SO-ARM 102开源机械臂发布：负载提升2.5倍，兼容LeRobot生态

开源机械臂领域迎来重要更新。SO-ARM 系列的最新一代产品 SO-ARM 102 已正式上线，该项目由 Rob Knight 审核通过，GitHub 仓库同步公开。作为 SO-ARM 101 的直接继任者，102 版本在机械结构、材料工艺和运动性能上做了系统性升级，同时保持了与 Hugging Face LeRobot 生态的完全兼容。

结构设计：从夹爪到拓扑优化

SO-ARM 102 最直观的改动在夹爪部分。新设计的夹爪钳口在整个行程中保持平行运动，而不是像传统方案那样在闭合过程中让物体发生滚动。这意味着抓取圆柱形或不规则形状物体时，定位精度和稳定性都有明显改善。

更深层的改变来自结构本身。SO-ARM 102 采用了拓扑优化设计——视频中出现的晶格结构正是这一工艺的产物。拓扑优化通过算法在给定载荷条件下寻找最优材料分布，去掉冗余部分、加强受力关键区域，从而在减轻重量的同时提升整体刚度。

在材料选择上，官方推荐使用 PET-CF（碳纤维增强 PET）以获得最佳刚度表现，但同时也确认 PLA 打印效果良好。这种材料兼容性对社区用户很重要：PLA 是最普及的桌面 3D 打印材料，而 PET-CF 需要更高打印温度和更严格的工艺控制。用户可以根据自身设备条件和性能需求灵活选择。

旋转角度和折叠角度相比 101 也有拓宽，机械臂的运动范围更加灵活。关键关节处使用了 Feetech 3250 舵机，这是对精度和力矩输出要求最高的部位。

**拓扑优化（Topology Optimization）**是一种基于数值计算的结构设计方法，其核心思想是在给定的设计空间、载荷条件和约束（如材料用量、应力上限）下，通过有限元分析与优化算法迭代，自动求解出材料的最优分布形态。与传统的尺寸优化或形状优化不同，拓扑优化可以在概念设计阶段就决定结构的整体骨架，常生成仿生、有机的晶格或桁架形态。它是增材制造（3D 打印）的理想搭档，因为打印工艺不受传统减材制造的限制，能够直接实现复杂拓扑结果。在开源机械臂中采用这一方法，意味着设计者可以针对具体受力路径去除低效材料，在保证刚度的同时显著降低自重，从而间接提升负载能力与运动性能。

**PET-CF（碳纤维增强 PET）**是将短切或连续碳纤维混入聚对苯二甲酸乙二醇酯（PET）基体后形成的一种复合打印材料。碳纤维的加入显著提升了基体的拉伸强度、弯曲模量和耐热性，同时降低了热膨胀系数，因此常被用于需要高刚度、低蠕变的机械结构件。其打印难度也比普通 PLA 高：通常需要 260–300°C 的喷嘴温度、加热腔体以及硬化喷嘴，否则容易出现层间结合不良或堵头。相比之下，PLA 打印温度低、翘曲小、表面质量好，但长期承载时易发生蠕变。SO-ARM 102 同时确认两种材料可用，实际上是把“性能上限”和“入门门槛”交给了用户按设备条件自行取舍。

性能数据：全方位的量化提升

相比 SO-ARM 101，SO-ARM 102 的核心性能指标提升如下：

• 负载能力：提升至 2.5 倍
• 定位精度：提升约 2 倍
• 运动速度：提升约 1.6 倍
• 工作范围：增加约 36 mm 的延伸距离

这些数据覆盖了机械臂最核心的几个性能维度。负载 2.5 倍的提升意味着可以操作更重的末端执行器或夹持更重的物体；定位精度翻倍对精细操作任务（如装配、插拔）尤为关键；速度提升则直接影响任务执行效率。

36 mm 的额外工作范围看似不大，但在桌面级机械臂的应用场景中，这往往决定了能否覆盖到工作空间边缘的目标位置。

Feetech 3250 舵机属于 Feetech 旗下的串行总线数字舵机系列，采用 TTL 半双工总线通信，可级联多个舵机并读取位置、温度、负载等反馈信息。其标称堵转扭矩约为 20–30 kg·cm 级别（视具体型号与电压），金属齿轮配合磁编码或电位器反馈，定位精度和一致性优于普通模拟舵机。在 SO-ARM 102 中，它被用于对精度和力矩要求最高的关键关节，这类关节既要承受末端负载带来的杠杆力矩，又要保证重复定位精度，因此舵机的选型直接决定整臂的性能上限。总线式连接也简化了多关节走线，与 LeRobot 的软件控制栈配合时，可通过统一协议批量读取与下发指令。

生态兼容：零迁移成本

SO-ARM 102 延续了与 Hugging Face LeRobot 的深度集成。官方明确表示：相同的工具链、测试框架和工作流程，SO-ARM 101 用户已有的整套配置从第一天起就能直接使用。

这个策略的价值在于降低了升级门槛。对于已经在 LeRobot 生态中构建了数据采集管线、训练流程和部署方案的用户来说，更换硬件不需要重写任何软件层的东西。开源机器人项目经常面临的碎片化问题——每个新版本都带来不兼容的 API 和工具链——在 SO-ARM 系列中没有出现。

项目代码托管在 GitHub 的 roboninecom/SO-ARM-102 仓库，采用开源方式发布，社区可以自由查看设计文件、提交问题和贡献改进。

Hugging Face LeRobot 是一个面向真实世界机器人的开源库，提供数据集格式、模仿学习与强化学习算法（如 ACT、Diffusion Policy、TD-MPC 等）、训练脚本以及硬件驱动模板。它的核心价值在于统一了“数据采集—模型训练—实机部署”的接口，使不同形态的低成本机器人可以共享同一套工具链与预训练资源。SO-ARM 系列作为 LeRobot 官方支持的机械臂平台之一，其关节配置、相机标定和遥操作流程都已纳入 LeRobot 的配置体系。因此，SO-ARM 102 保持协议与接口不变，意味着 101 用户积累的示教数据、训练 checkpoint 和部署脚本可以无缝复用，这正是“零迁移成本”说法的技术依据。

对开源机器人社区的意义

SO-ARM 系列的迭代节奏反映出一个趋势：低成本开源机械臂正在快速逼近过去只有工业级产品才具备的性能水平。拓扑优化、碳纤维材料、高精度舵机这些元素几年前还主要出现在高端研究设备中，现在已经被整合进一个社区可以自行打印和组装的开源项目中。

与 LeRobot 生态的绑定则解决了另一个关键问题——软件栈的连续性。硬件性能提升如果伴随着软件生态的断裂，实际使用价值会大打折扣。SO-ARM 102 选择在保持兼容的前提下做硬件升级，这个取舍值得关注。

对于正在评估入门级机械臂的研究者、教育工作者或创客来说，SO-ARM 102 提供了一个性能显著提升且迁移成本极低的选择。