0.最近的小困扰

过去一年，明显感觉机器人圈讨论最多的话题已经从"导航"变成了"操作"。无论是 Figure AI、Tesla Optimus，还是国内越来越多的人形机器人公司，都在围绕同一个目标努力——让机器人真正进入现实世界，完成拿、放、开门、整理、装配等复杂任务。

而当我开始尝试搭建一个具身智能开发环境时，才发现真正难的不是部署一个大模型，而是让机器人把动作做出来。于是，我开始研究机械臂。下文我将基于新购入的松灵 NERO 轻量化7轴机械臂进行测评。

1.为什么我选择从六轴进化到七轴机械臂？

最开始，我和很多开发者一样，第一反应就是找一台六轴机械臂。

原因很简单：

1. 生态成熟

2. MoveIt 支持完善

3. 网上教程多

4. 控制算法已经很稳定

但真正开始做人形机器人相关任务之后，很快遇到了几个问题。

例如：

机器人抓桌子里面的物体时，经常因为手臂姿态受限，需要重新规划。

双臂协作时，两只机械臂很容易互相干涉。

如果保持夹爪姿态不变，再去调整肘部位置，可选择的运动空间并不大。

这些问题，其实都指向同一个原因：

六轴机械臂自由度不够。

因为同一工作空间内，7轴机械臂能生成无限种连续逆解，对示教、模仿学习、人机协同有着决定性意义。

目前通过查阅资料信息。我发现一个很有意思的现象，目前主流的人形机器人大多都采用七自由度的手臂，这与人类手臂的运动关节类似，可以实现在不改变末端轨迹的情况下自主选择最优姿态，打破过往传统机械臂的功能局限，包括避开奇异点减少实验中断的次数，大幅助力具身智能科研应用于探索。

如抓取物体时可直臂伸取或曲臂绕取，无需频繁更换夹具、调整安装位置，轻松适配多场景实验需求。且通过实测我发现松灵 NERO的关节运动范围非常灵活，更深度贴合人类手臂，能在遥操作或者具身数据采集时，模拟拿水杯时肩-肘-腕的协同动作，这种“像人一样”调整姿态的能力显著提升动作自然度与可控性。

今年随着李飞飞提出的世界模型在学术界爆火后，机器人开发领域迎来了重大的变革，之后机器人将不再是单独面对流水线，而是环境随时变化、障碍物不可预测、动作没有唯一答案的真实世界，七轴带来的冗余自由度，正好给运动规划和强化学习留下了更多优化空间。

2.第一次上手 NERO 七轴机械臂

前面聊了很多七轴机械臂为什么越来越受关注，真正让我产生兴趣的，还是想验证一个问题：

一台定位于具身智能开发的七轴机械臂，在实际开发过程中到底是什么体验？

这次体验的平台，是 松灵机器人(AgileX Robotics）推出的 NERO 七轴机械臂。

之所以选择 NERO，一方面是因为它本身就是围绕具身智能、人形机器人和移动操作机器人等研发场景设计；另一方面，它提供了完整的 ROS 2、Python SDK 以及开放通信接口，对于已经在做机器人算法开发的团队来说，更容易融入现有开发流程。

相比单纯关注参数，我更想看看它是否真的能够解决开发过程中遇到的一些实际问题。

2.1 外观体验：轻量化设计，比想象中更接近科研开发需求

第一次拆开包装的时候，给我的第一感觉并不是"七轴"，而是轻。

查了一下官方参数，NERO 整机重量约 4.8 kg，采用铝合金骨架配合树脂外壳，相比传统工业机械臂少了一些厚重感。真正拿在手里的时候，比我预想中轻不少。

对于科研团队来说，这种轻量化设计还有一个实际好处：部署更方便。

无论是安装到实验平台、移动机器人底盘，还是后续做双臂系统搭建，都不会因为设备重量给安装和调试带来太大压力。

另一个让我比较关注的是它采用了七自由度仿人结构。

之前查阅人形机器人相关资料时，无论是科研论文还是开源平台，很多都采用七轴机械臂。因此真正看到 NERO 的机械结构时，会发现它的关节布局更接近人体手臂，尤其是肘部拥有更大的活动范围。

这种设计对于具身智能来说并不仅仅是"更像人"，而是在进行遥操作（Teleoperation）、模仿学习（Imitation Learning）或者动作数据采集时，更容易完成一些自然的人体动作映射。

看到官方标注 3 kg 额定负载 时，我也顺手拿起桌上的马克杯做了一个简单测试。

虽然杯子的重量远没有达到额定负载，但抓取过程比较稳定，整个动作完成得很自然。

当然，这只是最基础的一次体验。后续我还准备结合工具抓取、双臂协作以及移动操作等场景，再进一步测试 NERO 在真实任务中的表现。

2.2 我更关注的是开发生态，而不是参数

相比负载、工作半径这些参数，我其实更关心另外一件事情：

开发效率。

机器人项目真正耗费时间的，很多时候不是算法，而是环境配置、驱动安装、接口适配以及各种系统集成。

如果这些基础工作需要反复折腾，那么算法开发反而会被不断推迟。

所以这次体验，我主要关注了 NERO 在三个方面的表现：

• 是否容易接入 ROS 2 工程；

• 是否具备开放的通信接口；

• 是否方便后续开展具身智能相关开发。

2.2.1 ROS 2 与 Python SDK：接入现有工程比较顺利

目前大部分机器人项目都已经迁移到 ROS 2，因此我第一时间测试了 NERO 的 ROS 2 开发生态。

根据官方文档完成环境配置后，我把机械臂接入了现有ROS工程。

整个过程没有因为驱动或者通信接口重新调整算法框架，这一点让我印象比较深。

除此之外，NERO 同时提供 Python SDK，对于一些快速验证算法或者开发上层应用来说，也比较方便。

如果团队已经基于 ROS 2 开展机器人开发，那么 NERO 能够比较自然地融入现有软件架构，而不用重新搭建一套控制系统。

2.2.2 通信接口：为不同开发需求预留了扩展空间

除了 ROS 2，我还重点关注了一下 NERO 的通信接口。查了下官方参数手册，目前松灵 NERO机械臂支持 CAN、TCP、HTTP 三种通信方式。

实验过程中，我主要使用的是 CAN，不过，对于后续需要连接上位机、管理平台或者云端系统的项目来说，TCP 和 HTTP 接口也提供了更多扩展空间。

这种组合对于科研项目来说比较实用。例如，底层控制可以通过 CAN 保证实时性，而任务调度、数据记录或者远程控制，则可以放到 TCP 或 HTTP 层完成，不同需求之间比较容易组合。

2.2.3 控制方式：更符合科研开发节奏

控制方式也是我比较关注的一部分。

第一次使用时，我尝试了拖动示教功能。对于一些简单轨迹或者重复动作，直接拖动机械臂记录路径，比手写代码直观很多，后续再根据需要进行微调即可。

如果需要开发复杂应用，也可以通过 API 编程或者离线轨迹规划完成控制，两种方式各有适用场景。

另外，NERO 集成了工控机，不需要再额外准备一套主控设备。对于第一次搭建实验平台的人来说，整体接线和部署会简单一些，也减少了额外配置硬件的工作量。

整体体验下来，我觉得它更像是一套已经把基础开发环境准备好的平台。这样开发者可以把更多时间放在算法验证、数据采集或者具身智能任务本身，而不是反复处理底层通信和系统集成问题。

3.体验总结：七轴机械臂为什么越来越适合具身智能？

体验结束之后，我最大的感受其实只有一句话：

七轴机械臂真正增加的，不是一个关节，而是机器人在面对复杂任务时拥有了更多解决问题的方法。

以前我一直认为，七轴和六轴最大的区别只是自由度不同。

但真正开始使用之后才发现，多出来的一轴，影响的是整个运动规划过程。

例如，在保持末端姿态不变的情况下，NERO 可以通过调整肘部姿态来避开障碍物；在空间受限的环境中，也能够尝试更多不同的运动路径。

这些能力，对于固定工位来说未必是刚需，但对于具身智能、人形机器人以及移动操作机器人来说，却非常重要。

因为真实环境不像流水线，没有固定路径，也没有唯一答案。

机器人需要根据环境不断调整自己的动作，而七轴机械臂提供的，正是这种灵活性。

这也是为什么越来越多具身智能平台开始采用松灵 NERO 这类面向科研开发的轻量级七轴机械臂，而不仅仅关注传统工业机械臂。

FAQ

Q1:为什么很多开发者选择 NERO 七轴机械臂做具身智能？

对于具身智能开发来说，机械臂不仅需要完成抓取动作，还需要适配模仿学习、强化学习、遥操作、数据采集等多种研发任务。因此，开发者通常更关注机械臂的自由度、开发生态以及系统开放性，而不仅仅是负载或精度。

NERO 采用七自由度仿人结构，能够提供更丰富的运动姿态，在复杂环境下拥有更大的运动规划空间。同时，它支持 ROS 2、Python SDK，并提供开放的通信接口，方便接入现有机器人开发流程。对于高校实验室、科研机构以及具身智能团队来说，能够更快开展算法验证和系统集成，因此成为不少开发团队的选择。

Q2：NERO 能用于人形机器人开发吗？

可以。

NERO 在结构设计上采用七自由度仿人机械臂，与目前主流人形机器人机械臂的自由度配置较为接近，更适合开展人体动作映射、双臂协作、遥操作以及操作任务研究。

对于暂时没有完整人形机器人平台的团队，也可以利用 NERO 先完成机械臂控制、运动规划、操作策略训练等核心能力验证，再逐步扩展到完整的人形机器人系统。

Q3：七轴机械臂和传统六轴机械臂有什么区别？

最大的区别并不是"多一个关节"，而是拥有更高的运动冗余。

传统六轴机械臂能够完成绝大多数工业自动化任务，而七轴机械臂由于增加了一个自由度，在保持末端姿态的同时，可以拥有更多关节姿态选择。

这种冗余自由度在避障、狭小空间操作、移动操作机器人、人形机器人以及具身智能任务中具有明显优势，也能够为运动规划和强化学习提供更大的优化空间。

因此，如果项目主要面向固定工位生产，六轴仍然是成熟方案；如果涉及具身智能、人形机器人或复杂操作任务，七轴通常会更具灵活性。

Q4：NERO 适合做强化学习吗？

适合。

强化学习需要机器人不断探索不同动作策略，而七轴机械臂相比六轴机械臂拥有更大的动作空间，可以生成更加丰富的运动轨迹，为策略学习提供更多可能性。

结合 Isaac Lab、ROS 2 等开发生态，NERO 能够支持抓取、操作、轨迹优化等强化学习任务，也方便开发者开展 Sim-to-Real 部署，是具身智能研究中较为常见的开发方式之一。

Q5：NERO 可以搭配移动机器人底盘吗？

可以。

NERO 可以与移动机器人底盘组成移动操作机器人平台，例如搭配 松灵 RANGER 系列四驱四转全向移动移动机器人底盘，实现自主导航、自主抓取、巡检操作、物料搬运等应用。

这种"移动底盘 + 七轴机械臂"的组合，也是当前具身智能和人形机器人领域的重要研究方向之一，能够支持机器人在更复杂、更开放的真实环境中完成操作任务。