开始之前：您需要什么

你将建造什么

完成此路径后，您将拥有一个可用的 取放政策 在您的 OpenArm 上实时运行。 您将远程操作手臂来收集 50 个演示，根据这些演示训练 ACT 模仿学习策略并进行部署。 手臂将自主完成任务——无需人工输入。

这不是一个玩具示例。 这与研究实验室大规模收集机器人学习数据所使用的工作流程相同。 一旦完成一次，您就可以将其应用于任何任务。

硬件清单

在开始第 1 单元之前，请确认您已准备好以下所有物品。

• 开臂 101 — 六自由度机械臂。 在这里订购 如果你还没有。 需要 3-5 个工作日才能送达。
• USB-C 转 USB-A 线缆 — 用于与计算机的初始连接。 短 (0.5–1m) 电缆更易于管理。
• 电源 — 包含在包装盒中。 确认它到达时完好无损。 手臂需要 24V DC。
• 清晰的工作空间 — 至少 60 厘米 × 60 厘米的平坦表面。 手臂的伸展范围约为 50 厘米。 移走任何触手可及的易碎物品。
• 安装选项 — 夹具安装座或螺栓固定板。 操作期间手臂不应独立。 两个选项都在包装盒中。
• 遥控装置 — 备用 OpenArm 作为引导臂（推荐）或 VR 控制器。 详细信息请参见第 3 单元。

没有物理硬件？ 您可以在模拟中完成此路径的大部分内容。 请参阅 模拟设置指南 在第 1 单元之前。

软件清单

这些是软件要求。 在继续之前确认每一项。

• Ubuntu 22.04 或 24.04 — ROS 2 和 SocketCAN 所需。 虚拟机可以工作； 双启动更有利于实时性能。 macOS 和 Windows 不支持硬件操作。
• Python 3.10 或更高版本 - 跑步 python3 --version 检查。 安装通过 sudo apt install python3.10 如果需要的话。
• 点和 venv - 跑步 pip3 --version。 安装通过 sudo apt install python3-pip python3-venv.
• git - 跑步 git --version。 安装通过 sudo apt install git.
• ~15 GB 可用磁盘空间 — 适用于 ROS 2、SDK、LeRobot 和您的数据集。 训练数据集可能会变得很大。
• GPU（可选，但推荐用于第 5 单元） — 具有 8GB+ VRAM 的 NVIDIA GPU 将 ACT 训练速度从约 3 小时缩短至约 45 分钟。 在 CPU 上进行训练是可能的，但速度很慢。 第 5 单元介绍了云 GPU 选项。

预计时间

这些是现实的估计，而不是乐观的估计。 考虑故障排除时间。

您不需要一次性完成该路径。 第 1-4 单元最多应在 2 个会话中完成（当您从上次中断的地方继续学习时，硬件设置会更容易）。 第 5 单元训练可以在无人值守的情况下进行——在睡觉前开始。

如何获得帮助

你不会孤单。 如果您遇到困难，请按以下顺序使用这些资源：

1. 检查 完成检查 无论你在哪个单元的底部，它通常都会准确地告诉你要寻找什么。
2. 阅读 故障排除部分 在第 2 单元和第 3 单元中，它们涵盖了 80% 的连接和远程操作问题。
3. 发表在 OpenArm 论坛主题 — 包括您的 Ubuntu 版本、确切的错误消息以及您所在的单元。
4. 加入 SVRC 不和谐 在 #openarm-path 中 — 在 PST 白天时间响应更快。

受阻时请勿跳至下一个单元。 该路径在设计上是连续的——卡在第 2 单元通常意味着第 1 单元尚未完全完成。