尧图网站建设 
660美元如何搭一台会看会抓的双臂移动机器人【免费下载链接】XLeRobotXLeRobot: Practical Dual-Arm Mobile Home Robot for $660项目地址: https://gitcode.com/GitHub_Trending/xl/XLeRobot一台宜家小推车、两只3D打印的机械臂、几颗舵机——这就是一个会走会抓、还能看的家用人形平台的全部硬件。XLeRobot 用 YOLO 目标检测加解析逆运动学让头部摄像头找到物体后双臂跟着追上去整套方案从约660美元起步。本文带你从零跑通这条视觉→伺服→抓取链路读完能直接照抄参数。一句话看懂项目XLeRobot 是一个双臂移动家用人形机器人开源方案移动底盘负责走两条 6 自由度 SO-100/SO-101 机械臂负责抓头部摄像头负责看大脑跑在笔记本电脑或树莓派上。它站在 LeRobot、SO-ARM100、LeKiwi 等开源项目的肩膀上把能完成家务任务的门槛压到了普通玩家可承受的范围。维度数值说明起步成本约 $660国内约 ¥3999自购零件不含打印与运费装配时间4 小时官方给出总装时长自由度双臂 × 6 DoF 底盘 头部支持键盘/手柄/VR 遥操控制方式50 Hz 位置环 P 控制默认增益 kp0.5视觉YOLO 实时检测 解析 IK摄像头 640×48030fps入门门槛有多低 成本660美元档起步加树莓派约79美元换 RealSense 深度相机再加220美元比一台旗舰手机还便宜。⏱ 时间官方装配时长不到4小时加上打印和软件调试一天内可以让它动起来。 技能需要会基本的 Python、Ubuntu 和 git 操作。官方建议纯新手先花一天熟悉环境再动手。最精简清单机械臂SO-100/SO-101 套件 ×2舵机打印件底盘小推车 直流/无刷电机 ODrive 电机驱动计算笔记本电脑可后加树莓派相机普通 USB 摄像头即可深度任务再上 RealSense代码入口示例在software/examples/机器人配置在software/src/robots/原理链路像素怎么变成关节角整条链路是输入→处理→输出三段输入摄像头每帧读入画面YOLO 模型输出目标检测框。 处理取目标框中心与画面中心的像素偏差 (dx, dy)用两个标定系数把像素偏差换算成云台转角和手臂目标距离再喂给二连杆解析逆运动学算出肩、肘两个关节角。 输出50Hz 的位置环用 P 控制kp0.5把关节逐步推到目标角机械臂就追着物体走。核心映射逻辑只有几行来自software/examples/3_so100_yolo_ee_follow.pyK_pan -0.006 # 每像素对应多少弧度水平 K_y 0.00004 # 每像素对应多少米垂直 dx, dy target_center - image_center target_positions[shoulder_pan] -K_pan * dx current_y max(min(-K_y * dy, 0.005), -0.005) joint2, joint3 inverse_kinematics(current_x, current_y)逆运动学本身用余弦定理一步求解目标超出工作空间会自动缩到边界关节角也有限位保护代码在software/src/model/SO101Robot.py。动手跑起来环境准备最短路径git clone https://gitcode.com/GitHub_Trending/xl/XLeRobot cd XLeRobot pip install ultralytics opencv-python sudo chmod 666 /dev/ttyACM0 /dev/ttyACM1最小可运行示例先确认相机能出检测框python software/test_yolo.py再接上机械臂跑视觉伺服python software/examples/3_so100_yolo_ee_follow.py --robot.port /dev/ttyACM0参数校准跑之前把臂架放到零位再调两处——脚本头部的JOINT_CALIBRATION表每个关节的零位偏移和比例系数以及 K_pan、K_y 两个像素映射系数。系数偏了手臂就会追偏或追反方向。实测表现仓库里没有公开优化前/后对比数据下表直接列出代码里的默认参数全部可在源码中核对指标仓库代码取值出处控制环频率50 Hz3_so100_yolo_ee_follow.pyP 控制增益 kp0.5同上摄像头输入640×480 30 fpssoftware/src/model/SO101Robot.py臂杆长 l1 / l2115.9 mm / 135.0 mm同上关节角限位肩[-0.1, 3.45] rad同上像素映射系数 K_pan-0.006 rad/px3_so100_yolo_ee_follow.py结论这套参数是作者实机调好的起点50Hz 控制环对 6 个舵机来说余量充足你真正需要动的是 K_pan、K_y 和关节标定表这两组手眼参数。遇到问题先看这里Q插上电却提示 need 9 motors, but 8 detected或者根本没检测到舵机原因USB 串口没有读权限或端口名和代码里的对不上。 解决执行sudo chmod 666 /dev/ttyACM0再跑python lerobot/find_port.py确认实际端口名必要时交换左右端口设置。Q摄像头画面正常但检测框出不来原因相机索引指错了手机和笔记本各占一个 index。 解决先跑python software/test_yolo.py逐个 index 确认哪一路有画面再改回脚本里的 camera index。QYOLO 框画出来了机械臂却不动原因这个示例的 YOLO 画面默认只是显示不驱动机器人需要显式开启视觉模式。 解决按脚本参数说明启用 vision_mode并确认target_objects里包含你要追的类别名。Q手臂到达目标后一直小幅抖动原因P 增益偏高或该关节的零位偏移没校准。 解决先把 kp 从 0.5 往下调再逐关节核对JOINT_CALIBRATION的 offset 与 scale。还能怎么玩训练 VLA 视觉-语言-动作模型官方已放出临时教程先在仿真里用拿盘子、擦桌子类任务训练策略再迁到真机路径见docs/en/source/software/getting_started/RL_VLA.md。VR 遥操 仿真先行没硬件也能先玩MuJoCo 场景里用 Quest 头显遥操双臂机器人代码在simulation/mujoco/和XLeVR/目录。写在最后XLeRobot 的价值不在于算法多新而在于它把会看、会走、会抓的家用人形机器人拆成了打印件、舵机和几百行 Python660美元即可起步。它适合想入门具身智能、但预算只够买一台旗舰手机的玩家。下一步先跑通键盘遥操示例再开 YOLO 视觉模式让你的手臂真正追上镜头里的物体。【免费下载链接】XLeRobotXLeRobot: Practical Dual-Arm Mobile Home Robot for $660项目地址: https://gitcode.com/GitHub_Trending/xl/XLeRobot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 660美元如何搭一台会看会抓的双臂移动机器人
660美元如何搭一台会看会抓的双臂移动机器人【免费下载链接】XLeRobotXLeRobot: Practical Dual-Arm Mobile Home Robot for $660项目地址: https://gitcode.com/GitHub_Trending/xl/XLeRobot一台宜家小推车、两只3D打印的机械臂、几颗舵机——这就是一个会走会抓、还能看的家用人形平台的全部硬件。XLeRobot 用 YOLO 目标检测加解析逆运动学让头部摄像头找到物体后双臂跟着追上去整套方案从约660美元起步。本文带你从零跑通这条视觉→伺服→抓取链路读完能直接照抄参数。一句话看懂项目XLeRobot 是一个双臂移动家用人形机器人开源方案移动底盘负责走两条 6 自由度 SO-100/SO-101 机械臂负责抓头部摄像头负责看大脑跑在笔记本电脑或树莓派上。它站在 LeRobot、SO-ARM100、LeKiwi 等开源项目的肩膀上把能完成家务任务的门槛压到了普通玩家可承受的范围。维度数值说明起步成本约 $660国内约 ¥3999自购零件不含打印与运费装配时间4 小时官方给出总装时长自由度双臂 × 6 DoF 底盘 头部支持键盘/手柄/VR 遥操控制方式50 Hz 位置环 P 控制默认增益 kp0.5视觉YOLO 实时检测 解析 IK摄像头 640×48030fps入门门槛有多低 成本660美元档起步加树莓派约79美元换 RealSense 深度相机再加220美元比一台旗舰手机还便宜。⏱ 时间官方装配时长不到4小时加上打印和软件调试一天内可以让它动起来。 技能需要会基本的 Python、Ubuntu 和 git 操作。官方建议纯新手先花一天熟悉环境再动手。最精简清单机械臂SO-100/SO-101 套件 ×2舵机打印件底盘小推车 直流/无刷电机 ODrive 电机驱动计算笔记本电脑可后加树莓派相机普通 USB 摄像头即可深度任务再上 RealSense代码入口示例在software/examples/机器人配置在software/src/robots/原理链路像素怎么变成关节角整条链路是输入→处理→输出三段输入摄像头每帧读入画面YOLO 模型输出目标检测框。 处理取目标框中心与画面中心的像素偏差 (dx, dy)用两个标定系数把像素偏差换算成云台转角和手臂目标距离再喂给二连杆解析逆运动学算出肩、肘两个关节角。 输出50Hz 的位置环用 P 控制kp0.5把关节逐步推到目标角机械臂就追着物体走。核心映射逻辑只有几行来自software/examples/3_so100_yolo_ee_follow.pyK_pan -0.006 # 每像素对应多少弧度水平 K_y 0.00004 # 每像素对应多少米垂直 dx, dy target_center - image_center target_positions[shoulder_pan] -K_pan * dx current_y max(min(-K_y * dy, 0.005), -0.005) joint2, joint3 inverse_kinematics(current_x, current_y)逆运动学本身用余弦定理一步求解目标超出工作空间会自动缩到边界关节角也有限位保护代码在software/src/model/SO101Robot.py。动手跑起来环境准备最短路径git clone https://gitcode.com/GitHub_Trending/xl/XLeRobot cd XLeRobot pip install ultralytics opencv-python sudo chmod 666 /dev/ttyACM0 /dev/ttyACM1最小可运行示例先确认相机能出检测框python software/test_yolo.py再接上机械臂跑视觉伺服python software/examples/3_so100_yolo_ee_follow.py --robot.port /dev/ttyACM0参数校准跑之前把臂架放到零位再调两处——脚本头部的JOINT_CALIBRATION表每个关节的零位偏移和比例系数以及 K_pan、K_y 两个像素映射系数。系数偏了手臂就会追偏或追反方向。实测表现仓库里没有公开优化前/后对比数据下表直接列出代码里的默认参数全部可在源码中核对指标仓库代码取值出处控制环频率50 Hz3_so100_yolo_ee_follow.pyP 控制增益 kp0.5同上摄像头输入640×480 30 fpssoftware/src/model/SO101Robot.py臂杆长 l1 / l2115.9 mm / 135.0 mm同上关节角限位肩[-0.1, 3.45] rad同上像素映射系数 K_pan-0.006 rad/px3_so100_yolo_ee_follow.py结论这套参数是作者实机调好的起点50Hz 控制环对 6 个舵机来说余量充足你真正需要动的是 K_pan、K_y 和关节标定表这两组手眼参数。遇到问题先看这里Q插上电却提示 need 9 motors, but 8 detected或者根本没检测到舵机原因USB 串口没有读权限或端口名和代码里的对不上。 解决执行sudo chmod 666 /dev/ttyACM0再跑python lerobot/find_port.py确认实际端口名必要时交换左右端口设置。Q摄像头画面正常但检测框出不来原因相机索引指错了手机和笔记本各占一个 index。 解决先跑python software/test_yolo.py逐个 index 确认哪一路有画面再改回脚本里的 camera index。QYOLO 框画出来了机械臂却不动原因这个示例的 YOLO 画面默认只是显示不驱动机器人需要显式开启视觉模式。 解决按脚本参数说明启用 vision_mode并确认target_objects里包含你要追的类别名。Q手臂到达目标后一直小幅抖动原因P 增益偏高或该关节的零位偏移没校准。 解决先把 kp 从 0.5 往下调再逐关节核对JOINT_CALIBRATION的 offset 与 scale。还能怎么玩训练 VLA 视觉-语言-动作模型官方已放出临时教程先在仿真里用拿盘子、擦桌子类任务训练策略再迁到真机路径见docs/en/source/software/getting_started/RL_VLA.md。VR 遥操 仿真先行没硬件也能先玩MuJoCo 场景里用 Quest 头显遥操双臂机器人代码在simulation/mujoco/和XLeVR/目录。写在最后XLeRobot 的价值不在于算法多新而在于它把会看、会走、会抓的家用人形机器人拆成了打印件、舵机和几百行 Python660美元即可起步。它适合想入门具身智能、但预算只够买一台旗舰手机的玩家。下一步先跑通键盘遥操示例再开 YOLO 视觉模式让你的手臂真正追上镜头里的物体。【免费下载链接】XLeRobotXLeRobot: Practical Dual-Arm Mobile Home Robot for $660项目地址: https://gitcode.com/GitHub_Trending/xl/XLeRobot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考