SO-101开源机械臂深拆：6自由度双臂千元级

最近在 GitHub 上刷开源机械臂，绕不开一个仓库：HuggingFace 的 LeRobot（截至今日约 2.87 万 star，Apache-2.0 协议），它的官方整机方案就是 SO-101 这对桌面臂。硬件本体来自 TheRobotStudio 的 SO-ARM100 仓库（同样是 Apache-2.0），HuggingFace 出软件栈，两边分工明确。我把它官方文档页、BOM 清单、装配文档逐页过了一遍，这篇把参数、电机、成本和复现路径一次拆清楚。

它是谁：SO-100 的换代款

SO-101 是 SO-100 的下一代版本，由 TheRobotStudio 与 HuggingFace 联合设计。相对 SO-100 的改动集中在三处：走线重新整理、装配更省事（不再需要拆齿轮）、leader 臂电机换新。官方文档里 SO-100 页面已标注 deprecated，新入坑直接从 SO-101 起步即可，别再照旧教程买件。

整套系统的玩法是「双臂模仿学习」：leader 臂是给人手拖着走的示教臂，follower 臂是被拖动的执行臂，两臂关节一一对应，采集到的动作数据喂给 LeRobot 的训练管线，训完的策略直接部署到 follower 上。这也是它和 myCobot 这类商用闭源桌面臂最大的区别——SO-101 从结构件、固件到训练代码全部开源，买来就是为了改和训。

硬件拆解：6 自由度，三种减速比

follower 臂共 6 个自由度，全部用 Feetech STS3215 总线舵机，减速比统一为 1/345。底座回转、肩抬、肘摆、腕俯仰、腕翻转到夹爪，一台舵机管一个关节，没有谐波减速器，也没有额外的传动件，这是它能把成本压下来的根本原因。

leader 臂有意思的地方是 6 个电机用了三种减速比，官方文档的原表是：底座 1/191、肩抬 1/345、肘部 1/191、腕俯仰 1/147、腕翻转 1/147、夹爪 1/147。为什么要混配？leader 臂既要撑得住自己的自重，又要让人手拖起来不太费劲，重载关节用大减速比、轻载关节用小减速比，拖动手感才顺。这个细节说明书上一笔带过，但它是仿真的力反馈手感能不能做好的关键。

舵机本体选的是 STS3215 的 7.4V 版，官方 BOM 页写明：6V 供电下堵转扭矩 16.5kg·cm，另有大扭矩的 12V 版（堵转 30kg·cm）可替换，但换 12V 版就要配 12V 5A 以上电源；SO-101 的 leader 臂固定用 7.4V。16.5kg·cm 的量级夹个笔、抓个小方块没问题，想搬重物的可以关掉这篇了。

主控是 Waveshare 的电机控制板，一块板子带一条舵机总线，双臂就是两块板，电脑用 USB-C 直连，再加一个 5V 电源。没有树莓派、没有额外的工控机，AI 算力全在跑 LeRobot 的那台电脑上，本体就是个纯执行器。3D 打印件按官方 GitHub 仓库的打印指南出，没有打印机也可以在各家套件里直接买打印好的。

成本账：单臂 682 元，双臂 1343 元

官方 BOM 给得非常实在，中国区价格我逐行核过：follower 单臂全套（6 颗 1/345 STS3215、控制板、USB-C 线、电源、桌夹、螺丝刀）合计约 682 元人民币；follower 加 leader 双臂套装合计约 1343 元。美国区口径是单臂 121.94 美元、双臂 229.88 美元。以上是零件自购加 3D 打印的自装成本，截至 2026 年 11 月 6 日。

不想自己打印件的，官方仓库列了整套装机渠道：Seeed（含 3D 打印件）、WowRobo（含整机装好版）、RobotEd、Robonine（含腕部相机和 ArUco 立方体）等，价格按地区浮动，买前自己比价。这个价位拿到一套能跑模仿学习的完整双臂，是它敢自称「low-cost AI arm」的底气。

复现路径：命令行三步走

软件侧装 LeRobot 后补装 Feetech SDK（PyPI 安装的话跑 pip install 'lerobot[feetech]'），然后是官方文档里的标准流程：lerobot-find-port 找串口，lerobot-setup-motors 逐颗给 6 个电机写 ID 和波特率（逐颗单插、逐颗确认，命令行会一步步提示），最后 lerobot-calibrate 做标定——先把所有关节摆到行程中位，再逐个关节扫全行程。标定的意义官方写得明白：标定好了，一台机器人上训出的策略才能迁移到另一台上，这对开源社区的复现链路至关重要。

我按文档把坑位捋了一遍：Waveshare 板子上两个跳线要打到 B 通道（USB）那一侧，新板子默认不是这个位置；每颗舵机配置时确认 3-pin 线只插了目标电机，插串了会写错 ID；电源线在摆弄过程中容易松，官方自己都在文档里提醒了这一点。依赖层面 pip 一条命令能装齐，Environment 我按文档 Python 3.12 以上走，没有额外卡点。

扩展与短板

仓库里还放了一堆官方扩展件：加高的 leader 底座、腕部相机支架、顶部俯视相机支架、RealSense D405/D435 固定座。训练视觉策略时腕部相机基本是必配，官方 3D 模型都是现成的，打印出来装上就行。

短板也直说：16.5kg·cm 的舵机扭矩和纯舵机关节决定了它干不了精细重活，重复定位精度官方没有给数，我没敢替它填；3D 打印件质量直接决定臂体刚性，打印收缩公差大的机器装出来关节会晃；训练侧吃 GPU，本地没卡的要么租云算力要么等 LeRobot 的量化方案再降门槛。

结论：如果你想在机器人+AI 交叉领域动手，SO-101 是当下性价比和资料完整度都在线的入场券——千元级双臂、全开源栈、文档细到每一颗螺丝。它不推荐给想「买来就能干活」的人，适合愿意折腾打印、标定和训练的人。双臂 1343 元的门票，换一条从采集到部署的完整实践链路，值不值，看你愿不愿意真训一个策略出来。