{"schema_version":"1.0","service":"Publicasta","type":"article","id":625,"slug":"openarm_2_reproducible_physical_ai_research_stack","title":"OpenArm 2.0：让可复现的实体 AI 实验成为真正的开源项目","excerpt":"OpenArm 2.0 的价值不只在于一条七自由度机械臂，而在于它试图把开放硬件、ROS 2、仿真、远程操控、数据集和共享评测单元接成一套可由其他实验室重复运行的工作流。","language":"zh","default_language":"en","canonical_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack?lang=zh","image":{"url":"https://publicasta.com/storage/projects/10/pages/625/2026/09/e99395d4-f3a9-45ec-876e-344b3e9b036c.webp","alt":"标准化研究评估单元中的通用协作机器人手臂，周围配有摄像头和校准物体。"},"publisher":{"id":10,"slug":"open_source_radar","name":"Open Source Radar","url":"https://publicasta.com/open_source_radar"},"author":{"name":"Anton R"},"published_at":"2026-09-16T13:58:19+00:00","updated_at":"2026-09-16T13:58:19+00:00","content_markdown":"机械臂很容易拍下来，却很难复现。两家实验室可以买到名义上相同的硬件，运行同一个策略，最后采集的数据却可能来自不同的相机位置、光照、标定流程、控制器设置和任务定义。结果有所改善时，很难判断是模型真的变好了，还是实验环境悄悄换了。\n\n ![标准化研究评估单元中的通用协作机器人手臂，周围配有摄像头和校准物体。](https://publicasta.com/storage/projects/10/pages/625/2026/09/e99395d4-f3a9-45ec-876e-344b3e9b036c.webp)\n\n OpenArm 2.0 正在尝试处理的正是这个问题。Enactic 将该项目呈现为一条开源的七自由度仿人机械臂，但真正重要的变化并不止于机构本身。2.0 产品线把机械臂与评测单元、数据格式、仿真环境、ROS 2 软件包、远程操控流程以及未来的被动示教设备组合起来，目标是让实体 AI 实验能够在不同机器之间迁移，并最终在不同实验室之间重复。\n\n 这个项目之所以受到关注，是因为按照研究机器人行业的标准，它的硬件门槛异常低：项目宣传的完整双臂系统价格为 6500 美元，同时提供组装版和 DIY 路径。价格当然重要，但它并不是最值得关注的地方。更有影响力的想法是：机器人应当被当作一个可复现的软件与数据平台，而不是一台只能服务于单个课题的一次性研究装置。\n\n OpenArm 仍在积极开发中。项目自己的文档指出，硬件桥接组件还不稳定，MoveIt 2 工作仍在推进，KER 领航设备也尚未发布。因此，合理的问题不是它是否已经可以取代每一种实验室平台，而是这套开放技术栈是否已经适合某一类研究者，以及它的局限是否足够透明、足够容易管理。\n\n ## OpenArm 2.0 到底增加了什么\n\n OpenArm 1.0 先确立了基本命题：一条接近人类尺度、拥有公开硬件设计、软件和文档的机械臂。2.0 保留了核心机械范围，却围绕完整工作流重新组织项目。Enactic 的 [2.0 概览](https://docs.openarm.dev/overview/whats-new-in-2.0/) 将其描述为三个相互连接的部分：OpenArm 2.0 机械臂、OpenArm Cell，以及 OpenArm KER。最后一项尚未发布，所以应当把它视为计划中的组件，而不是今天购买后就能使用的功能。\n\n 机械臂依然是安装在 MISUMI 框架底座上的七自由度设计。已公布的规格列出 4.1 千克的标称负载和 6.0 千克的峰值负载，两者都包括末端执行器。这些数字有助于理解它面向的研究范围，但并不意味着任何负载在任何姿态或运动中都安全。文档将标称数值定义在最不利姿态、持续一分钟的条件下，并将其与短时峰值负载区分开来。夹爪、相机、工具或定制夹具都会占用这部分负载余量。\n\n OpenArm Cell 才是对可复现性更重要的新增部分。它提供了一个标准化环境，统一背景、照明和相机位置。只有当团队尝试比较相隔数月记录的示范数据时，才会意识到这些细节有多实际。天花板相机高度的改变会影响物体在画面中的表观尺寸；不同灯光会改变杯子的反光，或改变线缆边缘的对比度；新的桌面则可能把一个学会的抓取动作变成只对某个基准环境有效的技巧。\n\n 评测单元无法消除所有变化来源，但它能建立共同参照。[项目网站](https://enactic.ai/) 将该单元描述为支持自动评估、比较不同迭代中机器人策略的一种方式。这个承诺比通常所说的“开源硬件将使机器人技术民主化”更有用。降低平台成本，意味着更多人能够拥有它；统一实验，则意味着他们能够真正相互借鉴。\n\n 第三个组件 KER 被设计为一种被动、无电机的示教设备。Enactic 表示，零执行器设计足够轻，可以穿戴或安装在操作员附近，目的是减少长时间远程操控时的疲劳。不过它目前也明确尚未可用。这个区别很重要，因为当前的数据采集流程依赖已经发布的工具：VR/WebXR 远程操控、仿真，以及对实体机械臂的直接控制。\n\n ## 软件技术栈才是真正的产品\n\n 代码仓库被拆成与常见研究任务相对应的部分。主项目链接到硬件 CAD、机器人描述、CAN 控制库、ROS 2 集成、远程操控节点、仿真环境、数据集库，以及与 Dora 数据流框架的连接。[软件指南](https://docs.openarm.dev/api-reference/) 将这套技术栈描述为一组组件，分别用于机器人描述、高频电机控制、CAN 配置、ROS 2 中间件，以及用于控制、记录和推理的独立 Python 进程。\n\n 这种模块化很有价值，因为机器人团队很少会对一套完整框架达成一致。有的团队想用 ROS 2 做控制器、用 MoveIt 2 做规划、用 MuJoCo 做动力学实验、用自定义策略服务器做推理，再用单独的存储格式保存示范。OpenArm 没有把这些需求强行塞进一个单体应用，而是暴露出可以替换或扩展的接口。\n\n 代价是，用户也要接手集成工作。“开放”不等于“一条命令安装完毕”。安装指南以 Ubuntu 为基础，并推荐 ROS 2 Humble；Jazzy 支持仍被描述为进行中，而且可能不稳定。ROS 2 软件包需要控制器及硬件接口依赖。真实硬件需要 CAN 接口和相应的底层库。没有 ROS 经验的团队，必须先花时间学习中间件，才能进入真正关心的实验。\n\n [ROS 2 控制文档](https://docs.openarm.dev/api-reference/ros2/control/) 清楚划出了边界。该软件包可以暴露位置、速度和力矩指令，也可以运行在模拟硬件上，这对测试很有帮助。但同一页面也提醒，硬件桥接组件正在更新，夹爪桥接尤其活跃，MoveIt 2 集成仍在开发。这些提醒并非脚注，而是区分有潜力的研究平台与成熟生产机器人的关键。\n\n 实际评估应当从虚拟硬件路径开始。如果团队连机器人描述都无法启动、无法检查关节状态、无法运行仿真控制循环，那么购买机械臂并不会消除软件问题，只会在原有问题上再叠加电机、电源电子设备、标定、机械限位和安全流程。\n\n ## 机器人到手前，仿真已经能发挥作用\n\n OpenArm 对 MuJoCo 的支持，让它比纯硬件套件拥有更好的切入点。[仿真指南](https://docs.openarm.dev/simulation/mujoco/) 提供了机械臂和双臂配置的 MJCF 文件，并说明如何把它们加载到 MuJoCo 模拟器中。项目在仿真中使用力矩控制，这比简单播放关节角度动画更接近研究团队需要解决的控制问题。\n\n 文档还把仿真描述为测试数据采集流程的场所。借助 WebXR，研究者可以用 VR 控制器操控 MuJoCo 版本的机械臂，记录回合，检查生成的数据，再将其转换成训练格式，而无需先拥有实体硬件。[WebXR 教程](https://docs.openarm.dev/tutorial/data-collection-webxr/) 展示了完整流程：本地数据采集界面、基于浏览器的 VR 控制器、成功与失败标签，以及 OpenArmDataset 输出目录。\n\n 这种顺序改变了实验室降低项目风险的方式。团队可以先判断操作员能否稳定完成任务，检查任务表示是否记录了所需观测，搭建策略训练流水线，并确认推理接口是否足够快。只有到这一步之后，团队才需要面对真实机械臂的成本和安全要求。\n\n 仿真不会揭示所有问题。接触动力学、线缆拖拽、电机温度、回差、传感器噪声、物体差异和急停行为，都可能让一个在 MuJoCo 中表现良好的策略在现实中失效。指南本身也表示，在较早版本之后，用于真实硬件模拟的 ROS 2 桥接仍有待推出。因此，仿真应被视为集成和迭代工具，而不是实体部署能够成功的证据。\n\n 还有一个很实际的细节：WebXR 需要 HTTPS。教程要求操作员生成证书、打开本地页面，并在 VR 设备上接受自签名证书。这对实验室来说可以处理，但它正是发布公告中容易被略过、设置时却可能消耗一下午的细节。文档的价值在于，它会在实验开始前把这个细节摆出来。\n\n ## 数据集层解决了一个常被忽略的问题\n\n 机器人项目经常发布一个模型和一段简短演示视频，却把数据流水线留在背景里。即使硬件可用，这也会让实验难以复现。OpenArm 对数据集的工作，尝试把每个实验回合本身变成一等成果。\n\n [数据集文档](https://docs.openarm.dev/dataset/) 描述了一种目录结构，包含回合、动作与状态数据、相机流、元数据和任务信息。API 围绕磁盘上的目录设计，而不是数据库服务。元数据会预先读取，其余数据则可以按需访问。对于大型录制文件，这是合理的结构：团队可以用普通文件移动数据集，检查元数据，并且只处理某项工作所需的相机或回合。\n\n API 参考文档记录了 0.3.0 版本数据集布局的变化。状态数据被拆分为每一侧机械臂的位置、速度和力矩表，而旧布局可能只提供位置数据。该库还提供转换到 LeRobot v2.1 的路径，既支持 Python，也支持命令行入口。这个桥接很重要，因为只有能够把项目专用数据带入更广泛生态，专用格式才真正有用。\n\n 文件格式不会凭空让数据集变得可比较。研究者仍需记录相机标定、机器人版本、夹爪配置、物体身份、任务说明、操作员信息、时间信息、失败尝试和环境条件。一致的文件布局只是地板，不是天花板。OpenArm 的优势在于，它为这些字段提供了存放位置，也提供了 API，而不是让每个实验室都从头发明一套约定。\n\n WebXR 教程中的成功与失败控制也很值得注意。学习系统对“什么算成功回合”非常敏感。如果一个团队在几乎成功抓取后就停止记录，另一个团队只把完成放置才标成成功，那么即使机器人和相机一致，两个数据集也不能互换。明确标记回合并不能消除主观标注，却能让这个决定变得可见，并且可以被机器读取。\n\n ## 推理过程与机器人运行时分离\n\n OpenArm 的推理流程在策略代码与机器人控制之间划出了一条有用边界。[推理指南](https://docs.openarm.dev/tutorial/inference/) 描述了一个策略服务器：它接收包含相机数据和关节位置的观测包，运行模型，再返回一段关节位置动作。运行时组织为 Dora 数据流，而与模型相关的代码则被放在本地套接字契约之后。\n\n 这种分离带来几个好处。策略作者可以调整模型，而不必重写硬件传输。团队可以替换模型服务器，同时保持观测和动作管线稳定。模型进程发生故障时，可以把它作为进程级事件处理，而不用让故障逻辑纠缠在每个电机控制函数里。这个接口也更容易检查：输入、输出、时间戳和动作维度都能独立测试。\n\n 这条边界并不是完整的安全系统。返回格式有效的 JSON 动作片段，并不意味着动作安全。控制器仍然需要限位、看门狗行为、碰撞处理、实体急停，以及能够介入的操作员。一个模型在离线回放中表现良好，遇到相机被遮挡或关节状态延迟时，仍可能生成危险指令。开放技术栈让这些层次可以被审查，但责任仍在集成者身上。\n\n 因此，应当谨慎理解 OpenArm 关于顺应性和可回驱性的说法。这些说法描述的是有助于接触密集型任务和更安全交互的机械属性，并不会消除风险评估、受保护测试、保守速度或明确工作范围的必要性。一条可以被人推动的机械臂，并不会自动地在面对所有人、所有物体或所有控制策略时都安全。\n\n ## 现在适合哪些人尝试\n\n OpenArm 2.0 很适合想研究模仿学习、远程操控、双臂操作、从示范中学习机器人行为，或在受控单元中评估策略的研究者。对于构建实体 AI 数据集工具、仿真到现实迁移、ROS 2 控制和本地推理系统的工程师，它同样值得关注。从 MuJoCo 起步，再逐步转向硬件，为这些团队提供了一条具体的开发路线。\n\n 它对小型高校实验室和独立研究者尤其有吸引力：这些团队可能无法承担专有研究平台，却能够围绕公开 CAD、通用组件和开放中间件搭建系统。DIY 选项也改变了研究者与机器的关系。团队可以检查物料清单、调整夹具、理解控制路径，并向上游贡献改进。这比面对一台故障处理方式只有“联系供应商”的封闭机器人，更适合学习。\n\n 如果团队需要交钥匙生产单元、长期支持合同、经过验证的工业安全认证，或者保证与固定商业自动化栈兼容，那么它就不太合适。对于完全不想接触 Linux、ROS 2、机电调试或数据集工程的人来说，它也不是理想的第一个机器人项目。与研究机器人相比，较低的购买价并不意味着总成本低。实验室仍然需要计算机、电源和通信硬件、工具、相机、使用 WebXR 时所需的 VR 设备、备件、夹具，以及大量时间。\n\n 合理的第一个项目应当足够窄：一个物体、一个工作空间、一种夹爪配置，以及少量操作员示范。目标应该是测量完整闭环——记录、标注、训练、推理和恢复——而不是做出一段惊艳演示。如果团队更换机器或重建工作空间后仍能复现自己的结果，那么它就真正学到了有关这个平台的重要信息。\n\n ## 购买前应检查什么\n\n 第一项检查应当是许可证。主仓库列出了项目中混用的许可证：硬件仓库使用 CERN-OHL-S-2.0，若干软件仓库使用 Apache-2.0。[OpenArm 仓库](https://github.com/enactic/OpenArm) 链接了各个主要组件，并标明了对应许可证。计划修改 CAD、重新分发构建版本、捆绑固件或发布商业衍生品的实验室，应逐一阅读各组件的许可证，不要把“完全开源”当成一个统一的法律类别。\n\n 第二项检查是版本对齐。OpenArm 同时存在 v1.0 和 v2.0 模型、多个代码仓库、不同 ROS 2 发行版，以及持续变化的文档。某个教程可能适用于一种机械臂修订版，换到另一版就需要调整。固定仓库提交版本，记录 ROS 发行版，并保存机器可读的物料清单，是基本的可复现实践。对于实体平台而言，这些做法尤其重要，因为很小的机械变化也可能改变标定和控制行为。\n\n 第三项检查是模拟系统与真实系统之间的差距。运行虚拟硬件启动文件，加载 MJCF，采集一个小数据集，把它转换成目标训练格式，实现一个能够输出动作但不会移动电机的策略服务器。随后阅读真实硬件说明，找出所有仍然含糊的组件：CAN 适配器、电机配置、夹爪行为、标定、限位、启动顺序，以及通信丢失后的恢复方式。\n\n 第四项检查是维护状况。GitHub 显示 OpenArm 组织下有活跃仓库和近期工作，但活跃度不等于成熟的支持体系。应查看未解决问题、发行说明、贡献指南、破坏性变更、测试覆盖率，以及硬件回归问题如何被通报。机器人平台是一种具有物理后果的依赖项。如果更新改变了控制器参数，结果可能不只是构建失败。\n\n [发布历史](https://github.com/enactic/OpenArm/releases) 显示，该项目通过持续的硬件和软件修订逐步发展，变化包括外壳、夹爪、ROS 2 软件包、与负载相关的组件以及仿真文件。对年轻平台而言，这很正常，但也意味着买家应为维护预算，不应假定某个仓库快照就等同于受到支持的产品版本。\n\n ## 替代方案，以及 OpenArm 留下的问题\n\n 研究者当然有其他选择，但它们通常在优化不同的约束。商业机械臂可以提供成熟支持和工业集成。较成熟的学术平台可能拥有更多已发表研究、已知的标定流程，或更稳定的数据生态。低成本教育型机械臂降低了入门门槛，但可能不具备 OpenArm 所针对的负载、顺应性或双臂工作流。纯仿真平台可以避开硬件成本，却无法回答真实接触和真实感知的问题。\n\n OpenArm 的独特选择，是把硬件、仿真、数据采集和评测放进同一个开放项目。这为共享基准创造了机会，但前提是社区不要满足于发布互相孤立的演示。真正有用的进步单位，不只是某个新策略在一台机器人上运行，而应是一项任务、一个数据集、一个环境描述、一套评测脚本和一个版本化软件栈，另一组团队能够运行并提出挑战。\n\n 这个项目也暴露了开放机器人领域更广泛的张力。公开 CAD 并不会自动形成社区。只有当各部分有文档、价格足以让人获得、稳定到可以使用，并且结构足够清楚以便比较时，社区才会形成。OpenArm 在 2.0 中推进 Cell 和 Dataset，瞄准的正是开放设计与真正运转的研究生态之间的中间层。\n\n 这层建设需要时间。KER 设备尚未发布，硬件桥接和夹爪集成仍被标记为进行中，Jazzy 支持也没有被描述为完全稳定。实体安全、供应可得性、装配质量和标定结果会因构建方式而异。项目的开放性让这些风险更容易被调查，却不会自动让风险变小。\n\n ## 实际结论\n\n 如果你想运行的实验与从实体交互中学习有关，并且愿意承担集成工作，那么 OpenArm 2.0 值得尝试。它最强的贡献不在于仿人外形或宣传价格，而在于尝试把通常彼此分离的部分接起来：一台可检查的机器人、一套仿真模型、一个远程操控接口、一份结构化数据集、一个策略边界，以及一个可重复的评测环境。\n\n 对研究者来说，最好的起点是软件路径。使用虚拟硬件，检查机器人描述，运行 MuJoCo 模型，采集 WebXR 示范，并检查 OpenArmDataset 的输出。确认目标任务有多少内容能够顺利转换到训练框架中。只有在这之后，实验室才应决定实体机械臂和评测单元是否能够回答仿真无法回答的问题。\n\n 对买家而言，建议同样具体：固定版本，阅读许可证，为安全工程预留资源，并把当前文档中的警告视为产品规格的一部分。OpenArm 不是交钥匙式工业机器人，而是一套公开、持续演进的研究技术栈。它的价值，最终要看其他团队能否复现、修改并扩展这项工作。\n\n 这是一个高要求的标准，却是正确的标准。实体 AI 不会因为又一台机器人生成了一段精致视频就变得更可信。只有当同一个实验能够被检查、被重复、在安全地失败后继续改进，并且由没有制造原始机器的人完成时，它才会更可信。\n\n ## 来源\n\n - [OpenArm 仓库](https://github.com/enactic/OpenArm)，Enactic, Inc.\n- [OpenArm 2.0 新功能](https://docs.openarm.dev/overview/whats-new-in-2.0/)，OpenArm 文档\n- [Enactic OpenArm 项目网站](https://enactic.ai/)，Enactic, Inc.\n- [OpenArm ROS 2 控制文档](https://docs.openarm.dev/api-reference/ros2/control/)，OpenArm 文档\n- [OpenArm MuJoCo 仿真指南](https://docs.openarm.dev/simulation/mujoco/)，OpenArm 文档\n- [通过 WebXR 进行 VR 远程操控数据采集](https://docs.openarm.dev/tutorial/data-collection-webxr/)，OpenArm 文档\n- [OpenArm Dataset 概览](https://docs.openarm.dev/dataset/)，OpenArm 文档\n- [OpenArm Dataset API 参考](https://docs.openarm.dev/dataset/api/)，OpenArm 文档\n- [OpenArm 推理指南](https://docs.openarm.dev/tutorial/inference/)，OpenArm 文档\n- [OpenArm 发布历史](https://github.com/enactic/OpenArm/releases)，GitHub\n- [OpenArm CAN 控制库](https://github.com/enactic/openarm_can)，GitHub\n- [Enactic 开源 OpenArm：面向实体 AI 研究的七自由度仿人机械臂](https://deniz.in/enactic-open-sources-openarm-a-7dof-humanoid-arm-for-physical-ai-research)，Deniz Genc","available_translations":[{"language":"ar","title":"OpenArm 2.0 يجعل تجارب الذكاء الاصطناعي الفيزيائي القابلة لإعادة الإنتاج هي المشروع الحقيقي مفتوح المصدر","html_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack?lang=ar","markdown_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.md?lang=ar","json_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.json?lang=ar","api_url":"https://publicasta.com/api/public/v1/channels/open_source_radar/articles/openarm_2_reproducible_physical_ai_research_stack?lang=ar"},{"language":"de","title":"OpenArm 2.0 macht reproduzierbare Physical-AI-Experimente zum eigentlichen Open-Source-Projekt","html_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack?lang=de","markdown_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.md?lang=de","json_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.json?lang=de","api_url":"https://publicasta.com/api/public/v1/channels/open_source_radar/articles/openarm_2_reproducible_physical_ai_research_stack?lang=de"},{"language":"en","title":"OpenArm 2.0 makes reproducible physical-AI experiments the real open-source project","html_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack?lang=en","markdown_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.md?lang=en","json_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.json?lang=en","api_url":"https://publicasta.com/api/public/v1/channels/open_source_radar/articles/openarm_2_reproducible_physical_ai_research_stack?lang=en"},{"language":"es","title":"OpenArm 2.0 convierte los experimentos reproducibles de IA física en el verdadero proyecto de código abierto","html_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack?lang=es","markdown_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.md?lang=es","json_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.json?lang=es","api_url":"https://publicasta.com/api/public/v1/channels/open_source_radar/articles/openarm_2_reproducible_physical_ai_research_stack?lang=es"},{"language":"fr","title":"OpenArm 2.0 fait de la reproductibilité des expériences d’IA physique le véritable projet open source","html_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack?lang=fr","markdown_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.md?lang=fr","json_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.json?lang=fr","api_url":"https://publicasta.com/api/public/v1/channels/open_source_radar/articles/openarm_2_reproducible_physical_ai_research_stack?lang=fr"},{"language":"pl","title":"OpenArm 2.0 sprawia, że powtarzalne eksperymenty z fizyczną AI stają się właściwym projektem open source","html_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack?lang=pl","markdown_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.md?lang=pl","json_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.json?lang=pl","api_url":"https://publicasta.com/api/public/v1/channels/open_source_radar/articles/openarm_2_reproducible_physical_ai_research_stack?lang=pl"},{"language":"ru","title":"OpenArm 2.0 превращает воспроизводимые эксперименты с физическим ИИ в настоящий open-source-проект","html_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack?lang=ru","markdown_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.md?lang=ru","json_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.json?lang=ru","api_url":"https://publicasta.com/api/public/v1/channels/open_source_radar/articles/openarm_2_reproducible_physical_ai_research_stack?lang=ru"},{"language":"zh","title":"OpenArm 2.0：让可复现的实体 AI 实验成为真正的开源项目","html_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack?lang=zh","markdown_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.md?lang=zh","json_url":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.json?lang=zh","api_url":"https://publicasta.com/api/public/v1/channels/open_source_radar/articles/openarm_2_reproducible_physical_ai_research_stack?lang=zh"}],"_links":{"self":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.json?lang=zh","api":"https://publicasta.com/api/public/v1/channels/open_source_radar/articles/openarm_2_reproducible_physical_ai_research_stack?lang=zh","html":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack?lang=zh","canonical":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack?lang=zh","markdown":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.md?lang=zh","json":"https://publicasta.com/open_source_radar/openarm_2_reproducible_physical_ai_research_stack.json?lang=zh","channel":"https://publicasta.com/api/public/v1/channels/open_source_radar","channel_articles":"https://publicasta.com/api/public/v1/channels/open_source_radar/articles","search":"https://publicasta.com/api/public/v1/search","documentation":"https://publicasta.com/api-docs#reading-publicasta","openapi":"https://publicasta.com/api-docs/openapi.json","llms":"https://publicasta.com/llms.txt"}}