新闻详情

新闻详情

首页 / 资讯中心 / 详情

用代码设计你自己的机器人:Build123d、Text-to-CAD 与 ForgeCAD 参数化建模入门指南

发布时间:2026/11/13 0:06:32来源:尧图网络
用代码设计你自己的机器人:Build123d、Text-to-CAD 与 ForgeCAD 参数化建模入门指南
用代码设计你自己的机器人Build123d、Text-to-CAD 与 ForgeCAD 参数化建模入门指南【免费下载链接】every-embodied仅需Python基础从0构建自己的具身智能机器人从0逐步构建VLA/OpenVLA/SmolVLA/Pi0 深入理解具身智能项目地址: https://gitcode.com/gh_mirrors/ev/every-embodiedEvery-Embodied 是一个从 0 构建具身智能机器人的开源教程项目其中最容易被新手忽略、却最能建立设计感的部分就是用 Python 代码设计你自己的机器人。本文带你走通三条参数化建模路径Build123d 代码建模、Text-to-CAD 自然语言驱动 CAD、ForgeCAD 复杂装配生成只依赖基础 Python 知识就能把一句设计需求变成可导出 STEP/STL 的真实三维模型。为什么机器人新手应该学会代码建模传统 CAD 软件靠鼠标拖拽建模改一个孔位可能要翻半天历史树。而代码即 CAD的思路完全不同参数可修改币面半径、连杆长度、按键间距都写在代码里改一个数字就能重新生成整个模型结果可复现模型不是一张图片而是一份设计程序任何时候运行脚本都能得到同一个文件AI 可参与自然语言需求可以交给代码智能体翻译成建模脚本再自动导出 CAD 文件。整条链路可以概括为自然语言设计需求 → Python/JS 几何代码 → CAD 内核生成实体 → STEP / STL / 3MF 文件Every-Embodied 在 21-机械臂和机器人设计/README.md 中把这条链路拆成了四章递进教程本文聚焦前三章从一个小零件一路做到复杂机器人装配。第一步Build123d 参数化建模——从设计意图到 STEP/STL01Build123d代码建模入门 用一个机器人纪念币跑通完整链路圆形底座对应最基础的实体生成机器人头部和四肢对应盒体定位眼睛和天线对应圆柱与球体顶部挂孔对应布尔减法。这个小模型虽然简单却覆盖了参数化 CAD 的全部核心操作。最快上手配置方法只需三步创建独立 Python 环境、安装依赖、运行脚本。python -m venv .venv-build123d pip install build123d0.10.0 python 21-机械臂和机器人设计/01Build123d代码建模入门/robot_coin_build123d.py核心脚本是 robot_coin_build123d.py运行后会直接输出两个成品文件robot_coin.step —— 适合在 CAD 软件中二次编辑robot_coin.stl —— 适合导入切片软件直接 3D 打印。想改模型只需调整 robot_coin_build123d.py 里的参数Cylinder(radius34)控制币面大小Box(34, 22, 5)控制头部尺寸挂孔位置由Locations决定。教程还附带 render_robot_coin_preview.py无需打开 CAD 软件即可自动渲染预览图。第二步Text-to-CAD 工程化建模——让自然语言生成 6 自由度机械臂如果说 Build123d 是底层积木Text-to-CAD 就是在这套积木之上搭起来的工程化流水线你用自然语言描述需求底座回转、肩关节、肘关节、三轴腕部、法兰和夹爪代码智能体负责修改仓库里的 Python 源文件再自动导出 STEP、STL、3MF、GLB 并做几何检查。真正被版本控制的资产是源文件而不是一段聊天记录。02Text-to-CAD工程化建模入门 提供了一个原创 6DOF 桌面教学机械臂示例 every_embodied_6dof_arm.py包含 J1 底座回转、J2 肩关节、J3 肘关节和 J4–J6 腕部三轴整体长约 295 mm。教程里保留了一份本地生成结果 every_embodied_6dof_arm.step打开即可看到模型全貌。一次最小迭代的正确姿势写清楚需求尺寸、孔位、坐标、输出格式、验证标准让智能体修改源文件而不是手改 STEP/STL 派生文件运行生成命令用 CAD Explorer 本地预览发现问题就把截图或几何引用反馈回去进入下一轮迭代。这也是机器人项目最受益的地方末端支架改了孔位CAD、URDF 网格路径、碰撞几何都能跟着源文件一起更新而不是散落在多个工具里靠人脑维护。第三步ForgeCAD 复杂装配——3D 打印机、键盘与可动灵巧手前两章解决能不能生成03ForgeCAD视觉逆向工程入门 解决能不能生成复杂装配。ForgeCAD 走 Node.js 生态用 JavaScript 脚本.forge.js描述几何支持参数化、多材质配色、渲染截图和 STEP/STL/3MF 导出普通笔记本即可运行不吃显卡。案例一完整 3D 打印机装配脚本 forgecad_3d_printer_demo.forge.js 按真实功能模块拆解装配龙门框架、蓝色热床、橙色加热板、Z 轴丝杆、X 轴打印头、皮带、红色料盘和前方控制盒。关键位置都暴露为参数——打印头 X、热床 Y、龙门 Z、构建体积宽高改参数就能观察机构变化npx forgecad run forgecad_3d_printer_demo.forge.js npx forgecad render 3d forgecad_3d_printer_demo.forge.js --output preview.png npx forgecad export step forgecad_3d_printer_demo.forge.js --output model.step案例二键盘的参数化阵列forgecad_keyboard_demo.forge.js 展示另一类能力密集重复结构。按键列数、键距、外壳倾角、旋钮偏移、强调键位置全部是参数非常适合练习产品外观 参数化阵列的组织方式。案例三参数驱动的 5 指灵巧手forgecad_robot_hand_publickit.forge.js 是官方的 5 指灵巧手示例把参数、连杆、铰链和肌腱线缆放在同一个脚本里。所谓能动本质是参数驱动姿态——修改Finger Curl手指弯曲、Thumb Curl拇指弯曲、Finger Spread手指张开再逐帧渲染就能得到一段低成本动画三个工具怎么选工具语言/环境适合场景本章产出Build123dPython单零件参数化建模、3D 打印件机器人纪念币 STEP/STLText-to-CADPython 代码智能体自然语言驱动、机器人描述文件同步6DOF 教学机械臂 STEP/3MF/GLBForgeCADNode.js复杂装配、多材质、快速渲染3D 打印机、键盘、灵巧手建议路线先用 Build123d 建立参数 → 几何的直觉再用 Text-to-CAD 体验智能体参与的工程闭环最后用 ForgeCAD 挑战多部件装配。下一步从 CAD 走向机器人仿真建模只是起点。Every-Embodied 的下一章 04-Shape-Your-Body价值梯度机器人设计导读 会讲解 CAD 参数如何进入 URDF/MJCF再通过仿真控制与价值梯度反哺身体参数设计——这正是代码设计的机器人与强化学习闭环接轨的地方。想系统过一遍可以回到 21-机械臂和机器人设计/README.md 查看完整推荐学习顺序。常见问题Q1这些模型能直接打印吗教学模型需要先通过制造检查壁厚、悬垂、干涉。ForgeCAD 自带的check print命令会告诉你哪些零件适合 FDM 打印、哪些需要拆分——这也是教程特意保留的一个教学点。Q2一定要装 CAD 软件吗不必。教程里的预览图全部由脚本离屏渲染生成只有做工程尺寸校核时才需要把 STEP 导入专业 CAD 软件。Q3自然语言能直接生成模型吗严格来说不能。自然语言先被翻译成 Python/JS 源文件再由几何内核执行。这也是代码即 CAD的核心源文件才是可复现资产聊天输出只是过程。Q4依赖冲突怎么办Build123d 会引入 Open CASCADE、VTK 等较重的依赖务必使用独立虚拟环境避免污染已有的机器人仿真与深度学习环境。【免费下载链接】every-embodied仅需Python基础从0构建自己的具身智能机器人从0逐步构建VLA/OpenVLA/SmolVLA/Pi0 深入理解具身智能项目地址: https://gitcode.com/gh_mirrors/ev/every-embodied创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉