AhaRobot：千元级开源双臂移动操作机器人------具身AI的低成本硬件落地范式
论文信息
标题 ：AhaRobot: A Low-Cost Open-Source Bimanual Mobile Manipulator for Embodied AI
会议 ：arXiv preprint (cs.RO) 2026
单位 ：天津大学智能与计算学部
代码 ：https://aha-robot.github.io
论文：https://arxiv.org/pdf/2503.10070.pdf
一、引言：具身AI的卡脖子问题，居然是硬件太贵？
聊到具身智能，大家张口闭口都是大模型、VLA、扩散策略，好像算法已经无敌了，就等落地。但真实情况是：99%的研究者连真实机器人都摸不起。
就拿火遍全网的Mobile ALOHA来说，一套下来三万多美元，折合人民币二十多万，普通实验室买一套都得咬牙，个人开发者更是想都别想。更别说TIAGo这种工业级平台，二十万欧元起步，那不是科研工具，是奢侈品。
硬件贵带来的直接后果就是：大家都窝在仿真里卷算法，一到真实世界就拉胯。毕竟仿真环境再真实，也模拟不出真实世界里的摩擦、间隙、零件公差这些"脏东西"，算法迁移到真机上直接水土不服。
那能不能把移动操作机器人的价格打下来？天津大学的团队就干了这件事------他们做出了AhaRobot ，一套完整的双臂移动操作机器人，硬件成本只要1000美元（约7000人民币），连Mobile ALOHA的十五分之一都不到。加一块RTX 4060的车载电脑，全套下来也才2000美元，普通人攒一攒也能玩得起。
图1 AhaRobot系统整体概览
出处：原文Figure 1
解读：左半部分是机器人硬件本体，包含升降滑轨、双臂、移动底盘、多视角相机；右半部分是RoboPilot遥操作工作站，靠手柄和脚踏就能远程控制；下方展示了它能完成的日常任务，从抓取盒子、开冰箱到扫地全覆盖。
更绝的是，他们还配套做了一套RoboPilot遥操作方案，整套外设只要50美元，不用VR头盔、不用外骨骼，普通摄像头加个多面体手柄就能远程操控，精度能到3毫米。普通人坐在电脑前，就能给机器人录演示数据，完美解决了具身AI的数据采集痛点。
这篇文章我们就从头到尾拆解这套方案：怎么用白菜价零件做出能用的机械臂？怎么靠算法优化弥补硬件精度的不足？50美元的遥操作方案是怎么实现毫米级精度的？
二、硬件系统：用消费级零件，拼出专业级工作空间
整个机器人的设计思路非常明确：能省则省，但核心体验不能打折扣。最终目标是用1000美元预算，实现和几万块平台差不多的工作能力------能移动、能双臂协作、能够到地面、能操作桌面物品。
2.1 整体形态设计：三大核心创新
传统机械臂贵，很大程度是贵在肩肘关节的大扭矩电机上------要扛着整个手臂的重力，还要保证精度，电机价格自然下不来。AhaRobot用三个巧妙的结构设计，直接绕开了这个痛点：
1）皮带升降滑轨：用一维升降替代肩部关节
与其让手臂自己扛着重力上下抬，不如直接把整个上半身装在滑轨上，靠皮带传动升降。这样手臂只需要在水平面上运动，重力完全由滑轨承担，关节电机就不用选大扭矩的，成本直接砍一大截。
通俗解释：这就像装修用的升降脚手架，工人站在架子上上下移动，不用自己爬梯子。机器人的手臂就是工人，升降滑轨就是脚手架，分工明确，效率高还省钱。
升降行程达到1250mm，从地面到桌面的高度全覆盖，既能蹲下来捡地上的玩具，也能伸手按高处的电梯按钮，这是很多桌面机械臂做不到的。
2）SCARA式水平臂：彻底卸掉重力负担
手臂采用水平布置的SCARA结构，所有关节都在水平面旋转，完全不受重力弯矩的影响。这样哪怕用十几美元的廉价舵机，也能带动不小的负载，待机的时候手臂还能收折到身体两侧，占地特别小，过门、转弯都不容易撞。
单臂最大负载1.5kg，工作半径750mm，日常拿个杯子、开个冰箱完全够用。
3）双电机关节：两个便宜电机，顶一个高精度电机
廉价舵机最大的问题就是齿轮间隙大，转的时候哐哐响，定位精度差。AhaRobot的每个关节都装了两个电机，输出轴硬连在一起，靠控制算法给两个电机加反向偏置扭矩，让齿轮始终贴紧一侧，直接把间隙给消掉了。这部分我们后面控制章节详细讲。
2.2 移动底盘：差速驱动，零半径转弯
底盘用双轮差速驱动，前面两个无刷电机，后面一个万向轮，能原地转圈，转弯清扫半径只有50cm，在家里窄过道也能灵活穿梭。底盘用铝型材搭建，不用CNC加工，买回来拧螺丝就能组装，进一步压缩成本。
2.3 传感与计算配置
- 视觉：头顶一个云台相机看全局，两个手腕各装一个相机做近距离抓取，都是640×360分辨率、30帧，够用不浪费；
- 本体感知：每个关节都带4096线的磁编码器，底盘电机带霍尔传感器，升降滑轨有光电开关做零点复位；
- 计算：可选Mini-ITX主板（i5-12700KF + RTX4060，约800美元），或者更便宜的Jetson板，整套系统跑ROS 2 Humble，用ESP32做底层电机控制，ODrive驱动底盘无刷电机；
- 供电：24V锂电池给电机供电，户外电源给电脑供电，满电能跑4-5小时，完全脱线运行。
2.4 和同类平台的横向对比
光说便宜没用，我们看看它和主流平台的能力对比：
表1 不同机器人平台参数对比
出处：原文Table I
| 机器人平台 | 价格 | 双臂 | 移动底盘 | 能够到地面 | 开源 | 自由度 |
|---|---|---|---|---|---|---|
| Mobile Aloha | $32,000 | ✓ | ✓ | × | ✓ | 16 |
| Hello Robot Stretch | $24,950 | × | ✓ | ✓ | × | 7 |
| DROID | ≈$27,000 | ✓ | × | × | × | 8 |
| AgileX COBOT | ≈$30,000 | ✓ | × | ✓ | × | 16 |
| TIAGo | >$200,000 | × | ✓ | ✓ | × | 12 |
| AhaRobot | $1,000-2,000 | ✓ | ✓ | ✓ | ✓ | 16 |
解读：AhaRobot是所有平台里唯一一个同时满足双臂、移动、可达地面、全开源四个条件的，价格却只有其他平台的十几甚至几十分之一。除了负载和绝对精度不如工业级平台，日常家用场景的能力完全覆盖。
核心硬件参数汇总：
表2 AhaRobot核心参数
出处：原文Table II
| 参数类别 | 数值 |
|---|---|
| 单臂负载 | 1.5 kg |
| 整机重量 | 51 kg |
| 整机尺寸 | 550×500×1550 mm |
| 夹爪最大开合 | 120 mm |
| 平面最大工作半径 | 750 mm |
| Z轴升降行程 | 1250 mm |
| 续航 | 4-5 小时 |
| 最小转弯半径 | 0（原地旋转） |
| 转弯清扫半径 | 500 mm |
通俗解释：这就像汽车圈的"五菱宏光"，价格便宜、能拉能跑、坏了好修，虽然跑不过超跑，但日常干活是真好用，能让更多人用得起。
三、双关节控制系统：用算法弥补硬件短板
便宜硬件天然有两个硬伤：齿轮间隙大、静摩擦严重。如果直接用普通PID控制，要么抖个不停，要么小幅度动不了，根本做不了精细活。AhaRobot的控制团队专门做了两套优化方案，硬生生把廉价电机的控制精度拉到了能用的水平。
图2 双关节控制系统框图
出处：原文Figure 2
解读：整个控制回路包含梯形轨迹规划、P控制器、双电机反向偏置消间隙、电机抖动静摩擦补偿几个模块，靠软件算法把廉价硬件的性能拉满。
3.1 双电机反向驱动：消除齿轮间隙
齿轮传动天生就有间隙，正转反转切换的时候会有空程，就像老自行车的脚蹬子，倒踩半圈才吃上力。放到机械臂上，就会导致定位不准、来回震荡。
AhaRobot的解法很巧妙：每个关节装两个电机，输出轴硬连在一起，给两个电机加一个反向的偏置电压，让两个齿轮始终分别贴在齿槽的两个面上，间隙自然就没了。
核心公式：双电机控制量分配
{u1=uo+ubu2=uo−ub \left\{ \begin{array}{l} u_1 = u_o + u_b \\ u_2 = u_o - u_b \end{array} \right. {u1=uo+ubu2=uo−ub
符号解释：
- u1u_1u1：1号电机的最终控制电压
- u2u_2u2：2号电机的最终控制电压
- uou_ouo：PID控制器输出的总控制量，也就是关节需要的总驱动力
- ubu_bub：偏置电压，用来给两个电机施加反向的预紧力，始终保持齿轮贴合
通俗解释：这就像两个人一起拉一根绳子，一个往左拉一点，一个往右拉一点，绳子始终绷得紧紧的，没有松垮的余地。等要往某个方向动的时候，只要一边加力、一边减力就行，全程不会有空隙。
实际效果对比非常明显：关掉消间隙功能的时候，关节到目标位置会来回震荡；打开之后，稳稳停在目标点，几乎没有超调。
图3 不同控制策略下的系统响应
出处：原文Figure 3
解读：左图是方波跟踪，虚线是关掉消间隙的情况，目标切换时震荡明显；实线打开后非常平稳。右图是阶梯波跟踪，关掉摩擦补偿的时候，小幅度指令根本动不起来；打开后能精准跟上每一个小台阶。
3.2 电机抖动法：搞定静摩擦
廉价电机的静摩擦力很大，就像生锈的合页，得用很大劲才能启动，动起来之后又突然变滑。表现在控制上就是：误差小的时候电机转不动，误差攒大了电机一动又冲过了头，永远有稳态误差。
传统解法是加积分项，但积分需要积累时间，而且控制频率不高的时候效果很差。AhaRobot用了一个简单粗暴但有效的办法：给控制量加一个高频抖动的前馈项，让电机一直在微震动，始终处于"临界启动"状态，静摩擦直接就被绕过了。
摩擦模型的经典公式是这样的：
τf={τssgn(q˙)+τvq˙,if q˙≠0τe,if q˙=0 and ∣τe∣<τsτssgn(τe),otherwise \tau_f= \begin{cases} \tau_s \text{sgn}(\dot{q})+\tau_v \dot{q}, & \text{if } \dot{q} \neq 0 \\ \tau_e, & \text{if } \dot{q}=0 \text{ and } |\tau_e|<\tau_s \\ \tau_s \text{sgn}(\tau_e), & \text{otherwise} \end{cases} τf=⎩ ⎨ ⎧τssgn(q˙)+τvq˙,τe,τssgn(τe),if q˙=0if q˙=0 and ∣τe∣<τsotherwise
符号解释：
- τf\tau_fτf：总摩擦力矩
- τs\tau_sτs：最大静摩擦力矩，也就是启动需要克服的最大阻力
- τv\tau_vτv：粘滞摩擦系数，速度越快，粘滞摩擦越大
- q˙\dot{q}q˙：关节角速度
- sgn(⋅)\text{sgn}(\cdot)sgn(⋅)：符号函数，正数返回1，负数返回-1
- τe\tau_eτe：外部驱动力矩
通俗解释：摩擦力就像一道门槛，力气不够大就推不动门。电机抖动法就是让电机一直在门口小幅度晃，不用每次都从零开始攒力气，轻轻一推就能动起来。
从实验结果看，关掉抖动补偿的时候，0.175度的小台阶指令，电机完全没反应；打开之后，每一个小台阶都能精准跟上，微操作能力直接拉满。
四、RoboPilot：50美元打造专业级遥操作方案
有了机器人还不够，具身AI需要大量演示数据来训练模仿学习模型。怎么高效录数据？传统方案要么是几万块的外骨骼/主从臂，要么是VR头盔，戴半小时头就晕，根本没法长时间工作。
AhaRobot配套的RoboPilot 方案，把遥操作的成本直接打到了50美元，而且支持完全远程操作，坐在办公室就能控制实验室里的机器人录数据。
图4 RoboPilot遥操作工作站
出处：原文Figure 4
解读：整套设备就是两个多面体手柄、四个脚踏板、一个普通摄像头。手柄控制双臂位姿，脚踏分两种模式：操作模式控制夹爪和升降，行走模式控制底盘前后左右移动。
4.1 26面标记手柄：解决姿态模糊的痛点
用视觉做遥操作，最常见的做法是在立方体上贴AprilTag码，靠PnP算法算6自由度位姿。但立方体有个致命问题：当标记面和摄像头平行的时候，位姿解算会模糊，数据突然跳一下，机器人就跟着抖一下，特别影响操作。
AhaRobot的解法很有创意：不用立方体，用26面体 。不管你怎么转手柄，摄像头始终能看到至少三个不在同一平面的标记，位姿解算永远稳定。
图5 不同手柄的跟踪精度对比
出处：原文Figure 5
解读：蓝色是普通6面立方体，误差波动非常大，经常出现尖峰；橙色是26面体，误差平稳得多，几乎没有跳变。
量化对比结果：
表3 多面体手柄精度量化对比
出处：原文Table III
| 类型 | 平均旋转误差 | 平均平移误差 |
|---|---|---|
| 6面立方体 | 5.391° | 9.9 mm |
| 26面体（本文） | 1.094°（下降80%） | 2.1 mm（下降79%） |
解读：换了个多面体形状，精度直接提升了4-5倍，平均定位误差2.1毫米，完全满足日常抓取的精度要求，而成本几乎没增加------就是3D打印个外壳的事。
4.2 脚踏双模控制：解放双手，全身协调
光有手柄不够，移动底盘、夹爪开合、升降滑轨这些功能，总不能用键盘按，操作起来太割裂。RoboPilot用四个脚踏板，设计了两套模式，一键切换：
- 操作模式：两个脚踏分别控制左右夹爪开合，另外两个控制升降滑轨上下；
- 行走模式：四个脚踏对应底盘前后左右移动，就像玩赛车游戏。
操作的时候，手负责精细的双臂动作，脚负责移动身体和调整高度，和人干活的逻辑一模一样，上手特别快。而且夹爪可以锁定，移动的时候不会掉东西。
4.3 网页端远程操控：跨网络也能玩
整个遥操作客户端是网页版的，不用装软件：
- 手柄位姿解算全在浏览器本地跑，用WebAssembly + OpenCV.js，数据不经过服务器，隐私有保障；
- 机器人的三路画面用WebRTC实时传输，延迟很低；
- 手柄、脚踏、键盘指令也通过WebRTC数据通道回传给机器人。
也就是说，只要有网，你在海南都能控制天津的机器人录数据，完全不用守在机器旁边。
4.4 长时序任务实测：远程送咖啡、加热寿司
为了测试这套系统的极限，研究者做了两个超复杂的长时序任务：
- 送咖啡任务：机器人从2楼实验室出发，走过长廊、转过拐角，取咖啡，按电梯，坐电梯到3楼，开门，把咖啡送到目标房间。全程移动距离超过200米，完全远程操作。
- 加热寿司任务 ：机器人降低高度，打开冰箱下层门，拿出寿司，升高到桌面高度，双手配合打开微波炉，把寿司放进去，关门，最后回去关上冰箱门。
图6 超长时序远程遥操作任务
出处：原文Figure 6
解读：左列是送咖啡任务，跨楼层、长距离，考验移动和交互能力；右列是加热寿司任务，高低落差大，需要双臂配合，考验操作精度。这两个任务放在以前，得专业操作员戴VR设备守在现场才能做，现在靠一套50美元的外设就能远程完成。
有趣案例：这就像以前开远程挖掘机，得专门的操作员坐在特制驾驶室里，一套设备几十万。现在好了，普通人用游戏手柄加脚踏就能远程操控机器人干活，未来甚至可以搞"众包录数据"------全世界的人都能上线给机器人演示任务，数据量起来了，具身大模型才能训得更好。
五、实验验证：便宜归便宜，干活是真靠谱
光说参数没用，是骡子是马拉出来遛遛。研究者做了三类实验，全方位验证这套系统的实用性。
5.1 遥操作效率对比：比主流方案快30%
找了三组人，分别用RoboPilot、3D鼠标、主从臂三种方案做同样的三个任务，记录成功率和完成时间：
- 任务1：把盘子放进碗架
- 任务2：开抽屉，把橡皮放进去
- 任务3：把试管插到试管架上
表5 不同遥操作方案的任务性能对比
出处：原文Table V
| 任务名称 | RoboPilot | SpaceMouse | Leader-Follower | |||
|---|---|---|---|---|---|---|
| 成功率 | 耗时(s) | 成功率 | 耗时(s) | 成功率 | 耗时(s) | |
| 放盘子进碗架 | 100% | 36.62 | 44.4% | 47.31 | 100% | 57.35 |
| 开抽屉放橡皮 | 100% | 72.60 | 100% | 83.95 | 100% | 82.69 |
| 插试管 | 100% | 26.44 | 100% | 44.87 | 100% | 55.94 |
| 平均 | 100% | 45.22 | 81.5% | 58.71 | 100% | 65.33 |
解读：
- RoboPilot平均耗时比主从臂快了30%，比3D鼠标快了23%，操作效率最高；
- 3D鼠标在第一个任务上成功率暴跌，因为视角切换的时候坐标系容易搞混，操作者容易晕；
- 主从臂虽然成功率也满，但经常碰到奇异位姿，得手动调整，特别费时间。
结论很明确：这套50美元的方案，操作体验和效率，比几千几万的方案还要好。
5.2 模仿学习验证：练完就能自主干活
硬件最终还是要服务算法的。研究者用RoboPilot录了演示数据，用ACT算法训练了模仿学习模型，测试机器人能不能自主完成任务。
一共三个任务，从简单到复杂：
- 搬盒子：找到盒子，抓起来，搬到指定区域放下
- 插笔：拿起笔，拿起杯子，把笔插进杯子里，放回桌面
- 收玩具：找到地上的玩具，捡起来，走到桌子边，放进收纳盒
图7 遥操作任务演示
出处：原文Figure 7
解读：左边是放碗架任务，右边是插试管任务，都是典型的精细操作场景。
图8 模仿学习任务拆解
出处：原文Figure 8
解读：每个任务都包含多个子步骤，有的需要调整高度，有的需要全身移动，不是简单的桌面抓取。
测试结果：
表4 模仿学习任务成功率
出处：原文Table IV
| 任务名称 | 子步骤 | 成功率 |
|---|---|---|
| 搬盒子 | 拿起盒子 | 10/10 |
| 移动到目标区 | 10/10 | |
| 放下离开 | 10/10 | |
| 插笔 | 拿起笔 | 6/10 |
| 拿起杯子 | 6/10 | |
| 插笔入杯 | 8/10 | |
| 放回桌面 | 7/10 | |
| 收玩具 | 找到玩具 | 7/10 |
| 捡起玩具 | 7/10 | |
| 移动到桌边 | 7/10 | |
| 放进收纳盒 | 7/10 |
解读：简单的搬盒子任务成功率100%，说明基础抓取和移动完全没问题；插笔和收玩具稍低，主要是因为杯子太轻容易碰倒、底盘移动精度有限，属于廉价硬件的正常局限。
这里还有个很有意思的细节：底盘控制用速度控制的话，训练出来的策略根本跑不起来，因为演示数据里速度波动太大，有很多尖峰。换成位置控制之后，学习稳定性直接拉满。
图9 不同底盘控制方式的成功率对比
出处：原文Figure 9
解读：速度控制训练的策略，在移动步骤直接崩了，成功率为0；位置控制就很稳，每一步都有不错的成功率。这也给大家提了个醒：做移动操作模仿学习，底盘用位置控制比速度控制好训得多。
六、核心代码实现
6.1 双电机消间隙控制核心代码
python
import time
class DualMotorJoint:
def __init__(self, motor1, motor2, bias_voltage=0.3):
self.motor1 = motor1 # 电机1实例
self.motor2 = motor2 # 电机2实例
self.bias_voltage = bias_voltage # 反向偏置电压，消除间隙
self.kp = 2.0 # P控制器增益
def position_control(self, target_pos, current_pos):
"""
双电机位置控制，带消间隙偏置
target_pos: 目标角度
current_pos: 当前反馈角度
"""
# 计算位置误差
error = target_pos - current_pos
# P控制器输出总控制量
u_o = self.kp * error
# 分配到两个电机，加反向偏置
u1 = u_o + self.bias_voltage
u2 = u_o - self.bias_voltage
# 限幅，防止电压超标
u1 = max(-12.0, min(12.0, u1))
u2 = max(-12.0, min(12.0, u2))
# 下发控制指令
self.motor1.set_voltage(u1)
self.motor2.set_voltage(u2)
def add_dither(self, u_o, t, dither_amp=0.1, dither_freq=10):
"""
叠加抖动信号，克服静摩擦
u_o: 原始控制量
t: 当前时间
dither_amp: 抖动幅度
dither_freq: 抖动频率
"""
import math
dither = dither_amp * math.sin(2 * math.pi * dither_freq * t)
return u_o + dither6.2 AprilTag 6自由度位姿解算核心代码
python
import cv2
import numpy as np
def estimate_pose_from_tag(corners, tag_size, camera_matrix, dist_coeffs):
"""
从单个AprilTag的角点解算6自由度位姿
corners: 检测到的标签四个角点像素坐标
tag_size: 标签实际物理尺寸（米）
camera_matrix: 相机内参矩阵
dist_coeffs: 畸变系数
"""
# 标签在物体坐标系的3D点
half = tag_size / 2.0
object_points = np.array([
[-half, -half, 0],
[ half, -half, 0],
[ half, half, 0],
[-half, half, 0]
], dtype=np.float32)
# 角点像素坐标
image_points = corners.astype(np.float32)
# PnP解算位姿
success, rvec, tvec = cv2.solvePnP(
object_points, image_points, camera_matrix, dist_coeffs
)
# 旋转向量转旋转矩阵
R, _ = cv2.Rodrigues(rvec)
# 组装成4x4变换矩阵
pose = np.eye(4)
pose[:3, :3] = R
pose[:3, 3] = tvec.flatten()
return pose # 相机到标签的变换矩阵6.3 基于ACT的模仿学习训练极简代码
python
import torch
from lerobot.policies import ACTPolicy
from torch.utils.data import DataLoader
# 假设已经用AhaRobot采集好数据集
dataset = AhaRobotDataset(data_dir="pick_box_demos")
dataloader = DataLoader(dataset, batch_size=8, shuffle=True)
# 初始化ACT策略
policy = ACTPolicy(
state_dim=18, # 机器人状态维度：关节+夹爪+底盘
action_dim=18, # 动作维度
hidden_dim=512,
n_heads=8,
n_layers=4,
chunk_size=100,
camera_num=3 # 头顶+左右腕共3路相机
)
optimizer = torch.optim.Adam(policy.parameters(), lr=1e-4)
# 训练循环
policy.train()
for epoch in range(50):
total_loss = 0
for batch in dataloader:
images = batch["images"] # [B, 3, 3, H, W] 批次、相机数、通道、高、宽
state = batch["state"] # [B, 18]
action = batch["action"] # [B, chunk_size, 18]
# 前向计算损失
loss = policy.compute_loss({"images": images, "state": state}, action)
optimizer.zero_grad()
loss.backward()
optimizer.step()
total_loss += loss.item()
print(f"Epoch {epoch}, Loss: {total_loss / len(dataloader):.4f}")七、总结与展望
AhaRobot这篇工作最让人兴奋的点，不是做出了什么性能逆天的机器人，而是它把具身AI的入场门槛拉到了前所未有的低度。
以前做真实机器人研究，得有几十万的设备预算，普通高校、小团队根本玩不起；现在一万多块钱就能攒一套完整的双臂移动机器人，学生在宿舍都能搞具身智能研究。再加上低成本的远程遥操作方案，未来甚至可以像众包标注数据一样，让大量普通人参与给机器人录演示，彻底解决具身AI的数据荒。
当然它也不是完美的，论文自己也坦诚了几个局限：
- 整机还是偏重，51公斤，搬起来费劲，而且没有碰撞检测，撞一下容易坏；
- 视觉遥操作还是有延迟，特别高速动态的任务不好做，得靠软件优化继续降延迟；
- 负载和绝对精度还是不如工业级平台，只能做日常家用场景，干不了重工业的活。
但这些都不影响它的意义------就像当年的个人电脑，刚出来的时候性能远不如大型机，但它让每个人都能用得起，最终才催生了整个互联网时代。当足够多的人能摸得到真实机器人、能贡献数据和算法的时候，具身智能的爆发才真正有了土壤。