4. 机器人硬件与传感器配置

在 LeRobot 数据采集与数据集构建流程中，硬件与传感器配置是决定数据质量上限的第一道关口。无论后续采用 ACT、Diffusion Policy 还是其他模仿学习算法，模型能学到的信息完全取决于采集时硬件能提供什么。本章围绕机械臂、相机、夹爪、力传感器四类核心设备，讲清选型逻辑、关键参数与配置方法，帮助你在动手采集前把硬件链路搭对。

一、核心原理：硬件决定数据的“可学习性”

机器人学习数据本质上是“观测—动作”序列。观测来自相机、关节编码器、力传感器；动作来自机械臂与夹爪的执行指令。硬件配置的核心目标有三个：

• 观测充分性：相机视角、分辨率、帧率能否覆盖任务关键区域，例如抓取点、接触面、目标物体。
• 动作可复现性：机械臂自由度、重复定位精度、夹爪行程与力控能力是否与任务匹配。
• 时间一致性：多传感器采样频率、时间戳对齐、延迟是否可控，否则策略会学到错位的因果。

二、机械臂选型与参数设置

LeRobot 生态中常见的是 6 自由度协作机械臂（如 SO-100、Koch、ALOHA 系列）以及低成本舵机臂。选型时重点看以下参数：

参数设置上，建议先做关节零位标定，再设置速度与加速度限制。采集阶段速度不宜过快，否则相机运动模糊会显著降低数据质量。典型配置如下：

robot:
  type: so100
  port: /dev/ttyACM0
  baudrate: 1000000
  joints:
    - shoulder_pan
    - shoulder_lift
    - elbow_flex
    - wrist_flex
    - wrist_roll
    - gripper
  max_velocity: 0.5      # 归一化速度，采集时建议 0.3~0.5
  max_acceleration: 0.8
  calibration: ./calib/so100.json

三、相机配置：视角、分辨率与帧率

相机是模仿学习中最关键的观测源。常见配置为“一主多辅”：一个全局视角看整体场景，一个腕部视角看末端与接触区域。选型与参数建议：

• 分辨率：全局相机 640×480 或 1280×720；腕部相机 640×480 足够，过高会增加传输与训练负担。
• 帧率：与机械臂控制频率匹配，通常 30 FPS；若控制频率为 10 Hz，相机 30 FPS 可提供冗余。
• 曝光与白平衡：手动锁定，避免自动曝光导致帧间亮度跳变，这是数据集中最常见的噪声来源之一。
• 安装位置：全局相机俯视 30°~45°，腕部相机尽量靠近夹爪但不遮挡视线。

四、夹爪与力传感器配置

夹爪决定抓取动作的物理边界。平行夹爪适合规则物体，自适应夹爪适合形状多变物体。关键参数包括行程、夹持力、开合速度。力传感器则用于接触-rich 任务，如插拔、擦拭、装配。

力传感器常见为六维力/力矩传感器，安装在腕部与夹爪之间。配置要点：

• 量程：根据任务最大接触力选择，通常 50~200 N，过大量程会降低小力分辨率。
• 采样率：≥ 100 Hz，接触瞬间力变化快，低频会丢失关键信号。
• 零点标定：每次上电后空载标定，消除夹爪自重与温漂影响。
• 滤波：硬件低通 + 软件滑动平均，但滤波延迟需与相机时间戳对齐。

sensors:
  camera_front:
    type: usb_camera
    index: 0
    width: 640
    height: 480
    fps: 30
    auto_exposure: false
    exposure: 120
  camera_wrist:
    type: usb_camera
    index: 1
    width: 640
    height: 480
    fps: 30
  force_torque:
    type: serial
    port: /dev/ttyUSB0
    baudrate: 115200
    rate_hz: 200
    zero_on_start: true

五、案例场景：桌面抓取任务的硬件配置

任务：机械臂从桌面抓取不同颜色的方块并放入盒子。硬件配置如下：

• 机械臂：SO-100，6 DOF，重复定位精度 1 mm，负载 500 g。
• 相机：全局 1280×720@30FPS，腕部 640×480@30FPS，均锁定曝光。
• 夹爪：平行夹爪，行程 50 mm，夹持力 20 N，开合速度 0.2 s。
• 力传感器：暂不配置，因为抓取任务对接触力要求不高，可先降低复杂度。

采集时控制频率设为 10 Hz，相机 30 FPS 下每 3 帧对应一个动作，时间戳统一由主机时钟打标。该配置在 LeRobot 中可直接通过 YAML 加载，采集 50 条轨迹后即可训练基础 ACT 策略。

六、复盘与常见误区

硬件配置阶段最容易出现的问题不是设备本身，而是“配置与任务不匹配”。常见误区包括：

1. 相机视角被机械臂遮挡：采集时频繁出现末端遮挡目标，模型学不到稳定观测。解决：调整全局相机角度或增加腕部相机。
2. 夹爪力过大导致物体弹飞：力控参数未调，抓取瞬间物体被弹开。解决：降低夹持力或增加软指垫。
3. 力传感器未标定：零点漂移导致力信号基线偏移，策略学到错误的接触判断。解决：每次采集前执行零点标定。
4. 多传感器时间戳不同步：相机与力传感器各自打标，导致观测与动作错位。解决：统一由主机在读取时打时间戳，或使用硬件触发。