# 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。
![image](https://developer.qcloudimg.com/http-save/yehe-11444437/32dabb02d0b078625d589d97cf493d85.gif)
# 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。
![image](https://developer.qcloudimg.com/http-save/yehe-11444437/3002b83d451b4757f4bf3d84f7aec7b8.gif)
# 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。
![image](https://developer.qcloudimg.com/http-save/yehe-11444437/ab726c239c28ab66ecf4f438d3b01ffc.gif)
## 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。
![image](https://developer.qcloudimg.com/http-save/yehe-11444437/5ac1653d8832e37e434e4821d8af98a0.gif)
### 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。
![image](https://developer.qcloudimg.com/http-save/yehe-11444437/bf9bc41819b1446a02224512697599b6.png)
### 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。
![image](https://developer.qcloudimg.com/http-save/yehe-11444437/fc33a0a16acc0006df66aff859bb6a57.png)
## 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。
![image](https://developer.qcloudimg.com/http-save/yehe-11444437/032d475ba5224c093769823400740f60.png)
## 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。

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。

开发者日志｜为了做具身智能，我第一次上手七轴机械臂：为什么人形机器人都在用 7 DoF？

越来越多企业开始探索如何让机器人真正完成抓取、搬运、装配等复杂任务，而机械臂作为具身智能的重要执行载体，也成为开发者关注的核心硬件。本文将结合松灵 NERO 轻量化7轴机械臂的实际体验，从硬件设计、运动性能、开发生态及应用场景等方面进行测评。

人工智能

开发工具

硬件

七轴机械臂正成为具身智能研究新宠，松灵NERO轻量化7轴机械臂凭借仿人结构设计、ROS2/PythonSDK支持及开放接口，为科研团队提供高效开发平台。相比传统六轴机械臂，七轴设计在避障、狭小空间操作、双臂协作等场景更具优势，能模拟更自然的人体动作，为强化学习和运动规划提供更大优化空间。

强化学习

软件架构

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

开发者日志｜为了做具身智能，我第一次上手七轴机械臂：为什么人形机器人都在用 7 DoF？-腾讯云开发者社区-腾讯云

开发者日志｜为了做具身智能，我第一次上手七轴机械臂：为什么人形机器人都在用 7 DoF？

开发者日志｜为了做具身智能，我第一次上手七轴机械臂：为什么人形机器人都在用 7 DoF？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐