- 博客(37)
- 收藏
- 关注
RSS订阅原创 什么是具身智能底盘？4 类主流 AI 机器人底盘选型｜VLA/ROS2 项目硬件指南
在 VLA 大模型与具身智能实体化研发过程中，科研人员常侧重视觉算法与机械臂开发，容易忽略 ROS2 智能移动底盘对 SLAM 建图、移动抓取的底层支撑作用。不合理的底盘选型易引发地图精度变差、数据集污染、机械臂抖动、ROS2 兼容故障等问题。本文围绕松灵四轮差速、阿克曼、履带、四轮四转四类底盘开展架构剖析，对比各项性能与落地场景，为具身智能项目硬件选型提供工程参考。关键词：具身智能，移动底盘，SLAM 导航，松灵机器人，VLA 大模型，ROS2
2026-06-04 17:32:34
361
原创 IsaacLab机械臂数据采集教程：实现松灵7轴机械臂键盘控制与遥操作！
本文基于 IsaacLab 平台完成NERO机械臂方块堆叠仿真环境搭建与键盘遥操作数据采集全流程部署，适配标准化仿真开发规范，可快速实现人工遥操作采集、自动化批量采集、数据集回放校验完整闭环。方案兼容 松灵七轴机械臂NERO与松灵六轴PiPER机械臂，支持键盘多自由度精准操控，产出的 HDF5数据集贴合真实人工操作特征，有效解决仿真数据真实性低、泛化性差的问题。整体部署简单、复用性强，可直接用于机械臂堆叠操控任务、模仿学习与强化学习算法训练，是机器人仿真数据采集与智能控制迭代的高效实用方案。
2026-06-02 17:03:39
266
原创 松灵技术生态|IsaacLab中实现松灵PIPER机械臂键盘遥操作与数据采集教程
本文完整实现了基于 IsaacLab 的 PiPER 机械臂遥操作与数据采集流程，包括：IsaacLab 外部项目搭建PiPER URDF 转 USD机械臂资产配置Stack Task 环境构建平行夹爪控制适配键盘遥操作人类演示数据采集Robomimic 训练配置相比官方 Franka 示例，本文重点解决了国产机械臂在 IsaacLab 中的兼容问题，尤其是：双夹爪 joint 控制gripper_open_val 逻辑适配Observation 数据结构修改。
2026-06-02 16:39:13
275
原创 从 Twist 指令到底层驱动：ROS2 差速、全向底盘运动控制与接口差异解析
本文基于 ROS2 开发场景，以松灵 SCOUT MINI 差速底盘、RANGER MINI3.0 全向底盘为例，剖析两类底盘运动学、Twist 指令解析与 cmd_vel 消息接口差异，解答同一份 cmd_vel 指令跨底盘出现跑偏、无法横移的原因，梳理 Navigation2 适配要点与仿真、实车调试常见踩坑细节，助力开发者完成代码移植与导航部署。
2026-06-02 15:23:11
461
1
原创 差速底盘还是四轮四转？ROS2 机器人底盘选型与应用场景分析
摘要：四轮差速与四轮四转是ROS2移动机器人两大主流底盘架构，二者核心差异体现在运动学模型、转向误差机制、ROS2控制器适配逻辑与场景适配边界上。大量机器人开发项目出现导航漂移、窄通道通行失败、轨迹跟踪失真等问题，本质都是底盘选型与工况不匹配。本文从底层运动学原理、误差来源、ROS2原生适配特性、实测性能数据四个维度做中立深度对比，清晰界定两种底盘的适用场景与技术短板，为ROS2机器人研发、算法调试、工程落地提供可落地的选型依据。
2026-05-29 10:43:11
406
原创 具身ALOHA做什么|FRAPPE：不卷像素、只学逻辑！让具身智能真正理解世界
在具身智能与机器人学习领域，让模型理解环境动态、具备世界建模能力，是实现长时序、强泛化机器人操作的核心。但现有方法要么困在像素级重建的冗余细节里，要么在推理中陷入误差累积，难以真正落地。近日，等机构联合提出FRAPPE—— 一种通过多未来表征对齐 + 并行渐进扩展，把世界建模注入通用机器人策略的高效训练范式。在 RoboTwin 仿真基准与真实机器人任务中，FRAPPE 全面超越 SOTA，还能用无动作标注的人类视频低成本提升泛化，为大模型机器人落地打开新路径。
2026-05-08 16:47:34
402
原创 玩转PiPER|MuJoCo仿真环境搭建，ROS2控制一步到位
本项目是松灵 PiPER 机械臂系列的MuJoCo仿真基座项目，旨在提供松灵PiPER机械臂系列的通用Mujoco仿真环境。目前项目完成c++版本的仿真环境启动，并基于测试版ros2控制插件完成ros2对仿真机械臂的控制测试。下面将逐步指导完成但前版本的Agilex机械臂Mujoco仿真环境构建，并利用测试版ros2插件完成ros2对仿真机械臂的控制。
2026-05-07 16:29:53
650
6
原创 玩转NERO|七轴臂强化学习训练与验证
在机器人研究领域，机械臂的智能控制一直是具身智能研究的核心方向之一。传统的运动学控制方案虽然稳定，但面对复杂的非结构化环境往往束手无策，而强化学习技术的出现，为机械臂实现自主适应环境、完成复杂任务提供了全新的可能。本项目在原有 SO-ARM101 项目的基础上，适配了nero机械臂，让开发者可以快速基于 NVIDIA Isaac Lab 平台，开展机械臂的强化学习训练与验证。
2026-04-24 17:49:13
531
原创 养虾小记|让你的龙虾也能实现“萝卜纸巾”
OpenClaw作为近期热门开源项目，凭借简洁的操作逻辑与强大的适配能力，成为机械臂控制领域的关注焦点。其可实现AI指令与设备执行的全流程联动，大幅降低机械臂操控门槛。上期，我们学习了OpenClaw对NERO七轴臂的控制，本期将整合 OpenClaw 快速部署配置流程与 GrabGen 抓取系统的硬件适配、环境搭建、项目部署实操步骤，从 AI 智能体配置到六轴机械臂自主抓取落地，手把手带你完成从零基础到智能抓取的全链路搭建，轻松实现 AI 驱动的机械臂自主作业。
2026-03-31 11:48:02
550
原创 玩转NERO|告别手动配置：MoveIt 2助你轻松驾驭七轴臂-01
使用URDF导出Moveit功能包MoveIt2是基于 ROS2 架构开发的新一代机械臂运动规划与控制框架，可以理解为 MoveIt 在 ROS2 生态中的全面升级版本。它继承了 MoveIt 的核心能力，同时针对实时性、模块化和工业应用场景做了大量改进。机械臂运动规划（Motion Planning）碰撞检测（Collision Checking）逆运动学（IK）轨迹生成与执行RViz 可视化与交互。
2026-03-06 11:22:37
636
3
原创 【硬核实操】使用火爆全网的openclaw实现七轴机械臂控制
评论区留言，你还想看我们用openclaw做些什么demo？用火爆全网的openclaw控制机械臂！
2026-02-05 11:18:21
456
原创 持续更新|从零到玩转Moveit机械臂控制（一）
使用URDF导出Moveit功能包MoveIt 是 ROS1 中最成熟、应用最广泛的机械臂运动规划框架，为机器人提供从模型描述到运动执行的一整套解决方案。机械臂运动规划（Motion Planning）碰撞检测（Collision Checking）逆运动学（IK）轨迹生成与执行RViz 可视化与交互。
2026-01-22 19:07:39
1449
原创 持续更新|第十七弹：用LIMO复现一篇IEEE论文
RDA Planner 是一种高性能、基于优化的模型预测控制 (MPC) 运动规划器，专为在复杂拥挤环境中的自主导航而设计。利用乘子交替方向法 (ADMM)，RDA 将复杂的优化问题分解为多个简单的子问题。本项目基于香港大学、南方科技大学、澳门大学、中国科学院深圳先进技术研究院、香港科技大学（广州）的研究人员提出基于松灵Limo模拟器开发的自主导航项目RDA_ROS。
2026-01-14 18:54:22
885
原创 持续更新|第十六弹：Isaac_Sim 导入松灵PiPER URDF
随着机器人技术的不断发展，仿真平台在机械臂研发和测试过程中扮演着越来越重要的角色。Isaac Sim作为NVIDIA推出的高性能仿真工具，能够帮助开发者高效地进行机械臂的建模、仿真与算法验证。本文将详细介绍如何在Isaac Sim中导入PiPER机械臂的URDF模型，并进行相关配置和操作，为后续的开发和应用提供参考。
2025-12-23 10:58:14
1482
1
原创 持续更新|第十五弹：在genesis上完成松灵PIPER单臂仿真与控制
本指南旨在帮助用户在Genesis仿真平台上完成松灵机器人PIPER单臂的仿真与控制。文档详细介绍了环境部署、依赖安装、仿真器配置以及如何通过ROS和RViz实现PIPER机械臂的可视化与控制。
2025-12-17 17:45:16
717
原创 持续更新|第十四弹：手把手教你完成 PiPER 机械臂的手眼标定（附完整命令）
在机器人视觉与抓取、定位等应用中，手眼标定是连接机械臂运动与视觉感知的关键环节。对于搭载相机的 PiPER 机械臂系统而言，准确获取末端执行器与相机之间的空间变换关系（即手眼矩阵），是实现高精度视觉伺服控制的前提。本文将基于松灵六轴机械臂PiPER，系统性地介绍基于 ROS2 Humble 的手眼标定流程，涵盖“眼在手上”与“眼在手外”两种典型配置，提供从依赖安装、标定板准备、程序运行到数据采集与验证的完整操作步骤，帮助开发者快速完成标定任务，为后续的视觉引导抓取或目标定位打下坚实基础。
2025-12-02 16:27:17
1600
原创 持续更新|第十三弹：教你使用PiPER RL训练一个简单的任务
仓库包含了PiPER RL的简单演示代码，演示了如何使用Piper RL训练一个简单的任务： Reach Target，任务要求 PiPER 的夹爪中心到达指定的目标位置，而不要求 PiPER 的末端姿态，用简单的奖励函数来实现这个任务。Pytorch 安装Pytorch，根据自己的CUDA版本选择对应的安装命令，命令在。运行genesis_demo/control_piper.py。运行genesis_demo/multi_piper.py。运行piper_rl_genesis.py。
2025-11-28 18:27:18
1024
原创 持续更新|第12弹：基于yolo算法识别的物体抓取
本文通过TensorRT加速YoloV8-Pose推理，使用主成分分析实现了一种基于位姿生成工具，实现了实时的位姿生成与抓取。
2025-10-31 17:59:20
1565
原创 持续更新|第11弹：松灵LIMO PRO的实例分割与点云提取实现
通过修改`yolov8n-seg.launch`实现自定义部分参数的功能参数名称含义TensorRT引擎文件路径，包含已优化的YOLOv8分割模型。类别标签文件路径，包含模型检测的类别名称（如COCO数据集80类）。表示使用CPU，表示使用GPU进行后处理。debug是否启用调试模式，若为true可输出更多信息。是否发布检测结果，若为true会将结果发布到ROS话题。订阅的RGB彩色图像话题名称，作为模型输入。订阅的深度相机内参话题名称，用于深度信息处理（如需要）。
2025-10-27 16:12:51
973
原创 持续更新|第十弹：手柄遥操机械臂——直观的机械臂控制新体验
本文通过游戏手柄实现直观的机械臂控制。使用标准的游戏手柄，您可以在可视化环境中操控PiPER机械臂，带来精准而直观的控制体验。
2025-10-15 17:08:08
1844
2
原创 持续更新|第七弹：松灵PIPER机械臂实现Eigen线代库解算正逆运动学
本章实现基于线性代数库Eigen实现松灵PIPER机械臂的正解，逆解的雅各比方法，自定义交互式标记的实现。
2025-09-08 16:17:19
1857
2
原创 持续更新|第五弹：松灵PIPER机械臂手势识别与位置映射
此仓库通过深度相机实现低成本简单遥操作功能（仅实现机械臂末端的位置控制，无姿态控制）。
2025-09-02 17:21:43
2441
原创 持续更新|第四弹：如何用一部手机就能做到！不用遥控器也能控机械臂
本文实现了通过手机传感器数据（加速度计、陀螺仪、磁力计）控制机械臂的功能。数据通过 WebSocket 从手机实时传输到本地Python脚本，脚本经姿态解算后控制机械臂运动。最后，不知道大家学‘废’了吗，控制机械臂不需要复杂的编程，有时候，只需要一部手机和一个好点子。下一期将更进一步：脱离手机，直接通过手势识别控制机械臂，实现“手在哪，臂就到哪”的自然交互。敬请期待：《松灵PIPER机械臂手势识别与位置映射》！
2025-08-26 14:28:50
1496
原创 科研案例|MIT仿生机械手腕，让机器人像人类一样灵巧操作
在现实家庭环境中，机器人执行日常操作任务（如从冰箱中取物、插拔线缆、整理抽屉）常面临高度拥挤和空间受限的挑战。
2025-08-20 14:10:47
983
原创 持续更新 | 第三弹：用颜色说话，机械臂如何“看懂”方块与曲线并自动执行?
一个简单的色块识别及其三维坐标提取的程序，使用OpenCV库，通过深度相机的深度信息与色彩信息进行识别，识别出的色块的三维坐标可以用于简单的机械臂抓取任务。
2025-08-18 14:02:48
1441
原创 持续更新 | 第二弹：机械臂连续轨迹录制与播放功能实现
本文基于松灵六轴PIPER机械臂实现了连续轨迹录制与播放功能。通过对时间序列数据的记录和重现，实现机械臂复杂运动轨迹的完美复制。本文将分析代码实现机制，并提供完整代码、使用指南和步骤演示。
2025-08-13 14:44:23
1337
2
原创 持续更新 | 第1弹：机械臂固定点位录制与播放功能实现
本文基于松灵PIPER机械臂实现了固定点位录制与播放功能。通过对Python SDK的应用，可以实现机械臂特定位置的记录和重复执行，为教学演示和自动化操作提供了强有力的技术支撑。本文将分析代码实现细节，并提供完整代码、使用指南和步骤演示。
2025-08-07 18:13:59
2056
原创 顶会ICRA双臂赛事“真实场景”大考，顶尖团队破解生命实验操作难题！
5月23日，全球机器人顶会ICRA 2025在美国亚特兰大同期举办 WBCD 双臂机器人挑战赛决赛。WBCD 发起人、谷歌 DeepMind 研究员许倬老师莅临现场解说，与生命科学实验挑战赛负责人、Robotics and AI Institute（RAI）研究员孙凌峰现场支持本次赛事。
2025-06-03 17:12:36
670
原创 15小时数据搞定衣物折叠收纳：DexVLA助力机器人轻松解决复杂任务！
实验结果表明，DexVLA在无需任务特定适应的情况下，能够高效完成复杂任务，如衬衫折叠和长时程任务。：扩散模型专家采用多头架构，每个头对应一个特定的机器人形态，能够有效处理跨具身数据（即不同形态的机器人数据），从而增强了模型的泛化能力。：在实验中，DexVLA展示了其在多种机器人形态（如单臂、双臂、灵巧手等）上的适应性，能够高效完成复杂任务，如衬衫折叠、分拣任务等。创新框架，通过引入扩散模型专家和具身课程学习策略，成功提升了VLA模型在复杂任务中的表现，尤其是在多形态机器人上的适应性。
2025-02-20 18:16:12
2043
原创 科研案例 | 京东联合松灵机器人等多家企业高校推出业内首个具身智能原子技能库架构
京东探索研究院李律松、李东江博士团队发起了该项目，并联合地瓜机器人秦玉森团队、中科大徐童团队、深圳大学郑琪团队、松灵机器人及睿尔曼智能吴波团队共同推进，并得到了清华 RDT 团队在 baseline 方法上的技术支持。提出首个基于三轮数据驱动的原子技能库构建框架，突破传统端到端具身操作的数据瓶颈。该方法可动态自定义和更新原子技能，并结合数据收集与 VLA 少样本学习构建高效技能库。
2025-02-20 17:36:41
2319
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人