近年來(lái)，機(jī)器人技術(shù)在硬件領(lǐng)域取得了顯著突破 —— 無(wú)論是 DARPA 機(jī)器人挑戰(zhàn)賽，還是首屆人形機(jī)器人自由搏擊表演，都展示了令人矚目的進(jìn)展。然而，機(jī)器人的自主能力仍明顯落后于機(jī)器學(xué)習(xí)的發(fā)展步伐。

造成這一差距的關(guān)鍵瓶頸在于軟件層面：現(xiàn)有的機(jī)器人技術(shù)棧學(xué)習(xí)門(mén)檻較高，仍大量依賴(lài) C/C++ 進(jìn)行底層開(kāi)發(fā)，工具鏈分散且硬件集成復(fù)雜。相比之下，推動(dòng)現(xiàn)代人工智能發(fā)展的生態(tài)系統(tǒng)以 Python 為核心，文檔完善、易于使用 —— 兩者形成了鮮明對(duì)比。

為應(yīng)對(duì)這些挑戰(zhàn)，來(lái)自華為諾亞方舟實(shí)驗(yàn)室，德國(guó)達(dá)姆施塔特工業(yè)大學(xué)，英國(guó)倫敦大學(xué)學(xué)院，帝國(guó)理工學(xué)院和牛津大學(xué)的研究者們聯(lián)合推出了Ark —— 一個(gè)基于 Python 的機(jī)器人開(kāi)發(fā)框架，支持快速原型構(gòu)建，并可便捷地在仿真和真實(shí)機(jī)器人系統(tǒng)上部署新算法

Ark 與主流機(jī)器學(xué)習(xí)工作流深度兼容，能夠從仿真環(huán)境或?qū)嶋H機(jī)器人中采集和預(yù)處理數(shù)據(jù)，并支持使用如 ACT、Diffusion Policy 等前沿模仿學(xué)習(xí)方法進(jìn)行策略訓(xùn)練。該框架采用類(lèi)似 OpenAI Gym 風(fēng)格的主接口設(shè)計(jì)，極大降低了機(jī)器學(xué)習(xí)研究者的上手門(mén)檻，便于集成與實(shí)驗(yàn)。在架構(gòu)層面，Ark 使用基于網(wǎng)絡(luò)的 Python 節(jié)點(diǎn)實(shí)現(xiàn)發(fā)布 / 訂閱通信機(jī)制，同時(shí)也提供 C/C++ 工具以兼容高性能需求場(chǎng)景?？蚣苓€內(nèi)置了對(duì) ROS 的原生支持，包含底層控制、數(shù)據(jù)工具、可視化、系統(tǒng)辨識(shí)、移動(dòng)底盤(pán)導(dǎo)航等多個(gè)核心模塊，并配備完整的文檔與實(shí)用示例。

圖 1: Ark 的整體框架

論文鏈接：https://arxiv.org/pdf/2506.21628代碼鏈接：https://github.com/Robotics-Ark教程鏈接：https://arkrobotics.notion.site/Ark-Home-22be053d9c6f8096bcdbefd6276aba61

圖 2: Ark 目前的下載量

Ark 框架概述

為推進(jìn)具身智能研究的發(fā)展，Ark 應(yīng)運(yùn)而生。該框架致力于與典型機(jī)器學(xué)習(xí)工作流深度整合，使用戶能夠快速構(gòu)建原型并將其部署至物理機(jī)器人。其設(shè)計(jì)秉持三大理念：

（D1）兼容主流機(jī)器學(xué)習(xí)生態(tài)

Ark 提供與廣泛使用的機(jī)器學(xué)習(xí)庫(kù)一致的用戶接口，降低機(jī)器學(xué)習(xí)背景研究者參與機(jī)器人開(kāi)發(fā)的門(mén)檻，彌補(bǔ)機(jī)器人學(xué)習(xí)系統(tǒng)在成熟度與標(biāo)準(zhǔn)化方面的不足。

（D2）支持仿真 - 實(shí)機(jī)無(wú)縫切換

Ark 著力打通模擬環(huán)境與真實(shí)系統(tǒng)之間的壁壘，既保障開(kāi)發(fā)階段的安全性，也顯著降低從仿真遷移到實(shí)機(jī)過(guò)程中的復(fù)雜度和錯(cuò)誤率。

（D3）以 Python 為中心，兼顧高性能需求

Ark 以 Python 作為核心開(kāi)發(fā)語(yǔ)言，依托其豐富的生態(tài)系統(tǒng)支持快速迭代與實(shí)驗(yàn)。同時(shí)，針對(duì)高頻任務(wù)（如底層運(yùn)動(dòng)控制），也提供了便捷的 C/C++ 接口擴(kuò)展能力，確保關(guān)鍵模塊的執(zhí)行效率。

下文將具體介紹 Ark 的核心功能與實(shí)現(xiàn)特點(diǎn)。

Ark 網(wǎng)絡(luò)

模塊化是機(jī)器人軟件系統(tǒng)設(shè)計(jì)的一項(xiàng)基本原則：通過(guò)將系統(tǒng)拆分為數(shù)據(jù)采集、狀態(tài)估計(jì)、任務(wù)規(guī)劃與控制等獨(dú)立模塊，可有效提升可維護(hù)性和擴(kuò)展性。Ark 框架將每個(gè)模塊實(shí)現(xiàn)為獨(dú)立的 Python 進(jìn)程（稱(chēng)為 “節(jié)點(diǎn)”），節(jié)點(diǎn)之間通過(guò)異步消息通道進(jìn)行通信，采用靈活的發(fā)布 / 訂閱機(jī)制實(shí)現(xiàn)數(shù)據(jù)交換。用戶可通過(guò)形如 NODE_NAME/CHANNEL_NAME 的命名方式定義通道，并動(dòng)態(tài)創(chuàng)建發(fā)布端和訂閱端。我們遵循 LCM 類(lèi)型規(guī)范語(yǔ)言定義消息類(lèi)型，每個(gè)消息通道通過(guò)名稱(chēng)和消息類(lèi)型標(biāo)識(shí)。Ark 提供名為 ark_types 的消息類(lèi)型庫(kù)，包含多種機(jī)器常用類(lèi)型（如 joint_state_t 或 transform_t）。

當(dāng)前版本中，Ark 使用 LCM 作為底層通信后端，其輕量化架構(gòu)和豐富的配套工具（如日志記錄、調(diào)試和內(nèi)省支持）特別適用于機(jī)器人系統(tǒng)中的數(shù)據(jù)記錄與開(kāi)發(fā)調(diào)試。同時(shí)，網(wǎng)絡(luò)層被設(shè)計(jì)為可插拔結(jié)構(gòu)，便于未來(lái)擴(kuò)展如分布式訓(xùn)練與推理等復(fù)雜機(jī)器學(xué)習(xí)工作流。

使用 LCM 的另一優(yōu)勢(shì)是易于集成 C/C++/Java 等底層語(yǔ)言。由于 Ark 節(jié)點(diǎn)通過(guò) LCM 消息通道通信，其他語(yǔ)言編寫(xiě)的腳本也可利用標(biāo)準(zhǔn) LCM 接口進(jìn)行網(wǎng)絡(luò)通信。這對(duì)于僅支持廠商提供的 C/C++/Java API 的硬件設(shè)備（如力反饋接口）非常有用。用戶可通過(guò)實(shí)現(xiàn)相應(yīng)的 LCM 發(fā)布 / 訂閱接口將設(shè)備接入 Ark。然而，基于 Ark 在仿真與真實(shí)環(huán)境間協(xié)調(diào)的架構(gòu)設(shè)計(jì)（后文討論），以 LCM 作為其他語(yǔ)言與 Python 之間的橋梁并非總是最佳選擇。為此，Ark 提供一系列工具和輔助函數(shù) / 類(lèi)，幫助用戶直接將 C/C++ 功能封裝到 Python。

Ark 還提供以下功能：

Services：為需明確請(qǐng)求 - 響應(yīng)的操作（如機(jī)械臂標(biāo)定觸發(fā)）提供支持，基于 LCM 類(lèi)型系統(tǒng)定義請(qǐng)求與響應(yīng)結(jié)構(gòu)；Registry：作為輕量級(jí)的網(wǎng)絡(luò)協(xié)調(diào)與服務(wù)發(fā)現(xiàn)樞紐，支持運(yùn)行時(shí)可視化與故障隔離；Launcher：允許用戶在單一 YAML 格式配置文件中定義整個(gè)網(wǎng)絡(luò)，通過(guò)一次終端執(zhí)行自動(dòng)啟動(dòng)所有指定子進(jìn)程。

觀測(cè)與動(dòng)作通道

Ark 采用 Gymnasium（OpenAI Gym）風(fēng)格的接口設(shè)計(jì)：reset () 方法返回初始觀測(cè)值和環(huán)境信息；step () 方法則返回下一步的觀測(cè)值、獎(jiǎng)勵(lì)、終止 / 截?cái)鄻?biāo)志以及信息字典。每個(gè)環(huán)境在初始化時(shí)通過(guò)一個(gè)字典結(jié)構(gòu)分別定義其觀測(cè)空間與動(dòng)作空間所依賴(lài)的消息通道：觀測(cè)空間通過(guò)訂閱多個(gè)消息通道獲取數(shù)據(jù)，動(dòng)作空間則通過(guò)向指定通道發(fā)布指令來(lái)控制機(jī)器人。不同觀測(cè)通道可支持不同的采樣頻率，環(huán)境在每一步執(zhí)行時(shí)自動(dòng)返回各通道最新的一條消息。這種設(shè)計(jì)使研究者能夠快速原型化不同的策略輸入輸出組合，靈活適配多種算法與任務(wù)結(jié)構(gòu)。

真實(shí)世界與物理仿真

Ark 的一大能力是通過(guò)單個(gè)配置開(kāi)關(guān)在仿真與真實(shí)機(jī)器人之間切換（sim = True/False）。Ark 以分布式節(jié)點(diǎn)架構(gòu)把機(jī)器人與傳感器（無(wú)論真實(shí)還是仿真）都實(shí)現(xiàn)為獨(dú)立節(jié)點(diǎn)；仿真端由一份 YAML 配置驅(qū)動(dòng)，使仿真與真實(shí)系統(tǒng)接口的節(jié)點(diǎn)保持一致，從而可以在仿真模擬和現(xiàn)實(shí)部署中輕松切換。

在仿真后端上，Ark 并不是綁定單一模擬器，而是提供后端抽象層以便按需對(duì)接。當(dāng)前 Ark 已支持 PyBullet 與 MuJoCo，后續(xù)計(jì)劃集成 Isaac Sim 等；仿真 / 現(xiàn)實(shí)的切換和后端選擇全部通過(guò) YAML 配置完成，Ark 自動(dòng)初始化相應(yīng)驅(qū)動(dòng)，保證消息模式、通道命名與執(zhí)行流程保持一致。

圖 2: Ark 使用統(tǒng)一配置文件來(lái)實(shí)例化反映真實(shí)世界部署的分布式模擬系統(tǒng)

機(jī)器人與傳感器驅(qū)動(dòng)

Ark 雖然在用戶接口層面（如類(lèi) Gym 的交互方式）提供了標(biāo)準(zhǔn)化的設(shè)計(jì)，但整個(gè)框架在架構(gòu)上保持了高度的可擴(kuò)展性。自設(shè)計(jì)之初，我們就以廣泛的機(jī)器人及傳感器兼容性為目標(biāo)，致力于支持多樣化的硬件生態(tài)。與近年出現(xiàn)的某些僅針對(duì)特定機(jī)型（如 LeRobot、PyRobot）的框架不同，Ark 旨在支持更多的硬件，并通過(guò)多種靈活的對(duì)接機(jī)制實(shí)現(xiàn)通用化集成。

Python 驅(qū)動(dòng)接口：

Ark 提供了抽象基類(lèi) ComponentDriver，用于統(tǒng)一硬件組件與框架的集成方式。用戶在實(shí)現(xiàn)具體驅(qū)動(dòng)時(shí)，只需繼承該類(lèi)并重寫(xiě)標(biāo)準(zhǔn)抽象方法，例如傳感器的 get_data 或機(jī)器人的 send_command。每個(gè)驅(qū)動(dòng)均可與 Ark 的 “仿真 - 現(xiàn)實(shí)” 開(kāi)關(guān)無(wú)縫集成，系統(tǒng)會(huì)根據(jù)全局配置自動(dòng)將消息路由到真實(shí)硬件或?qū)?yīng)的仿真節(jié)點(diǎn)。

C++ 驅(qū)動(dòng)支持：

在很多實(shí)際場(chǎng)景中，仍然需要依賴(lài) C/C++ 實(shí)現(xiàn)底層驅(qū)動(dòng)，例如某些設(shè)備僅提供原生 C/C++ 接口，或需要高采樣率以滿足實(shí)時(shí)控制需求（如足式機(jī)器人的步行控制）。為此，Ark 提供基于 pybind11 的 C++ 封裝工具，使得僅具備 C++ 接口的硬件也能夠以與 Python 驅(qū)動(dòng)一致的方式接入 Ark，在保持性能的同時(shí)實(shí)現(xiàn)系統(tǒng)一體化。

ROS–Ark 橋接：

目前 ROS 仍是機(jī)器人領(lǐng)域應(yīng)用最廣泛的中間件體系，部分機(jī)器人（如 ViperX 機(jī)械臂）僅提供基于 ROS 的官方接口。為兼容此類(lèi)系統(tǒng)，Ark 提供專(zhuān)用的 ROS–Ark 橋接驅(qū)動(dòng)，可實(shí)現(xiàn) ROS topic 與 Ark 消息通道之間的雙向通信。用戶可在不改動(dòng)原有 ROS 代碼的前提下，實(shí)現(xiàn) ROS 與 Ark 的混合運(yùn)行，這也為從 ROS 逐步遷移至 Ark 提供了平滑過(guò)渡路徑。根據(jù)我們與多家機(jī)器人實(shí)驗(yàn)室的實(shí)際使用反饋，目前橋接器主要支持 ROS 1；對(duì) ROS 2 的支持將根據(jù)社區(qū)需求進(jìn)一步評(píng)估和推進(jìn)。

內(nèi)省與調(diào)試工具

機(jī)器人系統(tǒng)通常由多個(gè)進(jìn)程構(gòu)成，模塊間耦合復(fù)雜，因此一套完善的可視化與調(diào)試工具對(duì)快速定位和解決問(wèn)題至關(guān)重要。Ark 為此提供了以下核心工具：

Ark Graph：實(shí)時(shí)顯示系統(tǒng)中所有活躍節(jié)點(diǎn)、它們發(fā)布與訂閱的消息通道以及當(dāng)前可用的服務(wù)，幫助用戶快速理解系統(tǒng)拓?fù)浜屯ㄐ抨P(guān)系。Ark Plot：支持對(duì)任意數(shù)值型消息通道進(jìn)行實(shí)時(shí)繪圖，可用于觀察變量隨時(shí)間的變化趨勢(shì)，例如整定控制參數(shù)或診斷傳感器數(shù)據(jù)行為。Ark Viewer：實(shí)時(shí)可視化任意基于 LCM 傳輸?shù)膱D像消息通道，適用于相機(jī)標(biāo)定、運(yùn)行監(jiān)控和圖像算法調(diào)試。

此外，Ark 選擇 LCM 作為通信中間件的另一個(gè)重要原因，在于其原生提供的調(diào)試與內(nèi)省工具套件。例如 lcm-spy 能夠以圖形化方式查看網(wǎng)絡(luò)中流通的消息，提供類(lèi)似于 Wireshark 或 tcpdump 的抓包分析體驗(yàn)，用戶可以查看各通道的詳細(xì)統(tǒng)計(jì)信息，包括接收消息數(shù)量、消息頻率（Hz）、網(wǎng)絡(luò)抖動(dòng)（ms）等關(guān)鍵指標(biāo)，極大增強(qiáng)了系統(tǒng)的可觀測(cè)性與調(diào)試效率。

圖 3: Ark 可視化調(diào)試工具

用例

本節(jié)將通過(guò)一系列典型用例，展示如何使用 Ark 快速構(gòu)建常見(jiàn)的機(jī)器人學(xué)習(xí)工作流。所有示例均提供完整代碼，以便讀者復(fù)現(xiàn)和實(shí)踐。

在仿真與現(xiàn)實(shí)之間切換

將訓(xùn)練好的策略部署至真實(shí)機(jī)器人往往伴隨顯著的安全與工程化挑戰(zhàn)，而許多現(xiàn)有框架缺乏端到端的一體化流程，導(dǎo)致解決方案分散、難以系統(tǒng)化和泛化。Ark 通過(guò)一層高度可配置的抽象機(jī)制，基于統(tǒng)一的 Python/C++ 驅(qū)動(dòng)架構(gòu)，實(shí)現(xiàn)了從仿真到真實(shí)系統(tǒng)的無(wú)縫部署。用戶只需在完成環(huán)境（包括機(jī)器人、傳感器、物體等）的統(tǒng)一定義后，于配置文件中切換 sim=True/False，即可切換至目標(biāo)運(yùn)行環(huán)境。

我們?cè)?ViperX 300s 固定基座機(jī)械臂上進(jìn)行了抓取 - 放置任務(wù)的實(shí)例驗(yàn)證。整個(gè)環(huán)境通過(guò)一份 YAML 配置文件統(tǒng)一指定，包括物體的初始位置、相機(jī)與機(jī)器人的位姿以及物理參數(shù)。觀測(cè)值為當(dāng)前關(guān)節(jié)位置指令，動(dòng)作為目標(biāo)關(guān)節(jié)速度。仿真和真實(shí)環(huán)境均使用同一人工編寫(xiě)的專(zhuān)家策略進(jìn)行控制。在向真實(shí)機(jī)器人遷移時(shí)，僅需修改一個(gè)配置變量 sim，Ark 便在內(nèi)部自動(dòng)將消息通道從仿真驅(qū)動(dòng)程序切換至物理硬件驅(qū)動(dòng)，其余所有代碼及數(shù)據(jù)結(jié)構(gòu)均無(wú)需變更。

圖 4: 基于統(tǒng)一配置的 Ark 分布式仿真系統(tǒng)架構(gòu)，通過(guò) YAML 文件定義機(jī)器人、傳感器及組網(wǎng)參數(shù)，實(shí)現(xiàn)與真實(shí)部署一致的多節(jié)點(diǎn)仿真，支持策略無(wú)縫遷移

模仿學(xué)習(xí)的數(shù)據(jù)采集

模仿學(xué)習(xí)通常需要大規(guī)模的高質(zhì)量演示數(shù)據(jù)，目前常見(jiàn)的采集方式主要包括以下兩種：

徒手示教（Kinesthetic Teaching）：操作者直接通過(guò)物理引導(dǎo)機(jī)械臂完成動(dòng)作任務(wù)。這種方式直觀自然，但存在設(shè)備安全與人員操作風(fēng)險(xiǎn)；遙操作（Teleoperation）：通過(guò) VR 頭顯與手柄、游戲手柄等設(shè)備，在安全距離外對(duì)機(jī)器人進(jìn)行控制。該方法避免了直接接觸，但可能受限于視覺(jué)反饋質(zhì)量和運(yùn)動(dòng)映射準(zhǔn)確性，對(duì)操作者技能有一定要求。

得益于 Ark 高度模塊化的架構(gòu)和強(qiáng)類(lèi)型消息通道機(jī)制，用戶可以靈活接入不同類(lèi)型的示教接口。我們利用 LCM 提供的 lcm-logger 工具實(shí)時(shí)記錄所有通道的數(shù)據(jù)至日志文件。Ark 內(nèi)置從日志中提取數(shù)據(jù)并轉(zhuǎn)換為 CSV 格式的工具，并支持沿用環(huán)境中已定義的觀測(cè)與動(dòng)作通道配置，從而確保數(shù)據(jù)格式在采集、訓(xùn)練與最終部署階段完全一致。

徒手示教：

以 ViperX 300s 機(jī)械臂為例，操作者可直接牽引機(jī)械臂完成目標(biāo)任務(wù)，LCM 同步記錄完整的關(guān)節(jié)軌跡與系統(tǒng)狀態(tài)。盡管在該示例中相機(jī)未參與控制回路，但仍可用于錄制視覺(jué)數(shù)據(jù)以供后續(xù)分析。演示結(jié)束后，記錄的數(shù)據(jù)既可用于策略訓(xùn)練，也可通過(guò) lcm-logplayer 進(jìn)行逐幀回放，這對(duì)于處理包含人體影像（可能引入視覺(jué)偏置）或復(fù)雜物理交互的任務(wù)尤為有用。Ark 還提供了一鍵重置服務(wù)，例如將 “重置” 操作綁定至鍵盤(pán)按鍵，極大方便了連續(xù)多次示教與系統(tǒng)評(píng)估。

遙操作：

Ark 支持多種輸入設(shè)備，如 VR 控制器與游戲手柄（如 PS4 手柄）。在一種典型配置中，用戶通過(guò) VR 控制器實(shí)時(shí)發(fā)送 6 自由度位姿指令，系統(tǒng)通過(guò)逆運(yùn)動(dòng)學(xué)（IK）節(jié)點(diǎn)將其轉(zhuǎn)化為關(guān)節(jié)速度目標(biāo)；另一種配置則使用手柄直接控制機(jī)械臂末端位姿。整個(gè)數(shù)據(jù)采集流程由一系列可復(fù)用的 Ark 節(jié)點(diǎn)協(xié)同完成，包括手柄控制節(jié)點(diǎn)、環(huán)境轉(zhuǎn)換節(jié)點(diǎn)（將手柄信號(hào)轉(zhuǎn)為末端目標(biāo)）、IK 解算節(jié)點(diǎn)（將位姿轉(zhuǎn)為關(guān)節(jié)指令），以及用于發(fā)布圖像和關(guān)節(jié)狀態(tài)的傳感器節(jié)點(diǎn)。憑借 LCM 強(qiáng)類(lèi)型和通道隔離的特性，更換相機(jī)或控制器時(shí)無(wú)需修改其他模塊。采集完成后，用戶可使用相同的通道配置從日志中提取標(biāo)準(zhǔn)化數(shù)據(jù)，直接用于訓(xùn)練。操作者還可通過(guò)手柄的 “X” 鍵快捷保存當(dāng)前軌跡并觸發(fā)機(jī)械臂復(fù)位至中立姿態(tài)。

圖 5: lcm-logger 通過(guò)記錄來(lái)自多種控制接口的演示實(shí)現(xiàn)高效的數(shù)據(jù)采集

模仿學(xué)習(xí)

在本節(jié)中，我們展示了若干實(shí)現(xiàn)模仿學(xué)習(xí)的應(yīng)用案例，重點(diǎn)介紹如何使用 Ark 進(jìn)行數(shù)據(jù)采集、訓(xùn)練和策略部署。我們將展示了兩種模仿學(xué)習(xí)方法：（i）Diffusion Policy，（ii）ACT，Ark 作為核心基礎(chǔ)設(shè)施，提供模塊化組件、標(biāo)準(zhǔn)化接口和實(shí)時(shí)通信機(jī)制，顯著簡(jiǎn)化了從數(shù)據(jù)收集到策略部署的整個(gè)流程。

Diffusion Policy 實(shí)現(xiàn)與部署示例：

我們?cè)?ViperX 300s 機(jī)械臂與 Intel RealSense RGB 相機(jī)上完成了推動(dòng)任務(wù)（pushing）Diffusion Policy 實(shí)驗(yàn)。該任務(wù)的觀測(cè)空間包括機(jī)器人關(guān)節(jié)位置及連續(xù)的 RGB 圖像流，動(dòng)作空間為關(guān)節(jié)位置指令。在部署階段，系統(tǒng)完全復(fù)用了數(shù)據(jù)采集時(shí)的架構(gòu)：僅將原本的 “手柄控制節(jié)點(diǎn)” 替換為 “策略節(jié)點(diǎn)”。該策略節(jié)點(diǎn)從觀測(cè)通道讀取圖像和關(guān)節(jié)狀態(tài)，并通過(guò)同一動(dòng)作通道發(fā)布目標(biāo)末端位姿。由于執(zhí)行通路與采集階段保持一致，用戶無(wú)需修改任何底層基礎(chǔ)設(shè)施即可直接驗(yàn)證學(xué)習(xí)到的策略。

圖 6: Viper X 300s 機(jī)械臂執(zhí)行擴(kuò)散策略的連續(xù)動(dòng)作序列

ACT 實(shí)現(xiàn)與部署示例：

除擴(kuò)散策略外，我們還基于 OpenPyro-A1 人形機(jī)器人平臺(tái)實(shí)現(xiàn)了 ACT 方法的示例。通過(guò) VR 設(shè)備進(jìn)行遙操作，收集了包括 “衣服整理” 與 “物體接力” 在內(nèi)的多類(lèi)任務(wù)數(shù)據(jù)。通過(guò)訓(xùn)練得到的策略能夠生成精細(xì)且包含豐富接觸交互的操作行為，展現(xiàn)出較強(qiáng)的泛化與實(shí)物操作能力。

圖 7: OpenPyro 使用 ACT 策略執(zhí)行衣服整理和物體接力任務(wù)

移動(dòng)機(jī)器人

許多現(xiàn)實(shí)任務(wù)（如設(shè)備巡檢）要求機(jī)器人能夠在環(huán)境中自主移動(dòng)至多個(gè)目標(biāo)點(diǎn)。實(shí)現(xiàn)該能力需同時(shí)解決兩個(gè)問(wèn)題：構(gòu)建環(huán)境地圖（建圖）并在地圖中實(shí)時(shí)定位自身（定位），這一過(guò)程合稱(chēng)為同步定位與建圖（SLAM）。當(dāng)?shù)貓D構(gòu)建完成且定位穩(wěn)定可靠后，機(jī)器人即可通過(guò)路徑規(guī)劃算法實(shí)現(xiàn)導(dǎo)航。

我們?cè)?Ark 中實(shí)現(xiàn)了一套完整的移動(dòng)機(jī)器人導(dǎo)航流程：首先通過(guò)遙操作控制機(jī)器人運(yùn)動(dòng)，并利用機(jī)載 LiDAR 數(shù)據(jù)構(gòu)建地圖；建圖完成后，使用 A* 算法進(jìn)行全局路徑規(guī)劃，并結(jié)合距離變換技術(shù)確保與障礙物保持安全距離；最后通過(guò) PD 控制器跟蹤路徑點(diǎn)，生成差速驅(qū)動(dòng)所需的輪速指令。

建圖：

為實(shí)現(xiàn)建圖與定位，Ark 提供了一套 “遙操作輔助 SLAM” 流程，包含兩個(gè)核心節(jié)點(diǎn)：遙操作控制器與概率 SLAM 模塊，兩者通過(guò)消息通道通信。用戶通過(guò)遙操作節(jié)點(diǎn)發(fā)送線速度和角速度指令，這些指令經(jīng) Ark 動(dòng)作通道發(fā)送至底層控制器，轉(zhuǎn)換為左右輪速。同時(shí)，LiDAR 數(shù)據(jù)與控制指令被實(shí)時(shí)發(fā)送至 SLAM 節(jié)點(diǎn)，用于融合估計(jì)機(jī)器人位姿并構(gòu)建地圖。我們采用基于 Rao–Blackwellized 粒子濾波的 FastSLAM 方法：每個(gè)粒子同時(shí)維護(hù)位姿估計(jì)和一個(gè)占據(jù)柵格地圖，柵格概率取值從 0（空閑）到 1（占據(jù)）。系統(tǒng)結(jié)構(gòu)如圖 8 所示。

圖 8：Husky 機(jī)器人在 Ark 工具支持下于廚房環(huán)境實(shí)現(xiàn) SLAM 建圖與導(dǎo)航

導(dǎo)航：

在已知地圖且能可靠定位的基礎(chǔ)上，機(jī)器人可進(jìn)行運(yùn)動(dòng)規(guī)劃。我們集成 A* 算法作為全局規(guī)劃器。規(guī)劃器接收目標(biāo)點(diǎn)位置和 SLAM 生成的占據(jù)柵格地圖。首先通過(guò)閾值將地圖二值化，再計(jì)算距離變換圖以獲取每個(gè)柵格到最近障礙物的距離，確保路徑滿足 “半車(chē)寬 + 安全裕量” 的避障要求。A* 輸出一條平滑的避障路徑，表示為一系列笛卡爾路標(biāo)點(diǎn) (x,y)，并按設(shè)定分辨率進(jìn)行下采樣以提高執(zhí)行效率?？刂谱酉到y(tǒng)根據(jù)實(shí)時(shí)位姿和路徑點(diǎn)序列逐點(diǎn)跟蹤：先調(diào)整機(jī)器人朝向，再沿直線移動(dòng)至當(dāng)前路標(biāo)，進(jìn)入容差范圍后自動(dòng)切換下一目標(biāo)。最終輸出線速度和角速度，并轉(zhuǎn)換為差速驅(qū)動(dòng)的輪速指令。

具身智能

大語(yǔ)言模型（LLM）與視覺(jué) - 語(yǔ)言模型（VLM）顯著提升了機(jī)器人的高層推理能力。Ark 憑借其模塊化設(shè)計(jì)與 Python 優(yōu)先的架構(gòu)，天然適合將 LLM/VLM 作為高層策略選擇器集成到機(jī)器人控制回路中。

我們?cè)?Viper 機(jī)械臂上構(gòu)建了一個(gè)基于 LLM 的智能體系統(tǒng)（圖 9），采用 DeepSeek-R1 作為底層模型，遵循 “代碼即策略（code-as-policy）” 范式：將 “抓取”“按位置放置”“移除物體” 等操作封裝為可參數(shù)化的策略函數(shù)。這些函數(shù)組成策略庫(kù)供 LLM 調(diào)用，模型根據(jù)任務(wù)上下文從庫(kù)中選擇合適技能并生成代碼執(zhí)行。

Ark 將整個(gè)系統(tǒng)解耦為感知、語(yǔ)言推理與運(yùn)動(dòng)執(zhí)行等多個(gè)獨(dú)立節(jié)點(diǎn)。DeepSeek 被封裝為一個(gè)服務(wù)節(jié)點(diǎn)，接收結(jié)構(gòu)化提示詞（包含場(chǎng)景觀測(cè)、可用函數(shù)和任務(wù)描述）并返回推理結(jié)果。每一步?jīng)Q策中，感知節(jié)點(diǎn)將棋盤(pán)狀態(tài)、圖像等觀測(cè)數(shù)據(jù)發(fā)布到消息通道，經(jīng)整理后通過(guò)服務(wù)調(diào)用發(fā)送至 LLM 節(jié)點(diǎn)，觸發(fā)一次策略生成。

圖 9：Ark 框架通過(guò)集成 DeepSeek 大模型賦予 Viper 機(jī)械臂國(guó)際象棋對(duì)弈能力

未來(lái)工作和總結(jié)

展望未來(lái)，Ark 計(jì)劃重點(diǎn)發(fā)展兩大方向：一是強(qiáng)化強(qiáng)化學(xué)習(xí)（RL）基礎(chǔ)設(shè)施，通過(guò)原生集成 Stable Baselines3 和 RLlib 等主流框架，支持并行環(huán)境執(zhí)行，并提供統(tǒng)一的環(huán)境抽象接口，實(shí)現(xiàn)在仿真與真實(shí)機(jī)器人之間高效訓(xùn)練、評(píng)估和部署 RL 策略；二是提升高保真仿真能力，在現(xiàn)有 PyBullet 和 MuJoCo 支持的基礎(chǔ)上，進(jìn)一步引入域隨機(jī)化、可微物理等關(guān)鍵特性，增強(qiáng)策略的魯棒性和仿真到現(xiàn)實(shí)的遷移效果，同時(shí)與高性能仿真后端深度集成，構(gòu)建更精確、可擴(kuò)展且功能豐富的模擬環(huán)境。

Ark 以現(xiàn)代化、模塊化和用戶友好的架構(gòu)，致力于在機(jī)器人學(xué)與機(jī)器學(xué)習(xí)之間建立高效橋梁：既大幅降低了真實(shí)機(jī)器人部署的技術(shù)門(mén)檻，又保持了面向前沿研究的靈活性與擴(kuò)展性。隨著仿真性能的提升、RL 生態(tài)融合的深化以及工具鏈的持續(xù)完善，Ark 有望發(fā)展成為支撐具身智能研究的重要通用平臺(tái)，推動(dòng)機(jī)器人學(xué)習(xí)社區(qū)不斷向前邁進(jìn)。

表 1：Ark 與同類(lèi)框架的功能對(duì)比，紅色圓圈表示該框架不支持該特性