本文內容
3D 印表機可以在沒有人守在旁邊的情況下列印零件，但打開機箱門、接續下一個實體步驟，仍然需要人手。我們正在改造 FORTE 這套開放式機器手臂設計，研究如何補上這段流程，並以 Codex Astra 協助開發機構、模擬與檢查工具。
第一個目標是讓手臂能進入印表機內部。長期而言，我們也想探索與伺服器等其他設備的實體互動。先從一項完整、可量測的任務開始，才能清楚評估進展。
實用的手臂必須完成整項任務
到達印表機內部的一個點，只是操作印表機的一部分。手臂還必須開關門、避開機箱、退出，並讓設備準備好進行下一步。適合某個動作的底座位置，可能會妨礙另一個動作。
我們的原型結合六關節手臂、夾爪與實驗用滑動底座。目前已調整 CAD、模擬進入印表機的動作序列，並列印首批零件。完成組裝、通電後實際操作印表機的手臂，仍是接下來的目標。 以下實驗用來判斷哪些設計值得製作，以及下一步必須量測什麼。
商用機器手臂：Universal Robots、Franka 與 UFACTORY
商用平台展現了不同的物體操作方法。OpenArm 則提供開放硬體選項，也是我們討論自製或採購時的參考。
整合完整任務
具備工具 I/O、力感測及豐富相容零件生態系的精巧生產用手臂。
研究觀察： 除了手臂，夾爪、治具與設備介面同樣重要。
圖片：Universal Robots
理解接觸
七個具扭矩感測的關節，以及用於底層控制與量測的1 kHz 介面。
研究觀察： 接觸研究需要可觀測的力與精確控制介面。
圖片：Franka Robotics
使用軟體介面
七軸手臂，提供 Python/C++ SDK、ROS/ROS 2 套件及相容夾爪與直線軸配件。
研究觀察： 確認預定實驗實際需要哪些介面。
圖片：UFACTORY
以開放硬體為基礎
可透過製造合作夥伴購買組裝成品的開放式雙臂平台，配置與支援依供應商而異。
研究觀察： 區分實驗彈性與組裝、適用性驗證所需的工作。
圖片：WowRobo製造商圖片與規格於 2026 年 9 月 24 日確認。研究觀察是我們的分析，並非實機使用後的比較結果。
購買平台可以減少機械整合工作。自製 FORTE 讓我們能調整纜線路徑、安裝結構與幾何形狀，同時也要自行掌握其運作特性。這個取捨適合本次實驗，但不能據此認定自製手臂是更好的生產用途選擇。
我們在機器人市場中的角色
成熟的機器人公司已經提供性能出色的手臂、控制器與自動化平台。我們希望在應用層有所貢獻：把機器人的能力轉化成日常作業中實用的工具，從 3D 印表機操作開始，再延伸到與其他設備互動。
我們追求容易調整、兼顧成本的自動化。透過開放硬體、AI 輔助工程設計與任務專用軟體，讓機器人更容易配合周遭的工作。FORTE 是初期的嘗試，幫助我們理解如何讓這類系統在實務上有用、容易維護，並符合成本效益。
系統如何組合
規劃中的硬體路徑是 主機 → 微控制器與馬達驅動器 → 手臂與夾爪。滑動底座增加第二個工作位置。實際量測零件配合、關節反應與接觸，將有助於校正模型。
目前動作在 MuJoCo 中執行：控制器發出致動器指令，物理引擎計算接觸。Codex Astra 在這個控制迴路之外協助開發。區分各自的角色，才能將失敗動作追溯到幾何結構、控制器或模型假設。
我們如何進行開發
開發分為七個步驟；當測試帶來新的認識，就回到設計階段。
定義目標
第一套動作是 開門、伸入、退出、關門，目標週期為 60 秒。直立的手臂必須靠接觸推動沒有動力的門，並避開機箱。空夾爪伸入測試檢查的是可達性；取出列印成品需要另一項物體操作測試。
選擇硬體
FORTE 論文 與公開程式碼儲存庫 提供了可修改的列印結構、纜線傳動與同步帶。我們初期做的一項決定，是在核准 CAD 前確認馬達的確切型號：外框尺寸相同，軸與本體長度仍可能不同。
規劃中的電氣系統將主機筆電連到 Pico 2、馬達驅動器與夾爪伺服馬達。分開訊號與電源路徑，可以更清楚地檢查每個選用零件的角色。
現金支出預算也納入了既有設備的使用。OpenArm 的配置與完成程度不同，但有助於掌握採購方案的費用規模。
我們的 FORTE 原型 ¥145,338 預計現金支出，已四捨五入 單臂；沿用既有工作間設備。 未計入工程人力及重做費用。 OpenArm 2 US$6,500 起售價 · 依計畫匯率約104萬日圓 雙臂產品，能力與配置不同。 需取得包含配置、運費與稅費的日本交付報價。
FORTE 估算沿用現有印表機、筆電與工作間設備，未計入工程人力及重做成本。OpenArm 2 是雙臂產品。參考其起售價與供應商選項 做採購決策時，還需要包含日本交付費用的報價。
查看手臂 CAD 與選用的馬達 (2)
4 × NEMA17
5 mm 軸；其中一顆為雙出軸馬達。
2 × NEMA23
軸徑不同：8 mm 與6.35 mm。
1顆夾爪伺服馬達
DS3225，270°版本。
配置包含四顆 NEMA17 步進馬達、兩顆 NEMA23 步進馬達與一顆夾爪伺服馬達。軸的尺寸決定安裝座與帶輪的配合；硬體介面預計使用 Pico 2 與馬達驅動器。
準備工具
本機環境是配備 128 GiB 記憶體的 Apple M5 Max，使用 Python 3.11。MuJoCo 在 CPU 上計算物理行為，PyTorch 可透過 Apple 的 MPS 後端訓練。學習方塊放置與腳本控制印表機存取這兩條實驗流程，共用同一台機器的獨占執行配置。
了解模擬架構與實驗流程 (1)
方塊放置學習
- Prefect 管理環境Gymnasium ↔ MuJoCo · 腳本示範
- HDF5 → PyTorch軌跡 · 訓練 · 儲存策略
- 預留模擬試驗策略 + 任務序列器 + 逆向運動學
- MLflow + PostgreSQL執行紀錄 · 指標 · 產出檔案參照
印表機存取研究
- 設有執行限制的研究啟動器原始碼快照 · 共用執行配置
- 接觸控制器 ↔ MuJoCo致動器指令 · 無動力門接觸
- 週期評估可達性 · 接觸 · 間隙 · 耗時
- 研究產出檔案結果 · 追蹤紀錄 · 重播紀錄
可重現的執行。 simctl 啟動器會保存原始碼與任務設定的快照。Prefect 工作程序在執行前驗證原始碼雜湊；模擬、訓練與檢視器共用獨占執行配置，並限制記憶體、執行時間、數值運算執行緒數與產出檔案大小。
學習流程。 Gymnasium 封裝 MuJoCo 的重設、觀察、動作與步進介面。腳本控制器將示範記錄成含時間戳記及種子值的 HDF5 軌跡。PyTorch 將 100 筆示範按 80/20 分組，訓練 16 → 128 → 128 → 4 的行為複製網路。輸入正規化只採用訓練組資料，並依驗證損失選擇檢查點。明確的任務序列器與數值逆向運動學，將策略輸出轉成關節動作。
預留的執行試驗用來獨立於訓練損失評估任務表現。以 PostgreSQL 儲存追蹤資料的 MLflow，將參數與指標連結至資料集、檢查點與重播紀錄。
印表機流程。 另一套設有執行限制的啟動器，運行腳本式接觸控制器，並寫出研究結果與重播檔案。它共用執行配置，但不是每次執行都會登錄到 MLflow。致動器指令與 MuJoCo 接觸計算使無動力的門移動；沒有靠門上的馬達或夾爪剛性固定來強制產生結果。
纜線撓曲、背隙與完整的自身碰撞，尚未納入目前模型。FORTE 公開的 CAD 、韌體 及模擬 是上游參考資料；我們整合後的實驗環境仍未公開。
與 Codex Astra 一起設計
我們提供 Codex Astra 具體的機構問題、已購硬體與驗收項目。在腕部設計中，關鍵決定是 把兩個帶輪與纜線路徑放在一起檢查：單一零件看似合理，連成機構後仍可能失效。
一起設計相連的機構
檢查零件
纜線出口 + 固定點
成對檢查
路徑 + 纏繞方向
明確條件
馬達尺寸、纜線路徑與限制條件。
與 Astra 擬定草案
CAD 修改與對應的檢查腳本。
驗證
工程師檢查配合、負載路徑與操作空間。
Codex Astra 協助擬定 CAD 修改與檢查腳本。工程師在接受改動前，會檢查配合、負載傳遞路徑與工具操作空間。價值在於縮短從提出改動到實際檢查、測試之間的距離。
在模擬中測試
固定底座完成了十次門操作與伸入循環，每次耗時 58.18 個模擬秒，但只到達假定列印區域內側 20 mm。將底座移近，雖然能伸得更深，卻使完整的門操作循環無法成立。
可操作門，伸入深度有限
測試目標：假定列印區域內側20 mm。
第二個工作位置
360 mm 行程讓空夾爪到達假定的平台中心。
這個取捨促使我們採用 行程 360 mm 的滑動底座：一個位置用來操作門，另一個位置用來進入內部。手臂先折疊再向內移動，到達假定的平台中心後，依相反順序返回。
改良設計
滑動底座讓手臂能伸得更深，但完整週期需要 190.02 個模擬秒，超過 60 秒的目標。
190.02 s模擬週期時間
到達中心 · 未達時間要求
折疊、門操作與接近路徑占了大部分時間。只提高滑軌速度，無法解決大部分延遲。取樣得到的約 0.45 mm 間隙也需要實際公差檢查，而且模擬滑軌是最新 CAD 之前的設計。將動作轉移到硬體前，必須先解決這兩點。
列印零件
我們先列印轉台，再用 Bambu Studio 準備其他零件。凹刻識別碼能讓外觀相似的列印件更容易對應組裝文件。
識別每個零件
零件識別碼讓各部件對應組裝文件。
將識別碼刻入零件
離開列印平台後，凹刻文字仍留在零件上。
剩餘批次包含 35 種設計、37 個零件。依選用的 PLA 設定檔，預估需要 1.60 kg、80 小時 49 分鐘。提早確認軸承座配合與緊固件操作空間，可避免小小的配合誤差造成又一次長時間列印。
透過模擬研究不同條件
模擬讓我們能在改動硬體之前，一次檢驗一項假設。針對進入印表機的任務，後續實驗計畫改變三類條件：
- 幾何： 改變底座位置、門的開啟幅度與目標位置，找出無法到達或間隙不足的條件。
- 接觸： 改變門的阻力與摩擦，測試夾爪能否維持有效接觸。
- 位置不確定性： 擾動估計的目標位置與關節位置，找出依賴不切實際精確度的動作。
我們會先固定控制器，記錄完成情況、非預期接觸與耗時，並保留未見過的條件組合做評估。接著以實際量測設定合理的變動範圍。
已完成的學習實驗範圍較小。透過從示範學習動作的行為複製，一個邊長 30 mm、質量 20 g 的方塊在 100 次預留試驗中成功放置，平均誤差為 4.45 mm。起始位置在水平方向變動 ±8 mm。這項實驗採用精確的模擬器狀態與較早的手臂模型，沒有使用攝影機或學習型印表機操作策略。
方塊結果驗證了這些條件下的小型學習與評估流程，尚未證明系統能穩健應對門接觸或感知誤差。擴大測試後，才能了解哪些失敗需要機構修改、控制器調整或更多示範。
我們想研究的問題
從模擬走向實機測試
下一個里程碑是完成組裝，並通電測試個別動作。嘗試完整的進出循環前，需要量測關節反應、纜線張力、印表機幾何與門的阻力。
尚待解答的工程問題
哪些量測能讓模擬器更準確地預測實體行為？ 我們計畫讓同一套印表機存取控制器，分別在初始模擬器與校正後模型中執行，再將兩者的預測與預留的實機試驗比較。固定任務與控制器，有助於釐清校正本身的價值。
我們會比較週期完成情況、非預期接觸與耗時的預測和觀測結果。接著，在相同調整預算下，分別於兩個模型中開發控制器，並在相同條件下比較實機完成情況與人員介入。如此能區分預測改善與控制改善，也能檢驗更快的動作是否仍然可靠。
新夥伴可以投入的工作
機構設計、接觸控制、模擬校正與感知都有具體工作待完成。我們正在尋找能把改動提案連結到可重複實驗與可量測成果的夥伴。查看 VoicePing 工程職缺 。
