OpenArm 2.0 以標準化 Cell 固定相機與光線，補上實體 AI 跨實驗室評測缺口

OpenArm 在 9 月 14 日更新 2.0 文件，將專案從單一開源機械臂擴展為涵蓋硬體、示教、資料集與評測環境的 physical-AI 平台。核心手臂仍維持人類尺度的 7 自由度、4.1 公斤額定及 6.0 公斤峰值負載；兩個數字都包含末端執行器重量，因此更換較重夾爪後，可用負載必須相應扣除。

2.0 的直接硬體變化集中在末端執行器。新版平行夾爪採較緊湊的驅動結構，手指可以替換，並把相機放進夾爪外殼，以取得抓取期間的近手影像。這有助於蒐集遮擋嚴重、需要精細接觸的操作資料，也讓研究者能針對物件幾何修改手指，而不用重做整個夾爪；代價是不同手指、相機視角及末端重量仍可能改變策略分布，資料集必須完整記錄硬體配置。

更重要的新元件是 OpenArm Cell。它以固定背景、照明、相機位置、校正方式與手臂安裝點，降低各實驗室自行搭建場景造成的 domain shift。公開倉庫另提供 ROS 2、CAN 控制、MuJoCo、Isaac Lab、teleoperation、資料記錄格式與 Python API；硬體 CAD 採 CERN-OHL-S-2.0，主要軟體則使用 Apache 2.0。這種「機構、模擬、資料格式和測試場景一起發布」的做法，比只開放 URDF 更接近可重製的機器人學習基礎設施。

不過，標準化裝置只能控制部分變因，還不能證明不同機器、馬達批次、相機曝光或組裝公差會得到等價結果。官方目前也沒有公布以 Cell 進行的大規模跨站 benchmark、校正誤差範圍或策略成功率。規劃中的無馬達 KER 被動示教器尚未完成發布；硬體倉庫還註明 Google Drive 才是 CAD 與 BOM 的 source of truth，GitHub release 只是鏡像。研究團隊下一步應關注版本鎖定、感測器校正檔、資料 schema 與真實硬體測試協定，否則同名的「OpenArm 2.0」仍可能產生不可直接比較的結果。