LeRobot SO-101 机械臂从底层控制到 VLA 视觉语言动作模型完整实操复盘
Task 1本次任务主要完成 LeRobot SO-101 机械臂的环境搭建、串口连接、机械臂校准、关节复位控制以及主从臂遥操作。实验设备为 MacBook Air M5机械臂由一台 Leader 主动臂和一台 Follower 从动臂组成。除了运行 LeRobot 自带的校准和遥操作程序外我还编写了Task1.py用于控制机械臂平滑运动到不同目标姿态。实验代码已经上传至以下仓库https://github.com/LongtermFcq/lerobot-so101-vla-end2end-demo其中本任务对应的代码文件命名为Task1.py一、搭建 LeRobot 开发环境首先创建 Python 3.12 的 Conda 虚拟环境conda create -y -n lerobot python3.12 conda activate lerobot随后安装 FFmpegconda install ffmpeg7.1.1 -c conda-forge -y安装完成后可以通过下面的命令进行验证ffmpeg -version接下来下载并安装 LeRobotgit clone https://github.com/huggingface/lerobot.git cd lerobot pip install -e .[feetech]安装完成后运行lerobot-info也可以进入 Python检查相关模块是否能够正常导入import lerobot import torch import scservo_sdk如果没有报错说明 LeRobot 和飞特舵机相关依赖已经安装成功。二、查看机械臂串口将 Leader 和 Follower 机械臂连接到电脑后执行ls /dev/tty.*本次实验中两台机械臂对应的串口如下。Follower 从动臂/dev/tty.usbmodem5B3D0458541 /dev/tty.wchusbserial5AE60814261Leader 主动臂/dev/tty.usbmodem5B3D0457201 /dev/tty.wchusbserial5AE60570281在 macOS 中同一个舵机控制板可能同时显示为usbmodem和wchusbserial两种串口名称。这是正常现象两个端口通常对应同一个物理设备实际使用时选择其中一个即可。如果程序提示没有串口权限可以执行sudo chmod 666 /dev/tty.usbmodem5B3D0458541 sudo chmod 666 /dev/tty.usbmodem5B3D0457201需要注意重新插拔设备后串口名称和权限可能发生变化因此每次实验前最好重新检查一次。三、校准 Leader 和 Follower正式校准前需要先使用飞特舵机调试工具检查各个舵机的位置范围。舵机原始位置应处于04095之间不能出现负数或超过范围的数值。完成上下限检查后将各个关节移动到大约2047的中位位置。首先校准 Follower 从动臂lerobot-calibrate \ --robot.typeso101_follower \ --robot.port/dev/tty.usbmodem5B3D0458541 \ --robot.idmonica_follower_arm然后校准 Leader 主动臂lerobot-calibrate \ --teleop.typeso101_leader \ --teleop.port/dev/tty.usbmodem5B3D0457201 \ --teleop.idmonica_leader_arm运行命令后根据终端提示移动机械臂各个关节完成运动范围采集(第5个关节不用转动)。四、使用 Task1.py 完成机械臂复位完成校准后运行仓库中的Task1.pypython Task1.py该脚本用于控制机械臂平滑运动到指定姿态。为了避免机械臂突然运动产生冲击程序采用分步插值方式将整个运动过程划分为 60 步。实验参数如下参数数值运动时间3 秒运动步数60 步每步间隔50 ms到位容差±3°本次共测试了三种姿态姿态说明Home默认复位姿态Zero所有关节运动到 0°Custom自定义安全姿态Home 姿态的目标角度设置如下{ shoulder_pan.pos: 0, shoulder_lift.pos: -20, elbow_flex.pos: 40, wrist_flex.pos: 0, wrist_roll.pos: 30, gripper.pos: 40, }实验完成后程序会读取机械臂的实际关节位置并计算实际角度与目标角度之间的误差。测试结果如下姿态最大误差结果Home2.46°通过Zero2.46°通过Custom2.42°通过三组姿态的最大误差均小于设定的±3°说明机械臂能够较稳定地运动到目标位置。其中误差较大的关节主要是elbow_flex.pos但仍然满足实验要求。五、主从臂遥操作完成 Leader 和 Follower 校准后可以运行 LeRobot 的遥操作命令lerobot-teleoperate \ --robot.typeso101_follower \ --robot.port/dev/tty.usbmodem5B3D0458541 \ --robot.idmonica_follower_arm \ --teleop.typeso101_leader \ --teleop.port/dev/tty.usbmodem5B3D0457201 \ --teleop.idmonica_leader_arm其中so101_leader表示主动臂so101_follower表示从动臂。程序启动后手动移动 Leader 主动臂Follower 从动臂会同步执行对应动作。第一次遥操作时建议缓慢移动主动臂并提前清理机械臂周围的障碍物避免从动臂与桌面、底座或其他设备发生碰撞。本次实验中从动臂能够正常跟随主动臂运动并完成了遥操作视频录制。六、实验总结本次任务完成了 MacBook Air M5 上的 LeRobot 环境搭建以及 SO-101 机械臂的串口连接、舵机校准、关节复位和主从遥操作。通过Task1.py测试了 Home、Zero 和 Custom 三种姿态。三组姿态的最大误差均控制在±3°以内机械臂能够平稳到达目标位置。在遥操作实验中Leader 主动臂能够同步控制 Follower 从动臂说明机械臂的校准配置和主从控制流程均能够正常工作。通过本次实验我基本熟悉了 LeRobot SO-101 从环境安装、设备连接到关节控制和遥操作的完整流程。参考资料硬件组装教程https://www.bilibili.com/video/BV1oBjL6JEo8舵机校准与遥操作教程https://www.bilibili.com/video/BV1r6UUBFECD实验代码https://github.com/LongtermFcq/lerobot-so101-vla-end2end-demo

相关新闻

C++单例设计模式详细讲解

C++单例设计模式详细讲解

特殊类设计 只能在堆上创建对象的类 请设计一个类,只能在堆上创建对象 实现方式: 将类的构造函数私有,拷贝构造声明成私有。防止别人调用拷贝在栈上生成对象。提供一个静态的成员函数,在该静态成员函数中完成堆对象的创建 1 2 …

2026/7/26 6:02:34 阅读更多 →
TRAE + Doubao-Seed-Evolving + Android Studio:如何跑通一个旧 App项目

TRAE + Doubao-Seed-Evolving + Android Studio:如何跑通一个旧 App项目

目录 前言 一、拿什么项目来试 Seed Evolving 二、第1轮:先把 22 个构建错误理清楚 三、第二轮:先修核心问题,再处理连锁问题 3.1 Facebook SDK:从 latest.release 改成固定版本 3.2 network_security_config:不…

2026/7/26 6:02:34 阅读更多 →
DevEco Studio 调试技巧(十二):Git 版本控制在 HarmonyOS 项目中的应用

DevEco Studio 调试技巧(十二):Git 版本控制在 HarmonyOS 项目中的应用

文章目录每日一句正能量摘要一、引言:为什么 HarmonyOS 项目需要专门的 Git 策略二、Git Flow 在 HarmonyOS 项目中的适配实践2.1 分支模型设计2.2 实战命令示例三、语义化版本管理与 Tag 策略3.1 SemVer 规范落地3.2 HarmonyOS 版本映射四、大文件管理:…

2026/7/26 6:01:34 阅读更多 →

最新新闻

YOLO算法在交通标志识别中的优化与实践

YOLO算法在交通标志识别中的优化与实践

1. 项目背景与核心价值交通标志识别是智能驾驶和辅助驾驶系统中的关键技术环节。随着城市道路复杂度提升,准确识别各类交通标志对行车安全的重要性日益凸显。这个项目通过构建标准化的交通标志数据集,并基于YOLO系列算法进行多版本适配验证,为…

2026/7/26 6:17:42 阅读更多 →
基于YOLO的无人机检测系统:高精度低延迟解决方案

基于YOLO的无人机检测系统:高精度低延迟解决方案

1. 项目背景与核心价值无人机在航拍、物流、农业等领域的普及带来了新的监管挑战。传统雷达检测方案在低空小型目标识别上存在明显短板,而基于深度学习的视觉检测技术正成为行业新宠。我们团队基于最新YOLO架构开发的无人机检测系统,在保持1.7ms超低延迟…

2026/7/26 6:17:42 阅读更多 →
Windows Copilot反代技术:免费调用GPT-5的OpenAI兼容API方案

Windows Copilot反代技术:免费调用GPT-5的OpenAI兼容API方案

最近在开发AI应用时,很多同学都遇到了一个共同难题:想要使用最新的GPT模型能力,但OpenAI的API调用费用实在不菲。特别是对于个人开发者和小团队来说,长期使用成本压力很大。不过微软近期将GPT-5整合到了Windows Copilot中&#xf…

2026/7/26 6:17:41 阅读更多 →
PPT复刻操作系统界面:交互逻辑实现与性能优化指南

PPT复刻操作系统界面:交互逻辑实现与性能优化指南

这类用PPT复刻操作系统的项目,最值得先看的不是最终效果有多像,而是能不能在普通电脑上稳定运行、操作逻辑是否连贯、以及复现过程中会遇到哪些实际限制。如果你也想试试用PPT模拟系统界面,我更建议把重点放在交互逻辑的实现和性能优化上&…

2026/7/26 6:17:41 阅读更多 →
AI芯片SRAM编译器选型:高速型与高密度型深度对比与实战决策

AI芯片SRAM编译器选型:高速型与高密度型深度对比与实战决策

1. 项目概述:为什么SRAM编译器选型是AI芯片的“生死线”?在AI芯片设计的江湖里,SRAM(静态随机存取存储器)编译器选型,绝对是一个能让资深工程师眉头紧锁、让项目PM夜不能寐的关键决策。这玩意儿不像选个电阻…

2026/7/26 6:17:41 阅读更多 →
C++高效字符串分割:单循环算法原理与性能优化实践

C++高效字符串分割:单循环算法原理与性能优化实践

1. 项目概述与核心需求在C日常开发中,字符串分割是一个高频到几乎无处不在的操作。无论是解析配置文件、处理CSV数据、拆分URL参数,还是分析日志文件,你总会遇到需要将一个长字符串按照特定分隔符(比如逗号、空格、竖线&#xff0…

2026/7/26 6:16:41 阅读更多 →

日新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/26 0:00:31 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/26 0:00:31 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/26 0:00:31 阅读更多 →

周新闻

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 道路桥梁裂缝检测数据集 道路桥梁病害识别检测数据集

深度学习道路桥梁裂缝检测系统 数据集6000张 完整源码已标注数据集训练好的模型环境配置教程程序运行说明文档,可以直接使用!系统支持图片、视频、摄像头等多种方式检测裂缝,功能强大实用。 1数据集6000张 8各类别

2026/7/26 0:00:31 阅读更多 →
深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集

pubg数据集 精选原图1.42万数据 1.49万标签 无任何重复、算法增强或冗余图像! pubg绝地求生目标检测数据集 1分类:e_body,14905个标签,txt格式 共计14244张图,99%为640*640尺寸图像 适合yolo目标检测、AI训练关键词&am…

2026/7/26 0:00:31 阅读更多 →
Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex检测数据集数据集详情检测类别: allies enemy tag图片总量:7247张训练集:5139张验证集:1425张测试集:683张标注状态:全部已标注,即拿即用数据格式:支持YOLO格式及其他格式&#…

2026/7/26 0:00:31 阅读更多 →

月新闻