LabArm

在锂电新材料、无机合成、半导体材料和高端化工研发中，许多试剂、样品和中间产物具有空气敏感、易燃、腐蚀、有毒或易挥发等特性，必须在真空或惰性气体手套箱内完成转移、分装、摆放和实验准备。传统方式依赖人员长期佩戴手套操作，存在视野受限、动作精度下降、误操作风险高、人员暴露时间长和实验重复性不足等问题。手套箱内部空间狭窄、光照不稳定、透明手套反光严重，且试管、容器和器械经常处于遮挡、密集摆放和非固定位置，传统固定轨迹机械臂难以适应。 LabArm 面向科研实验室样品处理与高重复性操作场景，核心目标不是开发一台固定动作机械臂，而是构建能够通过视觉和自然语言快速适配实验任务的具身智能操作平台。 传统实验室自动化依赖专用工位、固定夹具、人工编程和大量规则配置。一旦试管位置、容器规格、实验流程或工作空间发生变化，原有系统就需要重新进行视觉标定、轨迹规划和控制开发，导致交付周期长、改造成本高、设备复用率低。LabArm 通过视觉语言动作模型直接建立“任务语义—环境观测—机械臂动作”的统一映射，减少感知、规划和控制之间的人工接口，实现从自然语言任务到连续动作执行的策略化部署。 本系统采用 NVIDIA DGX Spark GB10 Grace Blackwell 作为训练与推理算力平台，使用 reBot B601-DM 七自由度机械臂和 front、wrist 双视觉输入作为执行单元。模型基于 Pi0.5 VLA 架构，通过 LeRobot 完成数据采集、状态动作对齐、图像预处理、训练和部署；通过 LoRA 对动作专家及相关投影层进行参数高效微调，在保留基座模型能力的同时，快速注入特定机械臂、特定相机和特定实验任务的操作能力。 当前系统已围绕试管放入橙色试管架建立完整技术链路。输入为两路图像、7 维机械臂状态和自然语言任务，输出为 7 维连续动作序列。DGX Spark 负责模型推理，机器人端负责实时采集和执行，形成远程策略服务与现场控制解耦的部署架构。该架构可进一步扩展至样品转运、试管架整理、实验器皿归位、耗材分拣和重复性实验流程。 LabArm 的商业壁垒来自三部分： 第一，面向实验室场景持续积累高价值视觉—状态—动作数据； 第二，形成机械臂、相机、任务语义和动作策略之间的适配工具链； 第三，通过 LoRA 和远程推理降低新任务部署成本，使同一套硬件能够服务多个实验流程。相比“一台设备对应一个流程”的传统自动化，LabArm 的目标是将实验自动化从项目制设备交付升级为可持续迭代的软件与数据平台。 项目近期以真实任务成功率、连续执行稳定性、任务切换时间、平均操作时延、异常恢复率和跨位置泛化能力作为核心指标。后续将从单一试管任务扩展到多物体、多步骤和受限空间操作，并逐步建立面向高校实验室、新材料研发和高端制造研发中心的具身智能自动化产品。