研究背景与核心需求 - 在双机械臂策略学习中，大规模高质量的真实世界操作数据是主要瓶颈，其直接适用性最强但获取困难 [4] - 当前获取真实机械臂数据的主要方式仍是人类演示，需要可靠的遥操作接口作为支撑 [4] 现有方案痛点与U-ARM定位 - 现有遥操作设备主要分为末端执行器轨迹记录设备和主从遥操作系统两类，分别存在数据质量差或成本高昂的问题 [6] - 高成本方案如ALOHA双臂系统价格超过5万美元，虽易用性强但限制普及 [6][9] - 低成本方案如VR头显存在晕动症问题，SpaceMouse难以实现双手操作，Joycon游戏手柄虽仅20美元但实际操作效率低 [9] - 过渡方案如GELLO单臂成本270美元，依赖较贵的Dynamixel电机，成本仍有下降空间 [6][9] - U-ARM定位为填补“超低成本”与“高兼容性”之间的空白，单臂成本压至50.5美元（6DoF）和56.8美元（7DoF） [9] U-ARM系统硬件设计 - 硬件设计基于多数商用6/7自由度机械臂遵循的三种标准化关节序列，开发了三种主臂构型以广泛适配商用机械臂 [10] - Config-1（6DoF）适配Xarm6、Fanuc LR Mate 200iD、KUKA LBR iiSY等 [12][14] - Config-2（6DoF）适配Dobot CR5、UR5、AUBO i5等，特别调整了关节顺序以适配交叉轴腕部结构 [12][14] - Config-3（7DoF）适配Franka FR3、Franka Emika Panda、Flexiv Rizon等 [12][14] - 采用PLA 3D打印材料，最小壁厚设为4mm以保证耐用性，并采用双轴固定设计缓解关节负载问题 [14] - 通过拆解中菱舵机、移除齿轮箱仅保留编码器，并调整关节阻尼，实现了主臂的成本优化与操作体验平衡 [14] U-ARM算法设计 - 编码器需手动调至135°中性位，确保主臂在正常操作中不超出编码器有效范围（0-270°） [16] - 算法包含初始化、角度映射、滤波与插值步骤，以确保从臂运动的平滑与准确，避免微小扰动导致抖动 [17][19] 实验验证与结果分析 - 仿真适配实验在ManiSkill环境中成功适配7种商用机械臂，可用于提前验证问题和收集演示数据 [20] - 真实世界实验对比U-ARM（Config-1）和Joycon操控Xarm6执行5种典型桌面任务 [21] - U-ARM平均任务耗时为17.7秒，显著低于Joycon的29.04秒，数据收集效率提升39% [22][24] - U-ARM平均成功率为75.8%，略低于Joycon的83%，但在精细操作任务上存在可接受的权衡 [22][24] - U-ARM在任务“Fanta-to-shelf-2”上成功率（72.2%）高于Joycon（60.0%），而在“Can-stacking”任务上成功率（39.6%）较低 [22]