简介

reBot-DevArm​ 是由 Seeed Studio（矽递科技）主导开发的一款完全开源的桌面级 6 自由度机械臂项目。它包含 B601 DM（搭载达妙电机）和 B601 RS（搭载 Robostride 电机）两个版本，旨在成为开发者、学生和研究人员进入具身智能（Embodied AI）领域的“标准实验平台”。

与市面上仅开放部分代码的“伪开源”项目不同，reBot-DevArm 践行 “True Open Source”​ 理念，不仅开源了完整的 Python SDK、ROS2​ 驱动和仿真模型，还彻底公开了机械结构（STEP/STL）、PCB 设计文件以及详尽的物料清单（BOM）。这意味着你不仅可以用它来跑算法，甚至可以自己采购零件、3D 打印结构，从零开始“复刻”一台属于你自己的机械臂。

主要功能

1. 全栈开源生态：

   • 硬件透明：提供完整的 3D 模型（STEP）和钣金/打印件图纸，支持用户进行二次结构修改或完全自制。

   • 软件兼容：原生支持 ROS 2 (Humble)、NVIDIA Isaac Sim（USD 模型）以及 Hugging Face 的 LeRobot​ 框架，方便进行端到端的机器人学习训练。

2. 高性能桌面级设计：

   • 6+1 自由度：6 个关节轴 + 1 个末端夹爪，提供灵活的空间运动能力。

   • 大工作空间：臂展约 650mm，重复定位精度 < 0.2mm，最大负载约 1.5kg，足以在桌面上完成抓取、搬运等复杂任务。

3. 即插即用的开发体验：

   • Python SDK：提供高层级的 API，无需深入底层 C++ 即可控制机械臂运动（正逆运动学、轨迹规划）。

   • 仿真到实机（Sim2Real）：通过 Isaac Sim 或 Pinocchio 框架，支持先在虚拟环境中验证算法，再无缝部署到物理机械臂上。

4. 模块化扩展：

   • 预留了丰富的扩展接口，支持接入 ReSpeaker 麦克风阵列（语音交互）、深度相机（视觉识别）和 LiDAR，构建完整的多模态感知系统。

安装与配置

硬件准备

• 方案 A（购买套件）：Seeed 提供从“结构件套件”到“预组装整机”的多种选项，适合希望快速上手的用户。

• 方案 B（自造）：根据仓库提供的 BOM 表自行采购电机（Damiao 或 Robostride 指定型号）和标准件，利用 3D 打印机或激光切割机制作结构件。

软件环境搭建

1. 系统要求：推荐使用 Ubuntu 22.04 LTS​ 或 Windows 11 with WSL2。

2. 依赖安装：

   • 克隆 GitHub 仓库：git clone https://github.com/Seeed-Projects/reBot-DevArm.git

   • 安装 Python 依赖：pip install -r requirements.txt（具体路径参考仓库 software/目录）

3. ROS 2 集成（可选）：

   • 将 rebot_arm包放入你的 ROS 2 workspace 的 src目录，运行 colcon build编译。

如何使用

1. 基础控制：

   • 使用 Python SDK 连接机械臂（通过 USB-CAN 或 Ethernet）。

   • 调用 arm.move_to_joint_positions([j1, j2, j3, j4, j5, j6])进行关节空间运动。

   • 调用 arm.move_to_pose(x, y, z, roll, pitch, yaw)进行笛卡尔空间运动（需开启逆运动学求解）。

2. 高级应用（Embodied AI）：

   • 模仿学习：利用 LeRobot 框架，通过示教（拖动机械臂）录制轨迹数据，训练神经网络进行行为克隆。

   • 视觉抓取：在末端安装摄像头，结合 YOLO 或 SAM 模型，实现“看到即抓到”的智能分拣。

3. 仿真调试：

   • 在 NVIDIA Isaac Sim 中加载 reBot 的 USD 模型，使用相同的 Python 代码控制虚拟机械臂，验证逻辑无误后再在真机上运行，避免碰撞风险。

应用场景实例

场景一：高校机器人实验室（教学与科研）

痛点：科研经费有限，但需要一台支持现代 AI 算法（如强化学习）的机械臂平台。

reBot 方案：实验室可购买“电机+结构件”基础套件，成本远低于商用机械臂。学生利用开源的 BOM 和图纸，能亲手参与组装、接线，深入理解机械与电控原理。在科研中，利用其与 LeRobot 的兼容性，可快速复现最新的具身智能论文算法。

场景二：工业小批量分拣（PoC 验证）

痛点：中小企业需要验证“AI 视觉分拣”在产线上的可行性，但购买大型工业机械臂成本高、周期长。

reBot 方案：在办公桌上部署 reBot-DevArm，搭配一个便宜的 RGB-D 相机。开发者利用 Python SDK 快速编写抓取逻辑，在模拟产线环境下进行 24 小时稳定性测试。验证通过后，再将算法迁移至工业级设备，大幅降低试错成本。

场景三：创客与艺术装置

痛点：艺术家或创客想制作一个“会写字画画”或“互动表演”的机械臂装置，但苦于没有编程基础。

reBot 方案：利用社区提供的 Processing​ 或 TouchDesigner​ 插件，通过简单的图形化节点控制机械臂运动，将其变为一个可编程的“动态雕塑”工具。

GitHub 地址

• 项目仓库：<https://github.com/Seeed-Projects/reBot-DevArm>

• 开源协议：Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)

  • 注：个人学习、研究免费；商业使用需联系 Seeed 授权。

• 相关资源：

  • Wiki 知识库（含传感器、电机等教程）

  • NVIDIA Isaac Sim 仿真教程

  • LeRobot 训练示例