XLeRobot $660 低成本视觉机器人实操指南YOLO 逆运动学让机械臂看见并抓住目标【免费下载链接】XLeRobotXLeRobot: Practical Dual-Arm Mobile Home Robot for $660项目地址: https://gitcode.com/GitHub_Trending/xl/XLeRobotXLeRobot是一台约$660就能装好的低成本视觉机器人它用消费级 USB 摄像头 YOLO 目标检测 解析逆运动学让两条机械臂在桌上找到物体、并伸手够过去。一句话结论它是什么适合谁把它理解成一台装上眼睛的家仆机器人底盘是宜家 RÅSKOG 推车手臂是开源的 SO-100/SO-101 舵机臂摄像头甚至可以是十几美元的 USB 摄像头。整套方案搭在 LeRobot 开源生态上部件都可以单独替换升级。适合谁实验室里要在真机上验证视觉伺服、强化学习或 VLA 算法的人想跑通像素 → 坐标 → 关节角完整链路的学习者班级或比赛团队需要一套便宜、坏了能快速换件的双臂移动底盘想让机器人学会找东西、抓东西这类家用任务的创客上手前提最低配置硬件1 副 SO-101 机械臂每条 6 个舵机、1 个 USB 摄像头、12V 电源支持 USB-C 快充的充电宝即可零件合计~$660不含 3D 打印、工具与运费软件会git clone和pip install装好 LeRobot 框架官方建议编程新手先花一天熟悉 Python 与终端操作可选树莓派 5$79让机器人脱离笔记本独立运行RealSense D415 深度相机$272进阶用系统全景它怎么看见、怎么抓住整条链路分三层数据单向流动互不干扰。感知层USB 摄像头按默认640×480、30fps出画面喂给 YOLO示例脚本默认加载yolo11x.pt做检测输出是目标物体的检测框。决策层先算框中心相对画面中心的像素偏移再用两个手写系数K_pan弧度/像素和K_y米/像素换算成机器人空间里的位移得到末端目标坐标 (x, y)接着解析逆运动学余弦定理的闭式解把 (x, y) 换算成肩、肘两个关节角。执行层P 控制器50Hz主循环kp0.5每帧把关节目标发给舵机。整机共17 个舵机12 个手臂 3 个底盘 2 个头部都挂在 12V 总线上。核心循环的伪代码while True: # 50Hz 主循环 frame camera.read() # 1. 抓帧 box yolo(frame) # 2. YOLO 检测目标 dx, dy box.center - frame.center # 3. 像素偏移 target map(dx, dy) # 4. 像素偏移 - 末端坐标 j2, j3 ik(target) # 5. 解析逆运动学 servo.write(p_ctrl(j2, j3)) # 6. P 控制下发关节角图社区玩家组装的 XLeRobot 双臂实机正在跑键盘与视觉联合控制。一个晚上上手从克隆到抓住目标第一步把环境跑通做什么克隆仓库按官方文档安装 LeRobot把仓库里的配置与示例拷进 lerobot 目录关键命令git clone https://gitcode.com/GitHub_Trending/xl/XLeRobot cd XLeRobot/software验证点examples/目录下能看到 0 到 8 的编号脚本ls /dev/ttyACM*能列出机械臂的串口第二步让相机看见目标做什么跑 YOLO 跟踪示例输入检测目标词bottle、cup、mouse默认 mouse再选摄像头序号关键命令python examples/3_so100_yolo_ee_follow.py --robot.port /dev/ttyACM0验证点弹出 YOLO11 Live 窗口把目标物对着镜头挥动画面里能实时出现检测框缺权重时 ultralytics 会自动下载第三步让机械臂够到目标做什么同一个脚本默认开启视觉模式检测到目标后肩关节自动转向目标、末端持续逼近键盘 w/s/e/d 可以同步手动修正方向验证点手臂朝目标平滑运动末端在目标前方小范围内停住夹爪能在目标附近闭合第四步标定让它准做什么启动时输入 y 重新标定 6 个舵机的零点如果逼近时总差一点手动微调脚本顶部的K_pan与K_y匹配你的相机高度和拍摄距离验证点目标放在画面正中央时末端稳定停在目标前固定位置不漂、不抖图社区组装单元的机械臂与夹爪细节用于对照自己的走线检查接线。背后的三个设计决策1. 十几美元的 USB 摄像头 YOLO深度相机只做可选件为什么整条视觉链路只需要 2D 检测框偏移用不到深度信息官方 BOM 只要求两只 $13 的手持相机RealSense D415 是 $272 的升级项。换来了什么视觉系统被压进百元以内整机才可能$660起步。代价没有深度抓取距离只能靠手调的像素转米系数近似相机高度或角度一变就要重新标定。2. 闭式解析逆运动学而不是数值迭代为什么SO101 的肩抬 肘屈本质上是一个两连杆平面问题余弦定理直接可解。换来了什么一次算出、结果确定、不担心迭代不收敛笔记本上也能实时跑。代价公式绑定这台臂的关节构型与杆长l10.1159 ml20.1350 m换其他臂要重新推导。核心其实只有几行cos_theta2 -(r**2 - l1**2 - l2**2) / (2 * l1 * l2) theta2 math.pi - math.acos(cos_theta2) # 肘 beta math.atan2(y, x) gamma math.atan2(l2 * math.sin(theta2), l1 l2 * math.cos(theta2)) theta1 beta gamma # 肩3. 50Hz P 控制 视觉/键盘双通道并存为什么P 控制简单稳定视觉模块只负责改目标值键盘输入随时可以人工修正。换来了什么视觉漂移时人立刻接管首跑的撞机风险低。代价纯 P 控制有稳态误差关节零点要靠脚本顶部的JOINT_CALIBRATION表逐关节微调。排障速查表现象最可能原因修复启动后连接无反应串口填错或舵机未配置ls /dev/ttyACM*确认串口并传对--robot.port按安装文档配置电机标定后手臂姿态歪、零点不对舵机零点漂移启动时输入 y 重跑robot.calibrate()再微调 3_so100_yolo_ee_follow.py 顶部的JOINT_CALIBRATION看得到目标但伸手总差一点K_pan/K_y映射系数不匹配按你的相机高度与距离手调这两个系数跟踪时末端抖动目标检测闪烁或 P 增益偏大调小kp把检测类别收窄减少误检手臂回收到边界卡住目标点超出机械臂工作空间IK 已内置 r_min/r_max 收缩保护检查传入的 x、y 是否合理见 SO101Robot.py 的inverse_kinematics其中最常见的是串口填错。先确认端口再启动ls /dev/ttyACM* python examples/3_so100_yolo_ee_follow.py --robot.port /dev/ttyACM1性能与真实体验仓库没有公布延迟、成功率之类的基准数据所以下表只列文档和脚本里能确认的数值项目数值出处 / 测试条件控制循环频率50Hz示例脚本内control_freq50相机默认参数640×480 30fpsSO101Robot.py 的 OpenCV 相机配置检测模型yolo11x.pt3_so100_yolo_ee_follow.py 默认加载手臂杆长l10.1159 m / l20.1350 m逆运动学默认参数整机装配时间小于 4 小时官方 README 口径现象与改进建议官方文档明确提示部分示例需要额外标定才能达到最佳表现建议先跑键盘末端控制示例再上视觉检测与 50Hz 控制共用一个进程低配笔记本上可减少检测类别、换更轻的 YOLO 模型官方建议先把单臂玩熟再上第二条手臂和底盘图社区玩家把 XLeRobot 放进 Gazebo 仿真先在虚拟世界里验证同一套控制逻辑。下一步三个可以接着做的方向分割与双臂协作仓库里有分割版示例3_so100_yolo_ee_control_seg.py和双臂键盘示例2_dual_so100_keyboard_ee_control.py。可以先练抓最近的那个再练两条手臂的分工协作。先仿真后真机simulation/MuJoCo与simulation/Maniskill目录里 URDF、网格和演示脚本齐备。把同一套控制逻辑先在虚拟场景里跑通调试不怕烧舵机。远程与 VR 操控web_control提供浏览器远程操控视频流 控制控制台XLeVR支持头显驱动手臂。YOLO 抓取跑通之后都可以直接接上体验。一句话总评XLeRobot 证明低成本视觉机器人不需要深度相机和高算力板YOLO 解析逆运动学 P 控制就能让 $660 的硬件看见并抓住目标。下一步就去 software/examples/ 目录跑1_so100_keyboard_ee_control.py先让机械臂听话再让它长眼睛。【免费下载链接】XLeRobotXLeRobot: Practical Dual-Arm Mobile Home Robot for $660项目地址: https://gitcode.com/GitHub_Trending/xl/XLeRobot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
XLeRobot $660 低成本视觉机器人实操指南YOLO 逆运动学让机械臂看见并抓住目标【免费下载链接】XLeRobotXLeRobot: Practical Dual-Arm Mobile Home Robot for $660项目地址: https://gitcode.com/GitHub_Trending/xl/XLeRobotXLeRobot是一台约$660就能装好的低成本视觉机器人它用消费级 USB 摄像头 YOLO 目标检测 解析逆运动学让两条机械臂在桌上找到物体、并伸手够过去。一句话结论它是什么适合谁把它理解成一台装上眼睛的家仆机器人底盘是宜家 RÅSKOG 推车手臂是开源的 SO-100/SO-101 舵机臂摄像头甚至可以是十几美元的 USB 摄像头。整套方案搭在 LeRobot 开源生态上部件都可以单独替换升级。适合谁实验室里要在真机上验证视觉伺服、强化学习或 VLA 算法的人想跑通像素 → 坐标 → 关节角完整链路的学习者班级或比赛团队需要一套便宜、坏了能快速换件的双臂移动底盘想让机器人学会找东西、抓东西这类家用任务的创客上手前提最低配置硬件1 副 SO-101 机械臂每条 6 个舵机、1 个 USB 摄像头、12V 电源支持 USB-C 快充的充电宝即可零件合计~$660不含 3D 打印、工具与运费软件会git clone和pip install装好 LeRobot 框架官方建议编程新手先花一天熟悉 Python 与终端操作可选树莓派 5$79让机器人脱离笔记本独立运行RealSense D415 深度相机$272进阶用系统全景它怎么看见、怎么抓住整条链路分三层数据单向流动互不干扰。感知层USB 摄像头按默认640×480、30fps出画面喂给 YOLO示例脚本默认加载yolo11x.pt做检测输出是目标物体的检测框。决策层先算框中心相对画面中心的像素偏移再用两个手写系数K_pan弧度/像素和K_y米/像素换算成机器人空间里的位移得到末端目标坐标 (x, y)接着解析逆运动学余弦定理的闭式解把 (x, y) 换算成肩、肘两个关节角。执行层P 控制器50Hz主循环kp0.5每帧把关节目标发给舵机。整机共17 个舵机12 个手臂 3 个底盘 2 个头部都挂在 12V 总线上。核心循环的伪代码while True: # 50Hz 主循环 frame camera.read() # 1. 抓帧 box yolo(frame) # 2. YOLO 检测目标 dx, dy box.center - frame.center # 3. 像素偏移 target map(dx, dy) # 4. 像素偏移 - 末端坐标 j2, j3 ik(target) # 5. 解析逆运动学 servo.write(p_ctrl(j2, j3)) # 6. P 控制下发关节角图社区玩家组装的 XLeRobot 双臂实机正在跑键盘与视觉联合控制。一个晚上上手从克隆到抓住目标第一步把环境跑通做什么克隆仓库按官方文档安装 LeRobot把仓库里的配置与示例拷进 lerobot 目录关键命令git clone https://gitcode.com/GitHub_Trending/xl/XLeRobot cd XLeRobot/software验证点examples/目录下能看到 0 到 8 的编号脚本ls /dev/ttyACM*能列出机械臂的串口第二步让相机看见目标做什么跑 YOLO 跟踪示例输入检测目标词bottle、cup、mouse默认 mouse再选摄像头序号关键命令python examples/3_so100_yolo_ee_follow.py --robot.port /dev/ttyACM0验证点弹出 YOLO11 Live 窗口把目标物对着镜头挥动画面里能实时出现检测框缺权重时 ultralytics 会自动下载第三步让机械臂够到目标做什么同一个脚本默认开启视觉模式检测到目标后肩关节自动转向目标、末端持续逼近键盘 w/s/e/d 可以同步手动修正方向验证点手臂朝目标平滑运动末端在目标前方小范围内停住夹爪能在目标附近闭合第四步标定让它准做什么启动时输入 y 重新标定 6 个舵机的零点如果逼近时总差一点手动微调脚本顶部的K_pan与K_y匹配你的相机高度和拍摄距离验证点目标放在画面正中央时末端稳定停在目标前固定位置不漂、不抖图社区组装单元的机械臂与夹爪细节用于对照自己的走线检查接线。背后的三个设计决策1. 十几美元的 USB 摄像头 YOLO深度相机只做可选件为什么整条视觉链路只需要 2D 检测框偏移用不到深度信息官方 BOM 只要求两只 $13 的手持相机RealSense D415 是 $272 的升级项。换来了什么视觉系统被压进百元以内整机才可能$660起步。代价没有深度抓取距离只能靠手调的像素转米系数近似相机高度或角度一变就要重新标定。2. 闭式解析逆运动学而不是数值迭代为什么SO101 的肩抬 肘屈本质上是一个两连杆平面问题余弦定理直接可解。换来了什么一次算出、结果确定、不担心迭代不收敛笔记本上也能实时跑。代价公式绑定这台臂的关节构型与杆长l10.1159 ml20.1350 m换其他臂要重新推导。核心其实只有几行cos_theta2 -(r**2 - l1**2 - l2**2) / (2 * l1 * l2) theta2 math.pi - math.acos(cos_theta2) # 肘 beta math.atan2(y, x) gamma math.atan2(l2 * math.sin(theta2), l1 l2 * math.cos(theta2)) theta1 beta gamma # 肩3. 50Hz P 控制 视觉/键盘双通道并存为什么P 控制简单稳定视觉模块只负责改目标值键盘输入随时可以人工修正。换来了什么视觉漂移时人立刻接管首跑的撞机风险低。代价纯 P 控制有稳态误差关节零点要靠脚本顶部的JOINT_CALIBRATION表逐关节微调。排障速查表现象最可能原因修复启动后连接无反应串口填错或舵机未配置ls /dev/ttyACM*确认串口并传对--robot.port按安装文档配置电机标定后手臂姿态歪、零点不对舵机零点漂移启动时输入 y 重跑robot.calibrate()再微调 3_so100_yolo_ee_follow.py 顶部的JOINT_CALIBRATION看得到目标但伸手总差一点K_pan/K_y映射系数不匹配按你的相机高度与距离手调这两个系数跟踪时末端抖动目标检测闪烁或 P 增益偏大调小kp把检测类别收窄减少误检手臂回收到边界卡住目标点超出机械臂工作空间IK 已内置 r_min/r_max 收缩保护检查传入的 x、y 是否合理见 SO101Robot.py 的inverse_kinematics其中最常见的是串口填错。先确认端口再启动ls /dev/ttyACM* python examples/3_so100_yolo_ee_follow.py --robot.port /dev/ttyACM1性能与真实体验仓库没有公布延迟、成功率之类的基准数据所以下表只列文档和脚本里能确认的数值项目数值出处 / 测试条件控制循环频率50Hz示例脚本内control_freq50相机默认参数640×480 30fpsSO101Robot.py 的 OpenCV 相机配置检测模型yolo11x.pt3_so100_yolo_ee_follow.py 默认加载手臂杆长l10.1159 m / l20.1350 m逆运动学默认参数整机装配时间小于 4 小时官方 README 口径现象与改进建议官方文档明确提示部分示例需要额外标定才能达到最佳表现建议先跑键盘末端控制示例再上视觉检测与 50Hz 控制共用一个进程低配笔记本上可减少检测类别、换更轻的 YOLO 模型官方建议先把单臂玩熟再上第二条手臂和底盘图社区玩家把 XLeRobot 放进 Gazebo 仿真先在虚拟世界里验证同一套控制逻辑。下一步三个可以接着做的方向分割与双臂协作仓库里有分割版示例3_so100_yolo_ee_control_seg.py和双臂键盘示例2_dual_so100_keyboard_ee_control.py。可以先练抓最近的那个再练两条手臂的分工协作。先仿真后真机simulation/MuJoCo与simulation/Maniskill目录里 URDF、网格和演示脚本齐备。把同一套控制逻辑先在虚拟场景里跑通调试不怕烧舵机。远程与 VR 操控web_control提供浏览器远程操控视频流 控制控制台XLeVR支持头显驱动手臂。YOLO 抓取跑通之后都可以直接接上体验。一句话总评XLeRobot 证明低成本视觉机器人不需要深度相机和高算力板YOLO 解析逆运动学 P 控制就能让 $660 的硬件看见并抓住目标。下一步就去 software/examples/ 目录跑1_so100_keyboard_ee_control.py先让机械臂听话再让它长眼睛。【免费下载链接】XLeRobotXLeRobot: Practical Dual-Arm Mobile Home Robot for $660项目地址: https://gitcode.com/GitHub_Trending/xl/XLeRobot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
