桌面机械臂，人用语音指挥，不用示教器，也不写代码。
- 展会与展厅——访客说一句指令，看机械臂做出反应。
- 机器人与 AI 教学——一个项目同时学语音、大模型和机械臂。
- 机械臂项目的语音入口——其他程序经局域网读取实时关节状态。
- 免手操作研究——探索语音控制在辅助场景里的用法。
不适用：依赖前几句上下文的多步对话、精确轨迹、按视觉找物体抓取。每句指令单独处理，这套机械臂也没有相机。
语音控制 SO-ARM 机械臂
对着 SO-ARM101 机械臂说话。说唤醒词加一句指令，机械臂经音箱回话并做出对应动作。语音、语言模型和臂控都跑在一台 reComputer J40（Orin NX 16GB）上，不调用云端接口。
可复用现场模板
如何实现
一张桌上四样东西：SO-ARM101 机械臂、reSpeaker Flex 麦克风阵列、一只音箱，以及跑全部软件的 reComputer J40。机械臂和麦克风都经 USB 接到 J40。首次启动下载完镜像和模型后，整套不再需要联网。
拾音
- reSpeaker Flex XVF3800 是四麦远场阵列，负责收唤醒词和指令。部署前先插好，容器启动时自动选中它。
- 任意音箱播放回复。机械臂先回话再动作，所以音箱是必需的。
唤醒词是 "Hey Jarvis"。太容易误触发或叫不醒时，可以在设备设置里调灵敏度和冷却时间。
执行与输出
SO-ARM101 是带夹爪的六关节机械臂，一根 USB 串口线接到主机。
新套件在语音控制前要做三件一次性的事：找到 USB 端口、分配电机 ID、校准。部署指南里每一步都有链接。
一个容器驱动一条机械臂。多条臂就要多个容器和多个 USB 口。
主机
**reComputer J40 系列（Orin NX 16GB）**同时跑三个服务：语音识别与合成、本地 Qwen3-4B 语言模型、机械臂 Agent。
- 语言模型把你说的话对应到动作库里的一个动作。
- 动作库和回话风格都能在设备设置里改，不用重新构建。
- 首次启动要 5–10 分钟，下载约 10 GB 镜像并预热模型；之后启动只需几秒。
数据接口见下方「能拿到什么数据」。
实现什么效果
以下是 reComputer J40 + SO-ARM101 + reSpeaker Flex 这套配置部署后能做到的事。
能用什么
- 唤醒词、一句指令、语音回话，然后执行动作。
- 默认带 10 个动作：归位、准备抓取、张开与闭合夹爪、抬头、低头、挥手、点头、摇头、跳舞。
- 说法不必逐字一致：语言模型按意图匹配。
- 新动作靠手把手示教：关扭矩、摆姿势、逐帧记录、起名并写触发短语。保存后约 30 秒生效。
- 部署页面以 5 Hz 显示实时关节数值。
限制
- 每句指令单独处理。 每轮结束会清空对话历史，「再做一次」这类说法没有上下文。
- 说「点头」可能只回话不动作。 改说「做一个点头动作」可以绕开。
- 保存修改后约 30 秒内，唤醒词不响应。
能拿到什么数据
机械臂容器在 J40 的 8765 端口提供实时状态。
| 接口 | 返回什么 |
|---|---|
GET http://<jetson-ip>:8765/observation | 六个关节与夹爪的最新位置，扁平 JSON |
GET http://<jetson-ip>:8765/observation/schema | 观测字段的类型与取值范围 |
校准后关节值是归一化的：身体关节 -100 到 100，夹爪 0 到 100。同一局域网里的任何程序都能轮询——数字孪生、演示录制、安全监控。
移植到你的业务系统
可复用的单元是「唤醒词 → 本地语音识别 → 本地语言模型选动作 → 机械臂执行 → 语音回话」。动作库和提示词是数据，不是代码。
| 层 | 移植时你要做的 |
|---|---|
| 麦克风选择、唤醒词、语音识别与合成 | 直接复用 |
| J40 上的本地语言模型服务 | 直接复用 |
| 动作库 | 在设备设置里示教或编辑 |
| 回话风格与触发短语 | 在设备设置里编辑 |
| 机械臂驱动 | 换成 SO-ARM101 以外的臂时重写 |
不适用的形态
- 需要视觉的任务——找到并抓起指定物体。见「语音抓取机械臂」可部署方案，它加了腕部深度相机。
- 依赖前几轮的多步长指令。
如何部署
核对方案与产品清单，再照部署指南装。
部署方案
语音控制你的 SO-ARM
将语音容器部署到 Jetson 控制 SO-ARM，姿态与提示词可在设备配置里改。
3 步 · 约 30min
机械臂
so_arm
麦克风
respeaker_flex
计算单元
recomputer_j40
软件大脑
recomputer_j40
常见问题
能，首次启动之后。首次启动会下载约 10 GB 镜像和模型；之后语音、语言模型和臂控都在 J40 上运行，不调用在线接口。
不会。识别、语言模型和合成都在 J40 的容器里运行。不需要云账号，也没有调用费用。
默认 10 个动作不要求逐字说对，语言模型按意图匹配。每句指令单独处理，不记前几轮。说「点头」可能只回话不动作，改说「做一个点头动作」可以绕开。
一个容器经一个 USB 串口驱动一条臂。多条臂需要多个容器和多个串口。
reSpeaker Flex 是四麦远场阵列，启动时自动选用处理过的通道。唤醒词太容易误触发或叫不醒时，在设备设置里调阈值和冷却时间。
关扭矩、手动摆好姿势、逐帧记录、起名并写触发短语，然后保存。修改约 30 秒生效。回话风格也在同一个设置页里改。
轮询 J40 上 8765 端口的 GET /observation，拿到最新关节和夹爪位置。同一局域网里的数字孪生、录制工具或安全监控可以直接读。
已分配电机 ID 并校准好的 SO-ARM101、插好的 reSpeaker Flex、一只音箱，以及首次启动时能联网的 J40。三步一次性的机械臂准备在部署指南里有链接。
没有找到你要的答案？
联系我们
获取可部署方案与产品选型支持。