8自由度协作臂

开臂 101

从开箱到第一次运动，不超过 2 小时。 完整设置路径、ROS2 集成和 AI 模型训练指南。

开始设置 → 购买 OpenArm →
8
自由度
1公斤
最大负载
CAN
SocketCAN 总线
MIT
控制模式
开箱之后

设置路径

按步骤完成 OpenArm 的设置，全程约 4–5 小时。

1

开箱检查

核实配件清单，检查关节，布置工作空间

~30 分钟
2

软件环境

安装 Ubuntu 依赖、SocketCAN、ROS2

~60 分钟
3

首次运动

先运行虚拟硬件模式，再切换到真实硬件

~30 分钟
4

标定归零

设定关节零点，验证工作空间

~45 分钟
5

遥操作

连接操作设备，录制第一次操作数据

~60 分钟
6

数据采集

RLDS/LeRobot 格式，质量检查

持续进行
7

AI 模型训练

微调 ACT / Diffusion Policy，部署上线

持续进行
打开完整设置指南 →
技术概览

硬件快览

自由度 8自由度
最大负载 1公斤
通信接口 SocketCAN（CAN 2.0B，1Mbps）
控制模式 MIT 位置 / 速度 / 力矩
软件支持 ROS2、Python SDK、openarm_can
整机重量 〜3公斤
完整规格 → 安全说明 →
AI 集成

兼容 AI 模型

OpenArm 101 专为策略学习而设计，以下模型可直接与采集数据配合使用。

ACT

动作分块 Transformer — 最适合抓取与放置任务，从相机观测预测动作序列。

查看模型 →

扩散政策

最适合接触丰富型操控任务，通过对动作空间的去噪扩散生成平滑轨迹。

查看模型 →

开放VLA

最适合语言条件任务，将视觉语言理解与机器人动作预测相结合。

查看模型 →
所有 OpenArm 模型 → OpenArm 数据集 →
技术深度

技术深度文章

覆盖 OpenArm 技术栈每个层次的详细研究文章。

SocketCAN 设置指南 → ROS2 控制指南 → MIT 控制增益 → 标定与归零 → 遥操作数据采集 → 以数据为中心的平台 →
获取帮助与分享

社区

有问题或想分享你的项目？

OpenArm 论坛 → GitHub 问题 → 提问 →

准备好开始了吗？

加州山景城当日自取，或发货至全球各地。

打开设置指南 购买 OpenArm 联系我们