第 1 阶段 · 第 3 章 · 理论与实践
3. 后续课程的硬件选择
各阶段动手所需的硬件清单：主控设备、一套 SO-ARM 主从臂套件、两个 USB 相机，以及训练阶段所需的 GPU（或云端 / 无代码平台）。
你需要准备一台主控设备（Ubuntu x86 或 Jetson），贯穿全部章节。一套 SO-ARM 套件 —— 已包含主臂与从臂。两个 USB 相机，用于模仿学习与 VLA 阶段。训练阶段需要 NVIDIA GPU（或云端 / 无代码平台）。
主控设备
本节介绍后续各章节所需的动手硬件清单，同学们可以按自身情况采购。
整个课程都需要使用你自己的电脑作为算法部署设备，可以是 Ubuntu x86 机器、Mac 或 Jetson。但请记住不要使用 Windows 上的 WSL 或虚拟机 Ubuntu，否则你会花大量精力解决各种奇怪的问题，学习效率大打折扣。
所有章节都需要一台主控设备作为代码部署端。以下是推荐的设备与系统：
| 硬件 | 购买 | 数量 | 说明 | 覆盖章节 |
|---|---|---|---|---|
| 台式机或笔记本 | - | 1 | 原生 Ubuntu 22.04、CUDA 12+、Python 3.12、Torch 2.6+；训练建议 12GB 显存以上的 NVIDIA GPU（如 RTX 4080）与 16GB 以上内存 | 全部章节 |
| 或者 reComputer Robotics J4012（Jetson Orin） | 淘宝 | 1 | JetPack 6.0 / 6.1（暂不支持 JetPack 6.2） | 第二、三阶段 |
| NVIDIA Jetson AGX Thor 128G | 天猫 | 1 | 用于第四阶段的 GR00T N1.5 推理 | 第二、三、四阶段 |
tip
如果你没有训练用 GPU，也依然可以学完本课程：在免费云笔记本（如 Google Colab）上训练小策略、在 NVIDIA Brev 上微调 GR00T，或使用第 22 章 SenseCraft Robotics 的无代码云训练。
第二阶段：SO-ARM 组装与基础控制
| 硬件 | 购买 | 数量 | 说明 |
|---|---|---|---|
| SO-ARM101 套件（主臂 + 从臂 + 2个摄像头及支架） | 淘宝 | 1 |
第三阶段：模仿学习与 LeRobot
| 硬件 | 购买 | 数量 | 说明 |
|---|---|---|---|
| 台式机或笔记本 | - | 1 | 原生 Ubuntu 22.04、CUDA 12+、Python 3.12、Torch 2.6+；训练建议 12GB 显存以上的 NVIDIA GPU（如 RTX 4080）与 16GB 以上内存 |
| SO-ARM101 套件（主臂 + 从臂 + 2个摄像头及支架） | 淘宝 | 1 | |
| 鼠标垫 / 桌垫 | - | 1 | 保护并稳定工作面，让物体摆放可复现 |
第四阶段：VLA —— Isaac GR00T 与无代码 SenseCraft
| 硬件 | 购买 | 数量 | 说明 |
|---|---|---|---|
| 台式机或笔记本 | - | 1 | 原生 Ubuntu 22.04、CUDA 12+、Python 3.12、Torch 2.6+；训练建议 12GB 显存以上的 NVIDIA GPU（如 RTX 4080）与 16GB 以上内存 |
| SO-ARM101 套件（主臂 + 从臂 + 2个摄像头及支架） | 淘宝 | 1 | |
| 训练 GPU（或云端） | - | 1 | GR00T 微调约需 25GB 显存（Ampere 及以上架构，如 RTX 4090 / A6000）；不支持 V100。替代方案：NVIDIA Brev 云端，或第 22 章的无代码路径 |
| 或者 NVIDIA Jetson AGX Thor（可选，边缘推理） | 天猫 | 1 | 在边缘端运行微调后的 GR00T N1.5 推理服务 |
可选升级
| 硬件 | 购买 | 数量 | 说明 |
|---|---|---|---|
| 奥比中光 Gemini 2 深度相机 | Bazaar | 1 | 相机章节的可选 RGB-D 感知 |
| 软夹爪打印文件 | soarm_soft_gripper | - | TPU 指夹，适合柔软、易碎或不规则物体 |