OpenArm 7DOF 人形機械臂 – 用於物理 AI 的開源硬體
OpenArm 提供什麼以及其重要性
OpenArm 提供了一套完整的、人形尺度的 7 自由度（7-DOF）人形機械臂，價格低於 6,500 美元，結合了高可反驅性（backdrivability）、注重安全的合規性，以及標準化的「OpenArm Cell」環境，以支援在富含接觸的物理 AI 任務中進行可重現的研究。
核心硬體規格
- 自由度：每條手臂 7 個自由度，匹配人類手臂運動學。
- 負載能力：每條手臂最高可達 4 公斤，足以操作日常物品。
- 可反驅性與合規性：為安全的人機互動而設計，具備低摩擦傳動和力矩感測。
- 成本：一套完整的双手系統（組裝好或 DIY）為 6,500 美元。
- 標準化研究單元：OpenArm Cell 提供統一的照明、背景和相機佈置，允許實驗在全球範圍內重現。
軟體生態系統
OpenArm 隨附一系列開源儲存庫，涵蓋硬體設計、模擬、控制和數據收集：
| 儲存庫 | 用途 | 主要語言 | 授權 |
|---|---|---|---|
openarm_hardware |
CAD 檔案（STL, STEP, Fusion 360） | MDX | CERN‑OHL‑S‑2.0 |
openarm_description |
用於模擬器的 URDF/xacro 機器人描述 | MDX | Apache‑2.0 |
openarm_can |
低層 CAN 匯流排馬達驅動程式庫 | TypeScript | Apache‑2.0 |
openarm_ros2 |
ROS 2 整合節點和套件 | TypeScript | Apache‑2.0 |
openarm_teleop |
遠端操作工具（單邊與雙邊控制） | TypeScript | Apache‑2.0 |
openarm_isaac_lab |
NVIDIA Isaac Lab 模擬環境和訓練任務 | TypeScript | Apache‑2.0 |
openarm_mujoco |
MuJoCo MJCF 規格和資產 | TypeScript | Apache‑2.0 |
openarm_dataset |
數據記錄工具、Python API 和數據集格式 | TypeScript | Apache‑2.0 |
dora-openarm |
用於推理、遠端操作和數據收集的 Dora 數據流節點 | TypeScript | Apache‑2.0 |
所有儲存庫均在 GitHub 上公開可用，並從主專案頁面連結。
社群與貢獻模式
OpenArm 的軟體採用 Apache‑2.0 授權，硬體採用 CERN‑OHL‑S‑2.0 授權，鼓勵商業和學術使用。該專案維護了一份行為準則、一份貢獻指南，以及一個活躍的 Discord 伺服器，用於即時討論。截至 2026 年 9 月，該儲存庫擁有：
- 3.3 k 顆星
- 363 個分支
- 26 位貢獻者
- 150 個 HN 積分，顯示出強烈的社群興趣。
"我們處於持續開發中，並積極尋找貢獻者、研究夥伴和企業合作夥伴，以塑造下一代實用的人形系統。準備好加入開源機器人的未來了嗎？"
Hacker News 討論重點
- 潛在應用：用戶反覆提到摺疊衣物作為「殺手級應用」，反映了幽默以及對家庭操作任務的真正好奇。（例如，"祈禱出現一個通用摺疊衣物機器人" – @NegativeLatency）。
- 遠端操作重點：演示視頻主要展示遠端操作控制，引發了對自主能力成熟度的問題。（例如，"視頻主要展示的是遠端操作" – @donpdonp）。
- 醫療影響：一位評論者強調遠端手術是該機械臂合規性和安全功能的引人注目的用例。（例如，"這將很棒，可以將像手術這樣的高級醫療服務帶到偏遠社區！" – @MrPapz）。
- 標準化價值：OpenArm Cell 因能夠在實驗室之間實現可重現的實驗而受到讚譽，這是物理 AI 研究中的關鍵需求。（例如，"使用 OpenArm 進行的研究可以在全球範圍內在一致的評估條件下重現" – 專案描述）。
- 社群氛圍：討論串包含輕鬆的言論（例如，秘密手勢、李小龍雙截棍），突顯了社群的熱情和探索創意擴展的意願。
如何開始
- 訪問網站 – https://openarm.dev/ – 獲取概覽、媒體和購買選項。
- 閱讀文檔 – https://docs.openarm.dev/ – 獲取硬體組裝指南、軟體安裝和模擬教程。
- 加入 Discord – https://discord.gg/FsZaZ4z3We – 提出問題、尋找合作夥伴並了解發布更新。
- 購買或組建 – 使用 GitHub README 上的「立即購買」連結訂購組裝好的單元或獲取 DIY 零件清單。
未來路線圖（根據儲存庫活動推斷）
- 自主控制：正在進行整合感知驅動策略的工作，很可能利用 Isaac Lab 和 MuJoCo 模擬管道。
- 負載改進：目前的 4 公斤限制可能會在後續硬體修訂中提高，隨著馬達和齒輪箱設計成熟。
- 擴展感測器套件：在討論「高度複雜的秘密手勢」時，暗示了對更高解析度的力矩感測和觸覺陣列的計劃。
- 模組化擴展：開源性質鼓勵第三方附加元件，如自定義末端執行器、額外自由度或與其他機器人平台的整合。
結論
OpenArm 通過提供完全開源的硬體和軟體堆疊，以與商業研究機械臂相當的價格點，實現了對高性能人形機械臂的普及化訪問。其對安全性、合規性和可重現研究環境的重視，使其成為推進物理 AI、遠端操作和遠端操作應用的基礎平台。