机械臂

ACT—模仿学习算法原理本文主要介绍ACT的演变进程，包括VE、VAE、CVAE以及ACT。ACT算法全称为Action Chunking with Transformers，论文主要内容为如何使用低成本的硬件和模仿学习算法来实现双机械臂操作。截至到25年年底，各公司采用的demo，大部分都是基于ACT算法进行的开发，省时省力，可以解决传统算法中的操作困难问题。

Deepoc 具身模型开发板：重构机械臂扫地机智能清洁新范式当下机械臂扫地机普遍存在感知弱、决策慢、适配差、升级难等痛点，传统控制方案难以支撑复杂家居环境的精细化作业。Deepoc 具身模型开发板以边缘实时智能、多模态闭环、柔性控制为核心，为机械臂扫地机提供一站式智能升级，彻底打破程式化清扫局限，让设备真正实现自主理解、自主决策、自主作业。一、开发板核心特点边缘端具身智能闭环本地完成感知、推理、执行全链路计算，不依赖云端，响应更快、作业更稳定，隐私更安全。全域环境精准感知融合视觉、力觉、接近传感，实现空间结构、障碍物、污渍类型、地面材质的全方位识别。即

Techblog of HaoWANG

目标检测与跟踪（13）-- Jetson Xavier NX / Orin NX 松灵机械臂PiPer SDK、ROS功能包、官方文档解读该六自由度机械臂是专为教育科研行业、消费级应用场景、工业自动化设计，具备1.5kg的负载能力，适用于人形机器人、自动装配、自动搬运等多种科研及工业应用场景。六个旋转关节提供了全方位的操作灵活性，确保高精度和重复性。机械臂采用模块化设计，便于维护和升级。提供直观的用户界面，简化编程和操作流程，即使是非专业人士也能快速上手。可以广泛应用于科学研究、教育教学、汽车制造、电子组装、食品加工、实验室自动化和医疗设备操作等领域。

机器人法兰中心坐标与 TCP坐标法兰中心坐标与TCP坐标是机器人运动控制、焊缝轨迹规划、实时跟踪的核心基础——前者是机器人本体运动学的“原生控制点”，后者是作业的“业务控制点”。

Deepoc具身模型开发板：构建机械臂柔性制造的通用“神经中枢”在工业4.0向智能制造纵深推进的当下，生产线柔性化已成为核心竞争力。然而，传统工业机械臂的“程序固化”与“感知缺失”特性，使其难以适应小批量、多品种、混线生产的柔性制造需求。每一次产品换型，都意味着漫长、昂贵的停线调试与重编程。Deepoc具身模型开发板的诞生，正是为破解这一刚性瓶颈提供了一把智能钥匙。它并非替代机械臂本体，而是为其植入一个具备“感知-认知-决策”能力的通用“神经中枢”，将刚性的执行终端，转化为能实时理解任务、动态适应环境的柔性智能单元。

从“能动“到“稳定“：OpenArm 开源机械臂 CAN 通信链路整改指南版权说明：转载/引用本文内容请注明出处（鲲弘电子文档中心），并保留原文链接。原链接：https://docs.kunhong-elec.com/zh/applications/robotics/openarm-link-optimization.html

Deepoc具身模型开发板：为机械臂清洁机器人注入“智慧灵魂”在智能家居和商用清洁领域，机械臂清洁机器人凭借其独特的物理形态，本应是解决边角、缝隙、床底等清洁死角的终极方案。然而，长期以来，这类设备却常常陷入“四肢发达，头脑简单”的窘境——复杂的操作设置、迟钝的环境感知、固定的清扫模式，让灵活的机械臂无法真正发挥其硬件潜力，用户最终仍需付出大量精力进行手动干预或二次清洁。

具身智能入门Isaac Sim——机器人设置-初级设计轮式机器人1目录1 场景搭建1.1 学习目标1.2 设置场景属性1.3 创建物理场景1.4 添加地面1.5 添加灯光

[机械臂动力学] 牛顿-欧拉递推动力学方程——力和力矩的内推法借鉴Craig 的《机器人学导论》第六章（动力学）牛顿-欧拉（Newton-Euler）内推法本文主要是为了梳理一下那个又长角标又多的内推公式到底在做什么

科研领域主流机械臂排名值得注意的是，RoboChallenge（2025）这个最新的国际机器人评测基准，选择的机械臂就包括 UR5、Franka、ALOHA 和 ARX-5，说明 ARX 已经进入国际视野了。

opencv教程ai提示词——黑马程序员机械臂课程笔记请你帮我用opencv写一个打开摄像头的代码，要求实时展示摄像头的画面，代码名字叫做03_opencv_camera.py

Deepoc具身模型：让机械臂从“执行工具”变身“智能巧手”在工业制造、精密装配、服务场景等领域，机械臂早已成为不可或缺的自动化装备，但传统机械臂始终受困于“编程依赖、场景适配弱、交互生硬”的短板——只能重复执行预设动作，面对工件位置偏移、型号切换等动态场景便难以应对，复杂任务需专业工程师耗时调试，大幅限制了其应用边界。Deepoc具身模型的植入，以“多模态感知+模糊语义理解+自主决策”为核心，为机械臂注入类人智能，使其从“被动执行的机械装置”升级为“能感知、会思考、懂协作”的智能作业伙伴，解锁全场景灵活作业新可能。

具身智能-机械臂项目实战写作目标：生物的进化：与外界交互的循环传统大模型与具身智能区别：是否有与外界的交互特点：具身智能不是一种简单的机器人+AI，它是一种全新的模式。它让物理的实体智能体能够在物理世界与环境进行实时的闭环交互，通过不断的试错来理解世界，最终完成复杂的任务。

Ubuntu24.04下ROS2和MoveIt2控制六轴机械臂（持续更新）vscode需要下载的插件：完成后终端如下所示：将如下部分删除：修改后的CMakeLists.txt修改后重新编译：

Isaac Sim入门——基础用法该软件目前暂无中文版，英语能力尚可可参考操作教程：https://docs.isaacsim.omniverse.nvidia.com/5.1.0/introduction/quickstart_isaacsim.html

具身智能之心

上海交大发布U-Arm：突破成本壁垒，实现超低成本通用机械臂遥操作系统在双机械臂策略学习中，大规模高质量的真实世界操作数据一直是瓶颈——相比仿真或纯人类数据，真实机械臂数据对训练鲁棒政策的直接适用性最强。而当前获取这类数据的主要方式仍是人类演示，这就需要可靠的遥操作接口支撑。

远创智控研发部

EtherNet/IP转CC-Link IE FB：协议转换网关在汽车焊装线的7×24稳跑样本一、项目背景近年来，随着智能制造的深入推进，汽车制造企业对焊接生产线的柔性化、信息化水平提出了更高要求。华东某整车焊装车间在2025年启动新一轮产线升级，计划引入多台支持 EtherNet/IP 协议的六轴焊接机器人，以提升焊接精度与节拍效率。然而，车间原有控制系统仍以三菱 MELSEC iQ-R 系列 PLC（型号 R04CPU）为核心，采用 CC-Link IE Field Basic（简称 CC-Link IE FB）协议，已稳定连接远程 I/O、伺服驱动器、焊接电源等设备。

Ubuntu 系统安装 Gym-Fetch-v2以及通过游戏Xbox手柄控制机械臂采集演示数据gym-fetch 是一个扩展了 OpenAI Gym Fetch 机器人环境的 Python 包，为机器人操作任务提供了丰富的环境集合。该项目扩展了原有的 Fetch 环境，新增了 7 个操作任务，相比 metaworld 使用的 sawyer 环境，gym.Fetch 环境具有更好的工程实现，初始化更快，并且具有较小的最大回合长度（50 步），使得这些环境训练速度更快。 gym-fetch-v2是本人为了兼容新版本的gymnasium等等包重新优化后的。

具身智能：零基础入门睿尔曼机械臂（六）——手眼标定代码库详解，从原理到实践手眼标定是机器人视觉领域的关键技术，它解决了机械臂与相机之间的坐标转换问题，为精准抓取、视觉伺服等应用奠定基础。上一篇博客中我们讲解了手眼标定的概念以及原理，本文将详细解析睿尔曼官方提供的完整的手眼标定代码库，包括其结构设计、核心功能及使用方法，帮助读者快速掌握手眼标定的实现流程。

具身智能：零基础入门睿尔曼机械臂（五）—— 手眼标定核心原理与数学求解在机器人与计算机视觉的交叉领域，精确的空间坐标映射是实现机械臂与环境高效交互的核心前提。想象这样一个场景：工业机器人需要从传送带上抓取随机摆放的零件，或是服务机器人要精准拾取用户指定的物品——相机作为“眼睛”能识别目标的位置，但机械臂作为“手”却只理解自身坐标系下的指令。如何让“眼”看到的信息准确传递给“手”？手眼标定正是解决这一问题的关键技术。手眼标定的本质是建立相机坐标系与机械臂坐标系之间的刚性变换关系，通过这一关系，可将相机检测到的目标坐标实时转换为机械臂能够执行的运动指令。无论是工业生产中的自动