OpenArm开源机械臂上手指南：7自由度人形臂，从接线到数据采集只需几步

OpenArm开源机械臂上手指南：7自由度人形臂，从接线到数据采集只需几步

【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 是一个完全开源的 7 自由度人形机械臂项目，面向物理 AI（Physical AI）研究与真实场景部署，覆盖遥操作、模仿学习、仿真和数据采集等典型任务。它的硬件 CAD、固件、控制代码和仿真模型全部公开，适合机器人方向的研究者、想搭建低成本实验平台的课题组，以及希望从零复现双臂操作算法的工程师。整个双臂系统成本约 6,500 美元，远低于同类商业人形方案。

它解决的核心问题：让模型对比可以复现

做模仿学习或操作研究时，一个常见困境是：不同实验室各自搭建平台，背景、光照、相机位姿都不一样，跑出的指标根本无法横向比较。OpenArm 的思路是把"实验环境"本身标准化——不只是提供一只机械臂，而是把数据采集、训练和自动评估串成一条完整链路。

2.0 版本把项目从"一条开源机械臂"扩展为一套三件套：

• OpenArm 2.0：7 自由度本臂，按 160–165 cm 身高的人体比例设计，QDD 可回驱关节 + 高柔顺性，保证与人近距离协作时的安全性；末端换装紧凑型平行夹爪，夹爪内集成相机，手指可更换。
• OpenArm Cell：标准化评估舱，固定背景、灯光、相机与臂的安装位置，让不同模型的评测结果处在同一条件下，可以直接对比。
• OpenArm KER：运动学等效复制臂（Kinematic Equivalent Replica），与 2.0 运动学完全一致但完全不装电机，作为轻量示教臂使用，长时间遥操作不容易疲劳（该组件尚未发布，设计定稿后会放出完整 CAD 和 BOM）。

关键硬件参数：载荷、总线与结构

在评估一台机械臂能否进实验室前，先看几个硬指标：

项目	参数
自由度	每臂 7 DOF
额定负载	4.1 kg（最差姿态下保持 1 分钟）
峰值负载	6.0 kg（最差姿态下移动 3 秒 + 保持 1 秒）
关节	QDD 可回驱，每个轴带机械限位
控制总线	CAN-FD
结构	铝 + 不锈钢，MISUMI 铝型材底座
末端	带内置相机的紧凑型平行夹爪

注意负载指标包含末端执行器本身：如果装了一个 1.5 kg 的夹爪，实际可抓取物的额定负载就是 2.6 kg、峰值 4.5 kg。底座是 MISUMI 铝型材框架，立柱尺寸可调，方便加装相机和传感器；底板带均布 M6 螺纹孔，可以直接固定在桌面上。每个关节都有机械限位，作为软件限位之外的第二道安全兜底。

快速上手：从 clone 到跑通第一次 demo

官方把搭建流程拆成了清晰的六步（电机 ID → CAN 总线配置 → 参数测试 → 电机配置 → 跑 demo → 固件升级），文档在 website/docs/setup/openarm-setup/ 下，按顺序执行即可。

前置条件：

• 机械臂本体 + Damiao 电机、24V 电源
• 电机 ID 烧录用：Damiao USB CAN 调试器 + Windows 电脑
• 实际控制用：支持 SocketCAN 的 CAN 接口 + Ubuntu 22.04/24.04

git clone https://gitcode.com/GitHub_Trending/op/openarm

软件侧的 CAN 控制库（openarm_can）需要 Linux + SocketCAN、CMake 3.22+ 和 C++17 编译器。硬件连好、电机零位设到安全值后，一条命令就能跑官方 demo：

openarm-can-demo

这个 demo 会依次完成初始化、读取电机 ID、位置控制测试、力矩控制测试、夹爪开关，最后安全关闭电机——基本覆盖了"总线通没通、电机响没响应"这两件新手最关心的事。如果默认配置（CAN0 上的 0x01、0x02、0x07 号 DM4310）和你的手头硬件不一致，改一下 demo 里的电机列表再编译即可。

遥操作：单边与双边两种控制模式

数据采集的主力方式是主从（leader-follower）遥操作，支持 1:1 跟随，分两种模式：

• 单边控制：主臂发位置指令，从臂直接模仿，单向通信。简单稳健，适合初测和自由空间动作，但接触任务中感知不到力，容易用力过猛。
• 双边控制：主从臂之间有双向力反馈，操作者能"摸到"从臂接触到的东西，这是接触密集任务里高保真数据的来源。

配置细节（包括 4 通道双边控制的接线）可以参考 双边控制文档。

仿真与数据集：先虚拟后实机

不想先上真机可以先在 MuJoCo 或 Isaac Lab 里跑起来。项目提供了双臂 MJCF 模型，把v1/openarm_bimanual.xml拖进 MuJoCo 的 simulate 窗口就能看到场景；官方还放了教程视频演示扭矩控制下的仿真效果。

采集回来的数据统一走 OpenArm Dataset 格式：每个 episode 下按action / obs / cameras分目录存放，关节状态用 parquet 存，图像按时间戳命名，结构清晰、直接喂训练流程。格式说明和 Python API 见 dataset 文档。

适合谁、怎么参与

这套项目对三类人比较友好：一是模仿学习和操作方向的研究者，可以直接用 Cell 做公平评测；二是有硬件基础的课题组，可以按公开的 CAD、BOM 自己组装（CERN-OHL-S-2.0 硬件协议 + Apache-2.0 软件许可）；三是想学习人形机器人工程落地的开发者，电机驱动、CAN-FD 通信、ROS2 集成这些环节都有完整代码可拆。

想深入了解可以按这个顺序看文档：项目概览 → 2.0 新特性 → 硬件说明 → 搭建指南。项目处于持续开发阶段，硬件改进建议、软件功能扩展和文档完善都是社区欢迎的参与方向。

【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