在机器人视觉与抓取、定位等应用中，手眼标定是连接机械臂运动与视觉感知的关键环节。对于搭载相机的 PiPER 机械臂系统而言，准确获取末端执行器与相机之间的空间变换关系（即手眼矩阵），是实现高精度视觉伺服控制的前提。本文将基于松灵六轴机械臂PiPER，系统性地介绍基于 ROS2 Humble 的手眼标定流程，涵盖“眼在手上”与“眼在手外”两种典型配置，提供从依赖安装、标定板准备、程序运行到数据采集与

本文以松灵机器人机械臂为例，对比分析七轴机械臂与六轴机械臂在结构设计、运动能力及应用场景上的差异，结合 PiPER 六轴机械臂与 NERO 七轴机械臂，解析七轴机械臂为何更适用于具身智能、VLA、模仿学习及复杂操作任务，帮助开发者理解不同自由度机械臂的选型逻辑与未来发展趋势。

近两年 OpenVLA、GR00T 等具身智能项目加速发展，行业一度将进步归因于大模型与算力，而当下研究重心逐步转向数据。UMI、ALOHA 等项目聚焦高效采集优质机器人数据，数据决定具身智能模型能力上限。机器人数据采集不再局限于记录轨迹视频，需要完整技术栈。文章结合Ego+UMI融合数采方案梳理技术脉络，探讨松灵 PiKA PRO 为首的自研Ego第一视角采集方案推动具身智能迈入数据驱动时代。

近两年 OpenVLA、GR00T 等具身智能项目加速发展，行业一度将进步归因于大模型与算力，而当下研究重心逐步转向数据。UMI、ALOHA 等项目聚焦高效采集优质机器人数据，数据决定具身智能模型能力上限。机器人数据采集不再局限于记录轨迹视频，需要完整技术栈。文章结合Ego+UMI融合数采方案梳理技术脉络，探讨松灵 PiKA PRO 为首的自研Ego第一视角采集方案推动具身智能迈入数据驱动时代。

本文解析具身智能爆火的技术逻辑，以松灵机器人的底盘为例，详解移动底盘对比纯机械臂的优势，结合 ROS2 生态、多款底盘方案与 Mobile ALOHA 落地案例，讲解移动底盘如何支撑 VLA 模型与机器人全域作业.

随着具身智能与机器人产业快速发展，四驱四转和全领域通用一体化移动机器人正成为研发新趋势。本文以松灵机器人的 RANGER MINI 3.0 与 UMR 为例，解析移动机器人平台在运动性能、系统集成、开发效率和扩展能力上的演进，探讨其如何帮助开发者缩短研发周期，加速科研验证、行业应用与产品落地，为移动机器人开发提供更高效的平台选择。

随着具身智能快速发展，高质量机器人数据采集正成为模型训练与算法验证的关键基础。本文结合松灵机器人 PiKA 数据采集套件，围绕 Ego-centric、多模态数据采集及科研应用，探讨高效构建机器人数据集的价值与实践。

本文基于 ROS2 开发场景，以松灵 SCOUT MINI 差速底盘、RANGER MINI3.0 全向底盘为例，剖析两类底盘运动学、Twist 指令解析与 cmd_vel 消息接口差异，解答同一份 cmd_vel 指令跨底盘出现跑偏、无法横移的原因，梳理 Navigation2 适配要点与仿真、实车调试常见踩坑细节，助力开发者完成代码移植与导航部署。

本章实现基于线性代数库Eigen实现松灵PIPER机械臂的正解，逆解的雅各比方法，自定义交互式标记的实现。

Moveit API使用。