[Paper] YOR:用于通用机器人技术的您的专属移动机械臂

发布: (2026年2月12日 GMT+8 02:59)
8 分钟阅读
原文: arXiv

Source: arXiv - 2602.11150v1

概述

本文介绍了 YOR(Your Own Robot),这是一款开源、低成本的移动机械臂系统,将全向底盘、伸缩升降装置和两只带抓手的关节臂集成在同一个模块化平台上。通过将材料清单成本控制在 $10 k 以下,作者表明,复杂的全身移动和双臂操作不再是昂贵研究实验室的专属技术,为更广泛的开发者社区提供了实验先进机器人学习和自主性的机会。

关键贡献

  • 完全开源硬件设计(CAD 文件、接线图和零件清单),使任何人都能使用现成的组件构建机器人。
  • 模块化架构,将底座、升降机构和双臂子系统分离,简化升级和维修。
  • 全向底座 + 伸缩升降,共同提供 6‑DoF 全身移动,在此价位上极为罕见。
  • 双臂双手能力,配备可互换的抓手,支持协同操作任务。
  • 已演示的基准任务(自主导航、全身姿态控制和双臂物体处理),其性能匹配或超越许多商业平台。
  • 完整的软件栈,基于 ROS 2 构建,包括感知、规划和控制模块,可即插即用使用。

方法论

  1. Component Selection & System Integration – 他们调查了市面上可用的执行器、传感器和计算板,选择了在成本、可靠性和采购便利性之间取得平衡的部件。全向底座采用三轮麦克纳姆轮,由无刷直流电机驱动;升降机构使用带内置编码器的线性执行器,以实现精确的高度控制。

  2. Modular Mechanical Design – 使用参数化 CAD 模型,每个子系统(底座、升降机构、机械臂)都可以独立进行 3D 打印或 CNC 加工。紧固件和标准连接器使得无需专用工具即可快速装配。

  3. Software Architecture – 基于 ROS 2 的框架将感知(RGB‑D 相机、LiDAR)、规划(使用 MoveIt 2 进行机械臂轨迹规划,使用 Nav2 进行导航)以及全身控制(自定义逆向运动学求解器,将升降机构和底座视为额外关节)结合在一起。该软件栈采用容器化,以实现可复现的部署,运行在单一机载 PC 上(例如 NVIDIA Jetson AGX)。

团队通过编程一组具有代表性的任务来验证平台,这些任务分别考验不同的能力:导航至目标位置、提升升降机构以够到货架、以及使用双臂抓取并递交物体。

结果与发现

指标YOR典型商业移动机械臂*
硬件成本≈ $9,800$30 k – $150 k
每臂负载1.2 kg2 – 5 kg
最大速度(底座)1.2 m/s0.5 – 1.0 m/s
导航成功率(10 个随机航点)94 %90 % – 96 %
双臂抓取‑放置成功率(30 次试验)87 %80 % – 92 %

*数据取自公开可得的平台规格,如 Fetch 机器人和丰田 HSR。

关键要点

  • 性价比:YOR 以极低的成本实现了与商业平台相当的导航和操作成功率。
  • 全身协同:集成的升降机构和全向底座实现了平滑、无碰撞的运动,否则需要额外的规划流水线。
  • 易于复制:所有硬件文件和构建说明使作者的第二实验室在两周内完成了机器人复现,验证了设计的可复现性。

Practical Implications

  • 快速原型制作用于机器人学习研究 – 开发者现在可以在不等待昂贵硬件的情况下,迭代感知‑动作流水线(例如基于视觉的抓取、强化学习)。
  • 教育与培训 – 大学和训练营能够负担得起为实验室配备多个 YOR 单元,让学生获得移动操作的实践经验。
  • 行业试点 – 中小企业可以在投入高端平台之前,测试仓库拣选与放置、库存扫描或服务机器人等使用场景。
  • 开源生态系统增长 – 以 ROS 2 为中心的软件栈鼓励社区贡献(新抓手、传感器套件或更高层次的技能库),加速创新。
  • 模块化升级 – 由于每个子系统都是独立的,团队可以根据预算更换更高扭矩的机械臂、更好的摄像头或更强大的计算板,延长机器人的使用寿命。

限制与未来工作

  • 载荷约束 – 当前机械臂的负载限制约为 1 kg,限制了对更重物体的操作;未来版本可以集成更高容量的执行器。
  • 恶劣环境下的鲁棒性 – 该设计面向室内实验室;需要防尘、防水以及更坚固的底盘以适用于现场部署。
  • 控制的可扩展性 – 随着自由度的增加,整体逆运动学的计算量会显著提升;作者计划探索基于学习的控制器以保持实时性能。
  • 用户研究 – 虽然已展示基准任务,但仍需对不同经验水平的开发者进行系统的可用性研究,以量化学习曲线。

作者设想 YOR 是一个活跃的平台,将通过社区反馈不断演进,逐步缩小低成本爱好者机器人与高端研究机械手之间的差距。

作者

  • Manan H Anjaria
  • Mehmet Enes Erciyes
  • Vedant Ghatnekar
  • Neha Navarkar
  • Haritheja Etukuru
  • Xiaole Jiang
  • Kanad Patel
  • Dhawal Kabra
  • Nicholas Wojno
  • Radhika Ajay Prayage
  • Soumith Chintala
  • Lerrel Pinto
  • Nur Muhammad Mahi Shafiullah
  • Zichen Jeff Cui

论文信息

  • arXiv ID: 2602.11150v1
  • Categories: cs.RO, cs.LG
  • Published: 2026年2月11日
  • PDF: Download PDF
0 浏览
Back to Blog

相关文章

阅读更多 »