Skip to main content

在 Jetson Thor 上通过 OpenClaw 控制 SO-Arm

介绍​

本文档解释如何在 Jetson Thor 上结合 OpenClaw 和 LeRobot，通过本地 AI 智能体控制 SO-Arm。

NVIDIA Jetson AGX Thor 是一款为机器人和物理 AI 工作负载设计的高性能边缘 AI 平台，为感知、规划和控制提供强大的本地算力。

SO-Arm 是一个开源、低成本的机械臂平台（SO-ARM100/SO-ARM101），广泛用于具身智能实验、远程操作以及操作任务开发。

OpenClaw 是一个可以编排本地工具和模型的 AI 智能体框架。在本项目中，OpenClaw 用作高层控制接口，而 LeRobot 为 SO-Arm 提供底层电机通信和标定工具。

note

在本指南中，OpenClaw 负责智能体规划和任务编排，而 SO-Arm 的运动执行由 LeRobot 负责。

目录​

  1. 硬件准备
  2. 在 Jetson Thor 上进行系统设置
  3. 安装 Ollama 并运行本地 LLM
  4. 在 Jetson Thor 上安装 OpenClaw
  5. 连接并标定 SO-Arm
  6. 运行控制演示
  7. 参考资料

硬件准备​

设备清单​

  • 1x NVIDIA® Jetson AGX Thor™ 开发套件
  • 1x SO-ARM101 低成本 AI 机械臂
NVIDIA® Jetson AGX Thor™ Developer Kit SO-ARM101 Low-Cost AI Arm
立即获取 🖱️
立即获取 🖱️

接线与连接​

  • 通过 USB 将 SO-Arm 控制板连接到 Thor。
  • 将匹配的直流电源适配器连接到 SO-Arm 控制板。
  • 先给 Thor 上电，然后给机械臂控制板上电。

上电检查清单​

  • Thor 正常启动且网络可用。
  • SO-Arm 控制板指示灯点亮。
  • 通过 USB 连接后出现串口设备。
ls /dev/ttyACM*

如果在终端输出中检测到串口节点，则说明硬件连接正确。

在 Jetson Thor 上进行系统设置​

更新系统软件包​

sudo apt update
sudo apt install -y nvidia-jetpack git curl ffmpeg python3-pip
python3 -m pip install -U pip

安装核心依赖​

安装 Miniconda（推荐）：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh
chmod +x Miniconda3-latest-Linux-aarch64.sh
./Miniconda3-latest-Linux-aarch64.sh
source ~/.bashrc

创建 LeRobot 环境：

conda create -y -n lerobot python=3.10
conda activate lerobot
pip install 'lerobot[feetech]'
pip uninstall torch torchvision
pip install torch torchvision --index-url https://pypi.jetson-ai-lab.io

在 LeRobot 环境中安装 Pinocchio：

conda install mamba -y
mamba install -c conda-forge pinocchio pinocchio-python libpinocchio -y

验证 CUDA 和外设设备​

python -c "import torch; print(torch.cuda.is_available())"
lerobot-find-port

预期结果：

  • torch.cuda.is_available() 输出 True
  • 检测到机械臂串口（例如 /dev/ttyACM0）

安装 Ollama 并运行本地 LLM​

安装 Ollama：

curl -fsSL https://ollama.com/install.sh | sh

拉取模型：

ollama pull qwen3.5:35b
info

本指南以 qwen3.5:35b 为示例。你可以根据性能和内存限制替换为其他 Ollama 模型。

在 Jetson Thor 上安装 OpenClaw​

安装 OpenClaw​

curl -fsSL https://openclaw.ai/install.sh | bash

配置运行参数​

编辑 ~/.openclaw/openclaw.json，并将 Ollama 设置为默认模型提供方：

openclaw.json 
{
  "agents": {
    "defaults": {
      "compaction": {
        "mode": "safeguard"
      },
      "maxConcurrent": 4,
      "model": {
        "primary": "ollama/qwen3.5:35b"
      },
      "subagents": {
        "maxConcurrent": 8
      },
      "workspace": "/home/seeed/.openclaw/workspace"
    },
    "list": [
      {
        "id": "main",
        "tools": {
          "profile": "full"
        }
      }
    ]
  },
  "commands": {
    "native": "auto",
    "nativeSkills": "auto",
    "ownerDisplay": "raw",
    "restart": true
  },
  "gateway": {
    "auth": {
      "mode": "token",
      "token": "98aefed421e9a506a3174dab0575fd3cc36c9d15b856a894"
    },
    "bind": "loopback",
    "mode": "local",
    "nodes": {
      "denyCommands": [
        "camera.snap",
        "camera.clip",
        "screen.record",
        "contacts.add",
        "calendar.add",
        "reminders.add",
        "sms.send"
      ]
    },
    "port": 18789,
    "tailscale": {
      "mode": "off",
      "resetOnExit": false
    }
  },
  "messages": {
    "ackReactionScope": "group-mentions"
  },
  "meta": {
    "lastTouchedAt": "2026-03-10T06:45:16.014Z",
    "lastTouchedVersion": "2026.3.8"
  },
  "models": {
    "providers": {
      "ollama": {
        "api": "ollama",
        "apiKey": "ollama-local",
        "baseUrl": "http://127.0.0.1:11434",
        "models": [
          {
            "contextWindow": 262144,
            "cost": {
              "cacheRead": 0,
              "cacheWrite": 0,
              "input": 0,
              "output": 0
            },
            "id": "qwen3.5:35b",
            "input": [
              "text",
              "image"
            ],
            "name": "qwen3.5:35b",
            "reasoning": true
          },
          {
            "contextWindow": 262144,
            "cost": {
              "cacheRead": 0,
              "cacheWrite": 0,
              "input": 0,
              "output": 0
            },
            "id": "qwen3.5",
            "input": [
              "text",
              "image"
            ],
            "name": "qwen3.5",
            "reasoning": true
          }
        ]
      }
    }
  },
  "session": {
    "dmScope": "per-channel-peer"
  },
  "tools": {
    "profile": "coding"
  },
  "wizard": {
    "lastRunAt": "2026-03-10T02:17:28.382Z",
    "lastRunCommand": "onboard",
    "lastRunMode": "local",
    "lastRunVersion": "2026.3.8"
  }
}

note

可选：你也可以直接使用 Ollama 提供的脚本快速设置 OpenClaw 配置文件。 ollama launch openclaw --model qwen3.5

更多配置​

安装 SO-Arm 控制技能：

准备机器人描述文件：

  • 下载 SO-ARM101 URDF
  • 将其移动到 ~/.openclaw/workspace/skills/soarm-control/references

[可选] 添加检测模型：

  • 参考这里训练一个检测模型（YoloV11n）
  • 将检测模型（best.pt）移动到 ~/.openclaw/workspace/skills/soarm-control/scripts

重启 OpenClaw 网关：

openclaw gateway restart

打开 WebUI：

http://127.0.0.1:18789/wiki

连接并标定 SO-Arm​

串口权限与检测​

conda activate lerobot
lerobot-find-port
sudo chmod 666 /dev/ttyACM*

初始标定​

标定从动机械臂：

lerobot-calibrate \
  --robot.type=so101_follower \
  --robot.port=/dev/ttyACM0 \
  --robot.id=openclaw_soarm

标定文件保存在：

~/.cache/huggingface/lerobot/calibration/

note

完整的标定流程请参考： SO-Arm in LeRobot - Calibrate

运行控制演示​

启动后端服务​

确保 OpenClaw 和 LeRobot 环境已就绪：

openclaw gateway restart

conda activate lerobot
cd ~/.openclaw/workspace/skills/soarm-control 
bash scripts/start_server.sh &

执行基础运动任务​

在 OpenClaw WebUI 中输入机器人控制指令。OpenClaw 会解析你的提示词，并调用已安装的 soarm-control 技能驱动机械臂移动到目标位置。

参考资料​

技术支持与产品讨论​

感谢你选择我们的产品！我们将为你提供多种支持，确保你在使用我们产品的过程中尽可能顺畅。我们提供多种沟通渠道，以满足不同的偏好和需求。

Loading Comments...