SO-ARM101 – Introducción del producto

SO-ARM101 es una plataforma de brazo robótico de código abierto de alto rendimiento pensada para la educación, la investigación y los aficionados. Totalmente compatible con el ecosistema LeRobot de Hugging Face, admite todo el flujo de trabajo del aprendizaje de manipulación robótica (recopilación de datos, entrenamiento de modelos e inferencia de IA) y es la opción ideal para aprender robótica y desarrollar aplicaciones de robots con IA.

📋 Características principales

• Diseño de 6 grados de libertad con control de movimiento flexible
• Hardware y software totalmente de código abierto, libremente personalizables y ampliables
• Compatibilidad perfecta con el framework LeRobot; admite varios algoritmos de aprendizaje robótico (ACT, Diffusion, Pi0, SmolVLA, etc.)
• Tutoriales y ejemplos completos incluidos, puesta en marcha rápida incluso sin experiencia
• Admite todo el proceso: teleoperación maestro-esclavo, retroalimentación visual con varias cámaras, grabación de conjuntos de datos y entrenamiento de modelos

🔧 Especificaciones de hardware

🚀 Inicio rápido

1. Preparación del entorno

SO-ARM101 admite dos plataformas: Ubuntu x86 y Jetson Orin:

Requisitos del entorno Ubuntu x86:

• Ubuntu 22.04
• CUDA 12+
• Python 3.10
• Torch 2.6+

Requisitos del entorno Jetson Orin:

• JetPack 6.0+
• Python 3.10
• Torch 2.5.0a0+

2. Instalación de dependencias

# Install Miniconda (Ubuntu x86 version)
mkdir -p ~/miniconda3
cd miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm ~/miniconda3/miniconda.sh
source ~/miniconda3/bin/activate
conda init --all

# Create and activate environment
conda create -y -n lerobot python=3.10
conda activate lerobot

# Clone code repository
git clone https://github.com/Juxi-Technology/lerobot.git

# Install dependencies
conda install ffmpeg -c conda-forge
cd ~/lerobot && pip install -e ".[feetech]"
            

3. Control del brazo robótico

Búsqueda del puerto

# Find USB port corresponding to the robotic arm
lerobot-find-port
            

Según las indicaciones, conecta y desconecta el cable USB del brazo para obtener el número de puerto correspondiente (normalmente /dev/ttyACM0 y /dev/ttyACM1)

Autorización del puerto

sudo chmod 666 /dev/ttyACM0
sudo chmod 666 /dev/ttyACM1
            

Calibración del brazo

# Calibrate slave arm
lerobot-calibrate \
    --robot.type=so101_follower \
    --robot.port=/dev/ttyACM0 \
    --robot.id=my_awesome_follower_arm

# Calibrate master arm
lerobot-calibrate \
    --teleop.type=so101_leader \
    --teleop.port=/dev/ttyACM1 \
    --teleop.id=my_awesome_leader_arm
            

Según las indicaciones, mueve el brazo a la posición neutra y luego completa la calibración del recorrido de cada articulación.

🎮 Ejemplos de funciones principales

1. Teleoperación maestro-esclavo

# Basic teleoperation (without camera)
lerobot-teleoperate \
    --robot.type=so101_follower \
    --robot.port=/dev/ttyACM0 \
    --robot.id=my_awesome_follower_arm \
    --teleop.type=so101_leader \
    --teleop.port=/dev/ttyACM1 \
    --teleop.id=my_awesome_leader_arm

# Teleoperation with camera display
lerobot-teleoperate \
    --robot.type=so101_follower \
    --robot.port=/dev/ttyACM0 \
    --robot.id=my_awesome_follower_arm \
    --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30, fourcc: \"MJPG\"}}" \
    --teleop.type=so101_leader \
    --teleop.port=/dev/ttyACM1 \
    --teleop.id=my_awesome_leader_arm \
    --display_data=true
            

2. Grabación del conjunto de datos

# Record dataset locally
lerobot-record \
    --robot.type=so101_follower \
    --robot.port=/dev/ttyACM0 \
    --robot.id=my_awesome_follower_arm \
    --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30, fourcc: \"MJPG\"}, side: {type: opencv, index_or_path: 2, width: 640, height: 480, fps: 30, fourcc: \"MJPG\"}}" \
    --teleop.type=so101_leader \
    --teleop.port=/dev/ttyACM1 \
    --teleop.id=my_awesome_leader_arm \
    --display_data=true \
    --dataset.repo_id=juxi/so101_test \
    --dataset.num_episodes=5 \
    --dataset.single_task="Put the blue cube on the black box" \
    --dataset.push_to_hub=false \
    --dataset.episode_time_s=30 \
    --dataset.reset_time_s=30
            

Los datos grabados se guardan en el directorio ~/.cache/huggingface/lerobot.

3. Entrenamiento del modelo (algoritmo ACT)

# Train with local dataset
lerobot-train \
  --dataset.repo_id=juxi/so101_test \
  --policy.type=act \
  --output_dir=outputs/train/act_so101_test \
  --job_name=act_so101_test \
  --policy.device=cuda \
  --wandb.enable=false \
  --policy.push_to_hub=false \
  --steps=300000
            

Los pesos del modelo entrenado se guardan en el directorio outputs/train/act_so101_test/checkpoints.

4. Ejecución de inferencia de IA

# Control robotic arm with trained model
lerobot-record \
  --robot.type=so101_follower \
  --robot.port=/dev/ttyACM0 \
  --robot.cameras="{ front: {type: opencv, index_or_path: 0, width: 640, height: 480, fps: 30, fourcc: \"MJPG\"},   side: {type: opencv, index_or_path: 2, width: 640, height: 480, fps: 30,fourcc: \"MJPG\"}}" \
  --robot.id=my_awesome_follower_arm \
  --display_data=false \
  --dataset.repo_id=juxi/eval_test \
  --dataset.single_task="Put the blue cube on the black box" \
  --policy.path=outputs/train/act_so101_test/checkpoints/last/pretrained_model
            

📚 Recursos relacionados

• JuxiTechnology GitHub - Obtén el código de código abierto y los materiales de hardware más recientes
• Lark Wiki - Consulta la documentación oficial completa y los tutoriales

🛠️ Preguntas frecuentes

P: ¿La ejecución indica que la GPU no está disponible?

R: Asegúrate de instalar la versión de PyTorch que coincida con tu versión de CUDA; en plataformas Jetson hay que instalar la versión de PyTorch específica para Jetson.

P: ¿El teclado no responde durante la teleoperación?

R: Prueba a degradar la versión de pynput a 1.6.8:pip install pynput==1.6.8

P: ¿Qué hago si la calibración falla?

R: Comprueba que los permisos del puerto serie sean correctos, elimina los archivos de calibración antiguos del directorio ~/.cache/huggingface/lerobot/calibration y vuelve a intentarlo.

El brazo SO-ARM101 ofrece un soporte de ecosistema completo para el aprendizaje y el desarrollo robótico. Tanto en educación, investigación como para aficionados, cualquiera puede desarrollar rápidamente sus propias aplicaciones robóticas.