向力反馈遥操作——你推主臂时能从从臂上"感觉到"它碰到的物体，这比只能单向跟手的方案在抓取、插拔这类接触密集任务上采出的数据保真得多。额定负载 4.1 kg（最差姿态保持 1 分钟）、峰值 6.0 kg，注意这个数包含末端执行器：装了 1.5 kg 的执行器后额定剩 2.6 kg。

评估工位像把实验室做成了标准件。OpenArm Cell 统一了背景和光照，Z 轴高度可调，还配了零位校准工装——用机械限位把每个自由度卡到 CAD 定义的角度，从源头消掉装配公差对数据集的污染。工作中有人误入工作区会自动断电。

KER 主臂让 1:1 跟手不用写任何映射代码。KER（Kinematic Equivalent Replica）关节结构与 2.0 主臂完全一致，只是连杆缩到 70% 的无电机主臂，整机 1.7 kg，肩背式佩戴约 30 秒就能装好。因为关节一一对应，你戴着手推它，从臂就 1:1 跟着动，省掉了 retargeting 里最烦的坐标变换。

最短上手路径：先验证通信，再跑假硬件仿真

前置条件只有一台装好 Ubuntu 22.04/24.04 的电脑和一个 SocketCAN 兼容的 CAN 适配器。官方 PPA 里有现成的 C++ 库和 CLI 工具，装完即可扫描电机：

sudo apt install -y libopenarm-can-dev openarm-can-utils openarm-can-cli -i can0 discover

电机都点亮之后，不用碰真机也能先把上层跑通——ROS2 侧的 bringup 默认就是假硬件模式，配合 MoveIt2 调试规划：

ros2 launch openarm_bringup openarm.bimanual.launch.py arm_type:=v2.0

想切真机时加上use_fake_hardware:=false right_can_interface:=can0 left_can_interface:=can1即可。CAN 排错清单（总线终止电阻、波特率、ID 冲突）和完整装配步骤见官方 CAN 文档和设置教程。

采完的数据怎么进训练

数据按openarm_dataset格式落盘：每个 episode 有动作/观测的 parquet 关节数据和多路相机 JPEG（腕部、头部、顶部）。Python 侧pip install openarm_dataset就能读，并且内置转 LeRobot 格式的 CLI，一条命令openarm-dataset-convert就能产出 LeRobot v2.1 布局（parquet + MP4 视频 + meta），直接喂给 ACT 这类模仿学习策略。

推理部署走 Dora（dora-rs）数据流：各节点是独立 Python 进程，用 Arrow 数组通信，YAML 文件编排拓扑；观测按 250 Hz 节拍打包，策略返回的动作块经上采样和低通滤波后下发到电机。整套流程提供 dummy 节点，没有硬件也能把数据流跑通做 CI。

仿真有两条路：MuJoCo 提供双臂 MJCF 模型，下载二进制后把v1/openarm_bimanual.xml拖进 simulate 窗口即可；Isaac Lab 侧基于 IsaacSim 5.1.0 / Isaac Lab 2.3.0 提供 Reaching、抬方块、开抽屉、双臂到达四个强化学习任务。更多安装细节见仿真文档。

适合谁、不适合谁

适合正在做模仿学习、遥操作数据采集、需要可复现基准的团队：硬件门槛低、软件栈标准（ros2_control + MoveIt2）、数据格式直通 LeRobot，一个人也能搭起采集-训练-评估的闭环。不适合想开箱即用做商业产线的人——它是研究平台，从装电机到零位校准都需要自己动手；也不适合预算低于 6,500 美元只想要单条手臂的轻量场景，可以先看看公开的 CAD 和 BOM 自己评估成本。

【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