魔法原子柔性力控仿生机械臂 MagicArm R1 正式发布打通“采数—训练—部署”

10月19日，魔法原子宣布推出柔性仿生力控机械臂 MagicArm R1，并结合该产品构建了一套基于VLA具身智能大模型的桌面机械臂解决方案。该方案以 MagicArm R1 为物理本体，搭载登顶 MolmoSpaces 的具身智能大模型 EchoPolicy-0，将视觉感知、智能决策、运动控制、数据采集、模型训练和真机强化学习整合为完整的软硬件系统，面向机器人算法研究、模型训练、智能操作验证和工业技术预研等方向，为具身智能技术研究、能力验证和实际应用提供一体化平台。

仿生拟人作业、全关节实时力感知：把“柔性”做进机械臂本体

魔法原子柔性仿生力控机械臂 MagicArm R1 拥有 6 个自由度，臂展 700mm，小臂支持 180° 大幅弯折，自重仅 5.5kg，末端负载 4kg。与以刚性位置控制为主的传统桌面机械臂不同，MagicArm R1 在全关节引入实时力感知能力，重复定位精度达到 ±0.1mm，并可在 0.4 秒内快速抑制末端振动，实现仿生拟人作业，兼顾作业精度与运动平顺性。

魔法原子柔性仿生力控机械臂 MagicArm R1

全关节实时力感知，是为了应对行业里一对长期存在的矛盾诉求：既要足够“稳”——精度高、振动小、可重复；又要足够“柔”——能感知接触力、能顺应外界扰动。在抓取易碎物、插入装配、拖动示教等任务中，纯位置控制的机械臂往往“有力使不出”，要么碰坏物体，要么卡死在接触点。全关节实时力感知让 MagicArm R1 具备了“手感”，为精细操作和多场景适配打下硬件基础，也让“仿生拟人作业”从概念落到可复现的指标上。

部署形态上，魔法原子 MagicArm R1 支持正装、侧装、倒装三种安装姿态，5.5kg 自重配合快捷安装设计，做到随放随用，实验室、教学场景与产线预研工位都能快速铺开。末端生态方面，MagicArm R1 原生兼容夹爪、灵巧手、吸盘等主流末端工具，并内置多工具管理逻辑，可一站式完成从简单抓取到精细操作的完整任务链路。

轻本体、强力控、多工具的组合，让MagicArm R1 机械臂在桌面级产品中形成了清晰的能力边界：不是“能动能抓”，而是“能感知、能顺应、能精细”。

底座全开、软硬一体：从一台机械臂到一套可进化的具身智能平台

如果说机械臂本体是 MagicArm R1 的“手”，那魔法原子的具身智能模型体系就是它的“脑”。MagicArm R1 提供全平台开放的 SDK，并配套完整的 AI 开发工具链，打通数据采集、模型训练与部署评估全链路，底座全开、自由开发，让研究与开发团队不必再为硬件接口和工具链拼装投入额外成本。

在训练与验证环节，MagicArm R1 一体化整合运动控制、数据采集与遥操作能力，配套 URDF 与开放 SDK，支持真机强化学习（RL）、DAgger 等闭环训练路径。力、位姿数据可实时输出，直接对接大模型，用于采集机器人操作数据集；仿真验证、算法原型与真机落地由此一键打通。

MagicArm R1 全平台开放 SDK，配套完整 AI 开发工具链

在“大脑”一侧，魔法原子将其在具身智能大模型上的能力储备直接迁移到 MagicArm R1 上，形成可用的操作性能。

在由艾伦人工智能研究院（AI2）发起的全球具身智能零样本评测基准 MolmoSpaces 上，魔法原子自主研发的具身智能大模型 EchoPolicy-0 以 75.4% 的机器人操作平均成功率位列 MolmoSpaces Combined 榜单全球第一。

利用 EchoPolicy-0 ，魔法原子融合 VLM 视觉语言模型的理解与推理能力，构建了 VLM 与 VLA 协同的智能决策机制。VLM 不仅能理解用户指令、识别目标物体、分析场景中的空间关系，还通过“VLM 目标引导的多候选轨迹选择”技术参与机器人动作的评估与选择——先让动作模型提出多种可能的运动，将其投影到图像平面，再依据 VLM 指定的目标筛选出更匹配的轨迹，并在执行后持续验证，从而引导 VLA 生成和执行更符合任务目标的操作行为。高层视觉理解由此真正参与低层动作决策，而不只停留在任务分解。

数据与迭代环节同样被纳入闭环。魔法原子桌面机械臂解决方案引入 Progress 任务进度模型，对遥操作采集的数据进行自动化质量评估与筛选，把停顿、抖动、反复调整等低质量片段挡在训练之外，提高数据利用效率；再叠加真机强化学习，以及“部署—采集—训练—评测—再部署”的持续迭代机制，机器人可以在执行任务的同时积累真实交互数据，让能力随使用不断提升。

从算法验证到产线预研：一套桌面系统覆盖多类研发场景

魔法原子研发实验室 MagicLab Studio 负责人介绍：“桌面机械臂解决方案可应用于机器人算法研究、模型训练、智能操作验证和工业技术预研等方向。”

在算法研究侧，平台支持 VLA、VLM、模仿学习与强化学习等多条技术路线的开发与验证，为机器人操作模型研究提供真实的物理交互环境；在数据与训练侧，提供从遥操作示教、数据质量评估到模型训练和真机部署的完整流程，为不同操作任务持续积累高质量数据；在工业预研侧，可用于物料分拣、小件转运、精密装配等典型任务的技术验证，并支持拖动示教快速部署，构建人机协同工位。

魔法原子桌面机械臂解决方案可应用于算法研究和工业技术预研等方向

此外，MagicArm R1 还支持二次开发，可挂载于四足机器人等移动平台，进一步拓展实验与应用边界。

相比传统需要分别搭建硬件系统、采集工具与训练环境的研发方式，软硬一体的桌面方案显著降低了具身智能的开发、实验与部署门槛。桌面化形态具备部署灵活、实验环境可控、任务配置方便等优势，为技术快速验证与持续迭代提供了更高效的载体。

随着机器人操作数据与模型能力不断积累，魔法原子桌面机械臂解决方案还可以逐步拓展更多任务类型与应用场景，支持从单一技能学习走向多任务自主操作，让具身智能从单一任务演示，走向更通用、更可实际落地的机器人操作场景。