近年来，机械人手艺正在硬件范畴取得了显著冲破 —— 无论是 DARPA 机械人挑和赛，仍是首届人形机械人搏斗表演，都展现了令人注目的进展。然而，机械人的自从能力仍较着掉队于机械进修的成长程序。形成这一差距的环节瓶颈正在于软件层面：现有的机械人手艺栈进修门槛较高，仍大量依赖 C/C++ 进行底层开辟，东西链分离且硬件集成复杂。比拟之下，鞭策现代人工智能成长的生态系统以 Python 为焦点，文档完美、易于利用 —— 两者构成了明显对比。为应对这些挑和，来自华为诺亚尝试室，达姆施塔奸细业大学，英国伦敦大学学院，帝国理工学院和大学的研究者们结合推出了Ark —— 一个基于 Python 的机械人开辟框架，支撑快速原型建立，并可便利地正在仿实和实正在机械人系统上摆设新算法Ark 取支流机械进修工做流深度兼容，可以或许从仿实或现实机械人中采集和预处置数据，并支撑利用如 ACT、Diffusion Policy 等前沿仿照进修方式进行策略锻炼。该框架采用雷同 OpenAI Gym 气概的从接口设想，极大降低了机械进修研究者的上手门槛，便于集成取尝试。正在架构层面，Ark 利用基于收集的 Python 节点实现发布 / 订阅通信机制，同时也供给 C/C++ 东西以兼容高机能需求场景。框架还内置了对 ROS 的原生支撑，包含底层节制、数据东西、可视化、系统辨识、挪动底盘等多个焦点模块，并配备完整的文档取适用示例。为推进具身智能研究的成长，Ark 应运而生。该框架努力于取典型机械进修工做流深度整合，利用户可以或许快速建立原型并将其摆设至物理机械人。其设想三大：Ark 供给取普遍利用的机械进修库分歧的用户接口，填补机械人进修系统正在成熟度取尺度化方面的不脚。Ark 出力打通模仿取实正在系统之间的壁垒，既保障开辟阶段的平安性，也显著降低从仿实迁徙到实机过程中的复杂度和错误率。Ark 以 Python 做为焦点开辟言语，依托其丰硕的生态系统支撑快速迭代取尝试。同时，针对高频使命（如底层活动节制），也供给了便利的 C/C++ 接口扩展能力，确保环节模块的施行效率。模块化是机械人软件系统设想的一项根基准绳：通过将系统拆分为数据采集、形态估量、使命规划取节制等模块，可无效提拔可性和扩展性。Ark 框架将每个模块实现为的 Python 历程（称为 “节点”），节点之间通过异步动静通道进行通信，采用矫捷的发布 / 订阅机制实现数据互换。用户可通过形如 NODE_NAME/CHANNEL_NAME 的定名体例定义通道，并动态建立发布端和订阅端。我们遵照 LCM 类型规范言语定义动静类型，每个动静通道通过名称和动静类型标识。Ark 供给名为 ark_types 的动静类型库，包含多种机械常用类型（如 joint_state_t 或 transform_t）。当前版本中，Ark 利用 LCM 做为底层通信后端，其轻量化架构和丰硕的配套东西（如日记记实、调试和内省支撑）出格合用于机械人系统中的数据记登科开辟调试。同时，收集层被设想为可插拔布局，便于将来扩展如分布式锻炼取推理等复杂机械进修工做流。利用 LCM 的另一劣势是易于集成 C/C++/Java 等底层言语。因为 Ark 节点通过 LCM 动静通道通信，其他言语编写的脚本也可操纵尺度 LCM 接口进行收集通信。这对于仅支撑厂商供给的 C/C++/Java API 的硬件设备（如力反馈接口）很是有用。用户可通过实现响应的 LCM 发布 / 订阅接口将设备接入 Ark。然而，基于 Ark 正在仿实取实正在间协调的架构设想（后文会商），以 LCM 做为其他言语取 Python 之间的桥梁并非老是最佳选择。为此，Ark 供给一系列东西和辅帮函数 / 类，帮帮用户间接将 C/C++ 功能封拆到 Python。Ark 采用 Gymnasium（OpenAI Gym）气概的接口设想：reset () 方式前往初始不雅测值和消息；step () 方前往下一步的不雅测值、励、终止 / 截断标记以及消息字典。每个正在初始化时通过一个字典布局别离定义其不雅测空间取动做空间所依赖的动静通道：不雅测空间通过订阅多个动静通道获取数据，动做空间则通过向指定通道发布指令来节制机械人。分歧不雅测通道可支撑分歧的采样频次，正在每一步施行时从动前往各通道最新的一条动静。这种设想使研究者可以或许快速原型化分歧的策略输入输出组合，矫捷适配多种算法取使命布局。Ark 的一大能力是通过单个设置装备摆设开关正在仿实取实正在机械人之间切换（sim = True/False）。Ark 以分布式节点架构把机械人取传感器（无论实正在仍是仿实）都实现为节点；仿实端由一份 YAML 设置装备摆设驱动，使仿实取实正在系统接口的节点连结分歧，从而能够正在仿实模仿和现实摆设中轻松切换。正在仿实后端上，而是供给后端笼统层以便按需对接。当前 Ark 已支撑 PyBullet 取 MuJoCo，后续打算集成 Isaac Sim 等；仿实 / 现实的切换和后端选择全数通过 YAML 设置装备摆设完成，Ark 从动初始化响应驱动，动静模式、通道定名取施行流程连结分歧。Ark 虽然正在用户接口层面（如类 Gym 的交互体例）供给了尺度化的设想，但整个框架正在架构上连结了高度的可扩展性。自设想之初，我们就以普遍的机械人及传感器兼容性为方针，努力于支撑多样化的硬件生态。取近年呈现的某些仅针对特定机型（如 LeRobot、PyRobot）的框架分歧，Ark 旨正在支撑更多的硬件，并通过多种矫捷的对接机制实现通用化集成。Ark 供给了笼统基类 ComponentDriver，用于同一硬件组件取框架的集成体例。用户正在实现具体驱动时，只需承继该类并沉写尺度笼统方式，例如传感器的 get_data 或机械人的 send_command。每个驱动均可取 Ark 的 “仿实 - 现实” 开关无缝集成，系统会按照全局设置装备摆设从动将动静由到实正在硬件或对应的仿实节点。正在良多现实场景中，仍然需要依赖 C/C++ 实现底层驱动，例如某些设备仅供给原生 C/C++ 接口，或需要高采样率以满脚及时节制需求（如脚式机械人的步行节制）。为此，Ark 供给基于 pybind11 的 C++ 封拆东西，使得仅具备 C++ 接口的硬件也可以或许以取 Python 驱动分歧的体例接入 Ark，正在连结机能的同时实现系同一体化。目前 ROS 仍是机械人范畴使用最普遍的两头件系统，部门机械人（如 ViperX 机械臂）仅供给基于 ROS 的接口。为兼容此类系统，Ark 供给公用的 ROS–Ark 桥接驱动，用户可正在不改动原有 ROS 代码的前提下，实现 ROS 取 Ark 的夹杂运转，这也为从 ROS 逐渐迁徙至 Ark 供给了滑润过渡径。按照我们取多家机械人尝试室的现实利用反馈，目前桥接器次要支撑 ROS 1；对 ROS 2 的支撑将按照社区需求进一步评估和推进。机械人系统凡是由多个历程形成，模块间耦合复杂，因而一套完美的可视化取调试东西对快速定位和处理问题至关主要。Ark 为此供给了以下焦点东西：：及时显示系统中所有活跃节点、它们发布取订阅的动静通道以及当前可用的办事，帮帮用户快速理解系统拓扑和通信关系。：支撑对肆意数值型动静通道进行及时画图，可用于察看变量随时间的变化趋向，例如整定节制参数或诊断传感器数据行为。：及时可视化肆意基于 LCM 传输的图像动静通道，合用于相机标定、运转和图像算法调试。此外，Ark 选择 LCM 做为通信两头件的另一个主要缘由，正在于其原生供给的调试取内省东西套件。例如 lcm-spy 可以或许以图形化体例查看收集中畅通的动静，供给雷同于 Wireshark 或 tcpdump 的抓包阐发体验，用户能够查看各通道的细致统计消息，包罗领受动静数量、动静频次（Hz）、收集发抖（ms）等环节目标，极大加强了系统的可不雅测性取调试效率。本节将通过一系列典型用例，展现若何利用 Ark 快速建立常见的机械人进修工做流。所有示例均供给完整代码，以便读者复现和实践。将锻炼好的策略摆设至实正在机械人往往陪伴显著的平安取工程化挑和，而很多现有框架缺乏端到端的一体化流程，导致处理方案分离、难以系统化和泛化。Ark 通过一层高度可设置装备摆设的笼统机制，基于同一的 Python/C++ 驱动架构，实现了从仿实到实正在系统的无缝摆设。用户只需正在完成（包罗机械人、传感器、物体等）的统必然义后，于设置装备摆设文件中切换 sim=True/False，即可切换至方针运转。我们正在 ViperX 300s 固定基座机械臂长进行了抓取 - 放置使命的实例验证。整个通过一份 YAML 设置装备摆设文件同一指定，包罗物体的初始、相机取机械人的位姿以及物理参数。不雅测值为当前关节指令，动做为方针关节速度。仿实和实正在均利用统一人工编写的专家策略进行节制。正在向实正在机械人迁徙时，仅需点窜一个设置装备摆设变量 sim，Ark 便正在内部从动将动静通道从仿实驱动法式切换至物理硬件驱动，其余所有代码及数据布局均无需变动。图 4！ 基于同一设置装备摆设的 Ark 分布式仿实系统架构，通过 YAML 文件定义机械人、传感器及组网参数，实现取实正在摆设分歧的多节点仿实，支撑策略无缝迁徙得益于 Ark 高度模块化的架构和强类型动静通道机制，用户能够矫捷接入分歧类型的示教接口。我们操纵 LCM 供给的 lcm-logger 东西及时记实所有通道的数据至日记文件。Ark 内置从日记中提取数据并转换为 CSV 格局的东西，并支撑沿用中已定义的不雅测取动做通道设置装备摆设，从而确保数据格局正在采集、锻炼取最终摆设阶段完全分歧。操做者可间接牵引机械臂完成方针使命，LCM 同步记实完整的关节轨迹取系统形态。虽然正在该示例中相机未参取节制回，但仍可用于视觉数据以供后续阐发。演示竣事后，记实的数据既可用于策略锻炼，也可通过 lcm-logplayer 进行逐帧回放，这对于处置包含人体影像（可能引入视觉偏置）或复杂物理交互的使命尤为有用。Ark 还供给了一键沉置办事，例如将 “沉置” 操做绑定至键盘按键，极大便利了持续多次示教取系统评估。Ark 支撑多种输入设备，如 VR 节制器取逛戏手柄（如 PS4 手柄）。正在一种典型设置装备摆设中，用户通过 VR 节制器及时发送 6 度位姿指令，系统通过逆活动学（IK）节点将其为关节速度方针；另一种设置装备摆设则利用手柄间接节制机械臂结尾位姿。整个数据采集流程由一系列可复用的 Ark 节点协同完成，包罗手柄节制节点、转换节点（将手柄信号转为结尾方针）、IK 解算节点（将位姿转为关节指令），以及用于发布图像和关节形态的传感器节点。凭仗 LCM 强类型和通道隔离的特征，改换相机或节制器时无需点窜其他模块。采集完成后，用户可利用不异的通道设置装备摆设从日记中提取尺度化数据，间接用于锻炼。操做者还可通过手柄的 “X” 键快速保留当前轨迹并触发机械臂复位至中立姿势。正在本节中，我们展现了若干实现仿照进修的使用案例，沉点引见若何利用 Ark 进行数据采集、锻炼和策略摆设。我们将展现了两种仿照进修方式：（i）Diffusion Policy，（ii）ACT，Ark 做为焦点根本设备，供给模块化组件、尺度化接口和及时通信机制，显著简化了从数据收集到策略摆设的整个流程。我们正在 ViperX 300s 机械臂取 Intel RealSense RGB 相机上完成了鞭策使命（pushing）Diffusion Policy 尝试。该使命的不雅测空间包罗机械人关节及持续的 RGB 图像流，动做空间为关节指令。正在摆设阶段，系统完全复用了数据采集时的架构：仅将本来的 “手柄节制节点” 替代为 “策略节点”。该策略节点从不雅测通道读取图像和关节形态，并通过统一动做通道发布方针结尾位姿。因为施行通取采集阶段连结分歧，用户无需点窜任何底层根本设备即可间接验证进修到的策略。除扩散策略外，我们还基于 OpenPyro-A1 人形机械人平台实现了 ACT 方式的示例。通过 VR 设备进行遥操做，收集了包罗 “衣服拾掇” 取 “物体接力” 正在内的多类使命数据。通过锻炼获得的策略可以或许生成精细且包含丰硕接触交互的操做行为，展示出较强的泛化取实物操做能力。很多现实使命（如设备巡检）要求机械人可以或许正在中自从挪动至少个方针点。实现该能力需同时处理两个问题：建立地图（建图）并正在地图中及时定位本身（定位），这一过程合称为同步定位取建图（SLAM）。本地图建立完成且定位不变靠得住后，机械人即可通过径规划算法实现。并操纵机载 LiDAR 数据建立地图；建图完成后，利用 A* 算法进行全局径规划，并连系距离变换手艺确保取妨碍物连结平安距离；最初通过 PD 节制器径点，生成差速驱动所需的轮速指令。为实现建图取定位，Ark 供给了一套 “遥操做辅帮 SLAM” 流程，包含两个焦点节点：遥操做节制器取概率 SLAM 模块，两者通过动静通道通信。用户通过遥操做节点发送线速度和角速度指令，这些指令经 Ark 动做通道发送至底层节制器，转换为摆布轮速。同时，LiDAR 数据取节制指令被及时发送至 SLAM 节点，用于融合估量机械人位姿并建立地图。我们采用基于 Rao–Blackwellized 粒子滤波的 FastSLAM 方式：每个粒子同时位姿估量和一个占领栅格地图，栅格概率取值从 0（空闲）到 1（占领）。系统布局如图 8 所示。正在已知地图且能靠得住定位的根本上，机械人可进行活动规划。我们集成 A* 算法做为全局规划器。规划器领受方针点和 SLAM 生成的占领栅格地图。起首通过阈值将地图二值化，再计较距离变换图以获取每个栅格到比来妨碍物的距离，确保径满脚 “半车宽 + 平安裕量” 的避障要求。A* 输出一条滑润的避障径，暗示为一系列笛卡尔标点 (x，y)，并按设定分辩率进行下采样以提高施行效率。节制子系统按照及时位姿和径点序列逐点：先调零件器人朝向，再沿曲线挪动至当前标，进入容差范畴后从动切换下一方针。最终输出线速度和角速度，并转换为差速驱动的轮速指令。狂言语模子（LLM）取视觉 - 言语模子（VLM）显著提拔了机械人的高层推理能力。Ark 凭仗其模块化设想取 Python 优先的架构，天然适合将 LLM/VLM 做为高层策略选择器集成到机械人节制回中。我们正在 Viper 机械臂上建立了一个基于 LLM 的智能系统统（图 9），采用 DeepSeek-R1 做为底层模子，遵照 “代码即策略（code-as-policy）” 范式：将 “抓取”“按放置”“移除物体” 等操做封拆为可参数化的策略函数。这些函数构成策略库供 LLM 挪用，模子按照使命上下文从库当选择合适技术并生成代码施行。Ark 将整个系统解耦为、言语推理取活动施行等多个节点。DeepSeek 被封拆为一个办事节点，领受布局化提醒词（包含场景不雅测、可用函数和使命描述）并前往推理成果。每一步决策中，节点将棋盘形态、图像等不雅测数据发布到动静通道，经拾掇后通过办事挪用发送至 LLM 节点，触发一次策略生成。图 9：Ark 框架通过集成 DeepSeek 大模子付与 Viper 机械臂国际象棋棋战能力瞻望将来，Ark 打算沉点成长两大标的目的：一是强化强化进修（RL）根本设备，通过原生集成 Stable Baselines3 和 RLlib 等支流框架，支撑并行施行，并供给同一的笼统接口，实现正在仿实取实正在机械人之间高效锻炼、评估和摆设 RL 策略；二是提拔高保实仿实能力，正在现有 PyBullet 和 MuJoCo 支撑的根本上，进一步引入域随机化、可微物理等环节特征，加强策略的鲁棒性和仿实到现实的迁徙结果，同时取高机能仿实后端深度集成，建立更切确、可扩展且功能丰硕的模仿。Ark 以现代化、模块化和用户敌对的架构，努力于正在机械人学取机械进修之间成立高效桥梁：既大幅降低了实正在机械人摆设的手艺门槛，又连结了面向前沿研究的矫捷性取扩展性。跟着仿能的提拔、RL 生态融合的深化以及东西链的持续完美，Ark 无望成长成为支持具身智能研究的主要通用平台，鞭策机械人进修社区不竭向前迈进。