PAPER DEEP DIVE
MEVION:面向高速双臂操作的低成本开源数据采集系统
MEVION是一个低成本开源数据采集系统,用于高速双臂机器人操作的演示数据收集,降低模仿学习数据采集门槛。
论文：MEVION: Low-Cost Open-Source Data Collection System for Powerful and High-Speed Dual-Arm Manipulation
作者：Kento Kawaharazuka, Yoshiki Obinata, Hirokazu Ishida, Jihoon Oh, Temma Suzuki, Shintaro Inoue, Keita Yoneda, Ayumu Iwata, Kei Okada
机构：Department of Mechano-Informatics, The University of Tokyo
链接：arXiv:2607.17970v1 [cs.RO], 2026年7月
代码：✅ 已开源 github.com/haraduka/mevion（硬件+软件+STEP文件）
1. 摘要
全球机器人基础模型开发竞争加剧。在双臂机器人的数据采集系统中，ALOHA 以低成本和开源著称，被研究者广泛采用为事实标准。然而由于其有限的力量和速度，难以处理重物或执行快速操作。本文开发了 MEVION——一个低成本、开源的双臂机器人数据采集系统，能产生更大的力和速度。所有零件均可通过电商采购，通过广泛使用钣金焊接以少量组件低成本构建大型机身结构，同时简化组装。MEVION 配备四个6自由度机械臂和并行夹爪，每臂重7.0kg、最大扭矩60Nm，整个系统造价约14,000美元。肘关节采用类似四足机器人的闭链机构，减少远端质量并实现末端执行器的更高力和速度输出。实验证明 MEVION 可采集此前不可能的操作任务数据并支持基于模仿学习的运动生成。
2. 研究背景与动机
机器人基础模型竞争加剧，模仿学习及其向 VLA 模型的扩展推动了双臂机器人操作研究。现有数据采集系统分两类：遥操作型和自主型。ALOHA 是低成本开源的代表性遥操作系统，但因力和速度有限，相关研究主要集中在轻物慢操作，难以采集多样化操作数据。
现有系统的关键局限：
- SO-101：全塑料结构，最大扭矩1.9Nm，速度5.5rad/s，$120/臂——力量和速度极低
- ALOHA：仅臂用金属，最大扭矩21.2Nm，速度3.1rad/s，$4,900/臂——无法处理重物或快速操作
- OpenArm：站立型全金属，最大扭矩40Nm，速度16.8rad/s，$3,200/臂——性能较高但31个金属组件、末端执行器较重
图1：MEVION——低成本开源的强力高速双臂数据采集系统。
3. 核心方法
3.1 设计概览
设计分为臂和手两部分，金属结构组件共17个（臂11个+手6个），含关节限位器和盖板共21个。材料方面，所有机加工件用A7075铝合金，钣金件中Shoulder-Link和Hand-Slider-Cover用SUS304不锈钢，其余用A5052铝合金。部分关节限位器和电缆盖用TPU柔性3D打印，leader/follower手指尖用PLA 3D打印。
图2：MEVION设计概览。17个核心金属组件（臂11+手6），其中3个通过钣金焊接整合为单一复杂大型零件。
3.2 关节配置与闭链机构
臂的关节配置与ALOHA相同：6自由度（Shoulder-Yaw, Shoulder-Pitch, Elbow-Pitch, Elbow-Yaw, Wrist-Pitch, Wrist-Yaw）。关键创新：肘关节采用类似四足机器人的平行连杆机构，从近端电机驱动关节，减少远端质量。
关节扭矩与电机扭矩的关系为：
$$\tau_{joint}=N \cdot \tau_{motor} - \tau_{friction}$$
手部采用滑块曲柄并行夹爪机构，单个电机同时驱动两指。电机配置：
| 关节 | 电机 | 最大扭矩 |
|---|---|---|
| Shoulder-Yaw, Shoulder-Pitch, Elbow-Pitch | RobStride03 | 60 Nm |
| Elbow-Yaw, Wrist-Pitch, Wrist-Yaw | RobStride02 | 17 Nm |
| 手（夹爪） | RobStride01 | 17 Nm |
图3：Shoulder-Link、Lower2-Link和Hand-Slider-Base的钣金焊接细节。焊接部分以红色标注。
3.3 钣金焊接：低成本少零件的关键
Shoulder-Link和Lower2-Link（臂）以及Hand-Slider-Base（手）通过钣金焊接将大型复杂形状整合为单一零件。钣金焊接在保持结构强度的同时允许大型形状整合，用少量零件实现大型机身结构，兼顾低成本和易组装。所有金属组件完全兼容 MISUMI 的 meviy 在线加工服务，从3D CAD文件自动生成报价和订单，整个采购流程可通过电商完成。
3.4 与现有系统对比
| 名称 | 形态 | 自由度 | 重量 | 长度 | 材料 | 最大扭矩 | 最大速度 | 价格/臂 |
|---|---|---|---|---|---|---|---|---|
| SO-101 | 桌面 | 4+1 | 0.7kg | 0.45m | 塑料 | 1.9Nm | 5.5rad/s | $120 |
| ALOHA | 桌面 | 6+1 | 4.3kg | 0.75m | 金属臂 | 21.2Nm | 3.1rad/s | $4,900 |
| OpenArm | 站立 | 7+1 | 5.5kg | 0.63m | 全金属 | 40Nm | 16.8rad/s | $3,200 |
| MEVION | 桌面 | 6+1 | 7.0kg | 0.83m | 全金属 | 60Nm | 20.4rad/s | $3,500 |
表1：现有开源leader-follower双臂数据采集系统与MEVION对比。
每臂总成本为金属件、电机和传感器之和：
$$C_{arm}=C_{metal}+C_{motors}+C_{sensors}=1465+1645+422=3532 \text{ USD}$$
与ALOHA相比，MEVION重约1.6倍，但最大扭矩约3倍、最大速度约7倍。峰值载荷（最大伸展时）MEVION 7.6kg vs OpenArm 4.5kg。金属组件数MEVION 17个 vs OpenArm 31个——钣金焊接大幅减少零件数。
3.5 软件：统一控制与重力补偿
MEVION 由统一 Python 脚本控制，MuJoCo 仿真和真实世界控制共享同一代码。支持通过 ROS 在 RViz 中实时可视化机器人状态，以及通过 Scikit-Robot 进行交互式可视化。使用 Intel RealSense D405 相机作为固定和腕载相机。
电机功率与扭矩的关系为：
$$P=\tau \cdot \omega=\tau_{max} \cdot \omega_{max}$$
电源24V或48V，采用CAN通信。四个CAN-USB接口连接各臂再到PC。控制方案为PD控制器加重力补偿扭矩：
$$\tau^{cmd}_{i}=K_{p,i}(q_{i}^{ref}-q_{i})+K_{d,i}(\dot{q}_{i}^{ref}-\dot{q}_{i})+\tau^{ff}_{i}$$
其中前馈项 $\tau^{ff}$ 使用 Pinocchio 库计算。对 $q_{i}^{ref}$、$\dot{q}_{i}^{ref}$、$\tau^{ff}_{i}$ 分别施加关节角度、关节速度和关节扭矩限制。控制环运行在 200Hz，实现基本单边控制。
与 ALOHA 不同，MEVION 不使用硬件重力补偿，而在软件侧计算重力补偿扭矩：
$$\tau^{ff} = \tau_{\text{gravity}}(q) + \tau_{\text{Coriolis}}(q, \dot{q})$$
这消除了对额外框架或机构的需求，但带来更大安全关切，因此在硬件（无线急停开关）和软件（最大扭矩和速度限制）两方面均实施安全机制。
图4：MEVION软件架构。统一Python脚本同时控制MuJoCo仿真和真实机器人。支持RViz（ROS）和Scikit-Robot可视化。
flowchart TD
A[Python 控制脚本] --> B{MuJoCo仿真 or 真实控制}
B -->|仿真| C[MuJoCo XML模型]
B -->|真实| D[CAN-USB x4]
D --> E[4个6-DoF臂]
E --> F[RobStride03/02/01 电机]
F --> G[PD控制器+重力补偿]
G --> H[τ_cmd = Kp(q_ref-q) + Kd(q_dot_ref-q_dot) + τ_ff]
H --> I[200Hz控制环]
A --> J[RViz/ROS 可视化]
A --> K[Scikit-Robot 交互]
A --> L[RealSense D405 相机]
4. 关键实验
4.1 遥操作实验
5个任务验证MEVION的多样操作能力：
- (a) 开瓶盖：双手协作
- (b) 物品包装：运输细长重物（扳手、1.5kg塑料瓶）
- (c) 煎锅操作：高速操作
- (d) 3.6kg哑铃操作：重物搬运
- (e) 达摩落（Daruma Otoshi）：日本传统游戏，需要快速打击
图5：哑铃操作中关节扭矩的变化。证明MEVION能产生足够的力处理3.6kg重物。
4.2 模仿学习实验
在遥操作采集数据上训练模仿学习模型，验证自主运动生成：
- (a) 毛巾操作
- (b) 哑铃包装
这确认MEVION支持从数据采集到自主运动生成的完整模仿学习管线。
5. 局限与展望
- 钣金焊接的局限：不同于金属机加工，难以独立修改或修复。虽然因低成本重新订购通常是最简单的解决方案，但需考虑与金属机加工的权衡。焊接质量因制造商而异，大规模数据采集时需考虑这种变异的影响。
- 大规模数据采集：最终目标是实现大规模数据采集。软件重力补偿减少物理足迹，允许同时操作更多机器人。计划与多个研究者合作构建多台MEVION系统。可扩展性引入量产挑战，需重新关注简化结构和提高组装效率。
- 安全关切：无硬件重力补偿机制带来更大安全风险，通过硬件急停和软件限制缓解。
6. 总结
MEVION 通过钣金焊接和闭链肘关节设计，在约14,000美元总造价下实现了远超ALOHA的力（60Nm vs 21.2Nm）和速度（20.4rad/s vs 3.1rad/s）输出。17个金属组件（vs OpenArm 31个）体现了钣金焊接整合大型复杂形状的优势。肘关节近端电机驱动平行连杆机构减少远端质量，峰值载荷7.6kg（vs OpenArm 4.5kg）。软件侧重力补偿（Pinocchio）消除了对额外硬件机构的需求。遥操作实验（3.6kg哑铃、达摩落等）和模仿学习实验（毛巾操作、哑铃包装）验证了从数据采集到自主运动生成的完整管线。所有硬件（STEP文件、零件列表）和软件（MuJoCo/ROS/Scikit-Robot）已开源，可通过MISUMI meviy电商完成全部金属零件采购。
