SO-ARM101 - 產品介紹

SO-ARM101 是一款面向教育、研究和愛好者的高性能開源機械手臂平台，完美相容 Hugging Face LeRobot 生態系統，支援機器人操作學習、資料採集、模型訓練和 AI 推理全流程，是學習機器人技術、開發 AI 機器人應用的理想選擇。

📋 核心特點

• 6 自由度設計，支援靈活的運動控制
• 完全開源硬體和軟體，可自由訂製擴展
• 完美相容 LeRobot 框架，支援多種機器人學習演算法（ACT、Diffusion、Pi0、SmolVLA 等）
• 配套完整的教學和範例，零基礎也能快速上手
• 支援主從遙操作、多相機視覺回饋、資料集錄製和模型訓練全流程

🔧 硬體規格

🚀 快速開始

1. 環境準備

SO-ARM101 支援 Ubuntu x86 和 Jetson Orin 兩種平台：

Ubuntu x86 環境要求：

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

Jetson Orin 環境要求：

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

2. 安裝依賴

# 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. 機械手臂控制

埠查找

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

按照提示插拔機械手臂 USB 線，取得對應的埠號（通常為 /dev/ttyACM0 和 /dev/ttyACM1）

埠授權

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

機械手臂校準

# 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
            

按照提示將機械手臂移動到中位，然後完成各關節的量程校準。

🎮 核心功能範例

1. 主從遙操作

# 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. 資料集錄製

# 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
            

錄製的資料將保存在 ~/.cache/huggingface/lerobot 目錄下。

3. 模型訓練（ACT 演算法）

# 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
            

訓練完成的模型權重保存在 outputs/train/act_so101_test/checkpoints 目錄下。

4. AI 推理運行

# 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
            

📚 相關資源

• JuxiTechnology GitHub - 取得最新的開源程式碼和硬體資料
• Lark Wiki - 查看完整的官方文件和教學

🛠️ 常見問題

Q: 運行時提示 GPU 不可用？

A: 請確保安裝了與 CUDA 版本匹配的 PyTorch，Jetson 平台需要安裝專門的 Jetson 版本 PyTorch。

Q: 遙操作時鍵盤無回應？

A: 嘗試降級 pynput 版本到 1.6.8：pip install pynput==1.6.8

Q: 校準失敗怎麼辦？

A: 檢查串口權限是否正確，刪除 ~/.cache/huggingface/lerobot/calibration 目錄下的舊校準檔案後重新嘗試。

SO-ARM101 機械手臂為機器人學習和開發提供了完整的生態支持，無論是教育、研究還是個人愛好者，都能快速上手開發屬於自己的機器人應用。