La mejor pila de robótica de código abierto para laboratorios de investigación (2026 Edición)

En 2026 se puede ejecutar un programa de investigación creíble de aprendizaje robótico completamente en software de código abierto, con una pequeña factura de hardware y una única GPU. Esta es la pila que recomendamos las piezas que encajan juntas, donde no, y cómo comparar con la alternativa cerrada NVIDIA.

Publicado 2026-03-13 por el Centro de Robótica del equipo de investigación de Silicon Valley.

TL;DR. La pila de robótica de código abierto 2026 que realmente encaja entre sí: LeRobot para datos y políticas, Robosuite o Isaac Lab para simulación, OpenVLA o Octo para modelos de base, ROS 2 Jazzy para el middleware, DROID-style convenciones de conjunto de datos para interoperabilidad, y GelSight-class sensores ópticos táctiles para la investigación rica en contactos. La alternativa cerrada es la pila NVIDIA Isaac más VLAs propietarios. Elige abrir para la reproducibilidad, el costo y la portabilidad. Elige cerrar sólo cuando necesites que la integración sea más profunda de lo que tu equipo puede mantener.

1. La pila en un vistazo

Layer	Open-source default	Closed alternative	When closed wins
Middleware / runtime	ROS 2 Jazzy	Isaac ROS (NVIDIA)	Heavy reliance on NVIDIA Jetson perception
Data format & training	LeRobot	Proprietary (internal)	Closed labs, proprietary embodiments
Simulation	Robosuite, Isaac Lab (partly open)	Isaac Sim full stack	Large-scale RL, high-fidelity physics
Foundation policy	OpenVLA, Octo, pi0-open variants	Closed VLAs (various vendors)	State-of-the-art generalization on broad tasks
Dataset conventions	DROID-style, Open X-Embodiment	Proprietary dataset schemas	Only when stuck with vendor ecosystem
Tactile sensing	GelSight family (open designs)	Proprietary fingertip sensors	Productized integration on specific hands
Teleoperación	ALOHA-style, OpenArm, glove-based OSS	Vendor-locked VR/teleop SDKs	Consumer humanoid vendor integrations

2. Medio: ROS 2 Jazzy

ROS 2 Jazzy es ahora el tiempo de ejecución predeterminado para los robots de investigación serios. Las mejoras en las herramientas de los últimos dos años (mejor sistema de lanzamiento, implementaciones estabilizadas de DDS, mejor ergonomía de Python) han cerrado la mayoría de las lagunas restantes con ROS 1.

• La mayoría de los barcos de investigación modernos con controladores ROS 2. Si un proveedor todavía sólo apoya ROS 1, es una bandera amarilla.
• LeRobot, Robosuite y la mayoría de los paquetes de teleoperación ahora tienen puentes ROS 2.
• Las configuraciones de múltiples robots son mucho más fáciles en ROS 2 que en ROS 1.

La alternativa cerrada, Isaac ROS de NVIDIA, es un conjunto de paquetes de percepción y control acelerados por GPU en la parte superior de ROS 2. Es excelente si su tubería se apoya en gran medida en la inferencia de Jetson; es demasiado fatal y está vinculada al proveedor de otra manera.

3. Datos y estrategia: LeRobot

[LeRobot]T0) se ha convertido en la opción predeterminada por una razón. Es lo suficientemente opinado como para hacer cumplir un formato de conjunto de datos coherente, lo suficientemente general como para alojar la mayoría de las arquitecturas políticas actuales, y lo suficientemente activo como para que la documentación sea realmente actual. Nuestra [Guía de LeRobot]T1) y [LeRobot framework getting started]T2) cubren el lado práctico.

Lo que LeRobot hace bien: conversión de conjuntos de datos a partir de formatos comunes (ALOHA, DROID, OpenArm), bucle de capacitación compartido para las arquitecturas de ACT/Política de difusión/VQ-BeT/VLA-adapter, punto de control y procedencia de configuración. Lo que hace menos bien: servicio en línea robusto en computación del lado robótico con recursos limitados, abstracciones de políticas multi-embodamiento.

4. Simulación: Robosuite o Isaac Lab

Sim sigue siendo un ciudadano de segunda clase en la mayoría de las líneas de políticas del mundo real, pero es un ciudadano de primera clase realmente útil para la investigación de RL y para la pre-examen de políticas.

Robosuite

MuJoCo-base, nativo de Python, fácil de escribir nuevas escenas en. Mejor para la investigación de imitación-aprendizaje, sim-a-realidad experimentos donde la fidelidad física es secundaria, y la iteración rápida. Madura, estable, ampliamente utilizado.

Isaac Lab

La GPU acelerada, basada en Isaac Sim, admite miles de entornos en paralelo. La opción correcta para el aprendizaje de refuerzo con grandes implementaciones, aleatorización de dominios a escala y cualquier investigación donde el rendimiento es el cuello de botella. Nuestro [Isaac Lab comenzando] T3) cubre la configuración y los fallos comunes. Partialmente abierto el ecosistema circundante de Isaac Sim tiene componentes cerrados, y estás conectado al hardware NVIDIA.

Nuestras notas sim-to-real están en [transferencia sim-to-real]T4) y [síntesis de simulación de practicante a la realidad]T5).

5. Política de la Fundación: OpenVLA, Octo y amigos

La capa de base y política es donde el ecosistema abierto ha dado los pasos más dramáticos desde 2024.

• ** Octo:** más pequeño, más rápido para ajustar a la finalidad, perdona los pequeños conjuntos de datos y las realizaciones heterogéneas.
• OpenVLA: cobertura más grande y mejor pre-entrenada, soporta el acondicionamiento del lenguaje fuera de la caja.
• ** Política de difusión:** no un VLA sino el predeterminado para la manipulación rica en contactos con unos cientos de demostraciones.
• ACT: transformador de acción de trituración. El caballo de trabajo bimanual. Véase [política de ACT explicada]

El catálogo más amplio /vla-models/ se mantiene al día.

6. Convenciones de conjuntos de datos: DROID y Open X-Embodyment

La interoperabilidad entre conjuntos de datos es el multiplicador que hace posible la pre-entrenamiento entre los cuerpos. Open X-Embodiment (OXE) es la colección de conjuntos de datos de referencia; vea nuestro explicador OXE. Las convenciones de estilo DROID (multi-cámara, metadatos ricos, anotaciones de lenguaje) se han convertido en el estándar de facto para los nuevos lanzamientos de datos.

Guía práctica: grabar en formato nativo de LeRobot o proporcionar un convertidor limpio a él. Hacer que sus datos consumibles por las carreras de pre-entrenamiento de estilo OXE incluso si nunca contribuye en aguas al mar. Su futuro yo le agradecerá cuando quiera ajustar a la próxima generación de VLA. Nuestros conjuntos de datos seleccionados en /datasets/ y los servicios de datos en /data-services/ están diseñados en torno a estas convenciones.

7. Detección táctil: GelSight y la cola larga

Los sensores ópticos táctiles de la familia GelSight (GelSight, GelSight Mini, DIGIT) se han vuelto lo suficientemente baratos como para que los laboratorios serios puedan estandarizarlos para la investigación rica en contacto. Nuestra [ensayo de fuerzas de contacto]T13) enmarca el por qué; nuestra [veredicto-forza]T14) cubre la modalidad adyacente.

8. Teleoperación y recogida de datos

La teleoperación es la materia prima para todo lo anterior. Opciones amigables con el código abierto en 2026:

• Lider-followers al estilo ALOHA. Mejor para una mesa bimanual. Véase la guía ALOHA y Configuración ALOHA móvil.
• ** Configuraciones basadas en OpenArm.** Open bill de materiales, software moderno, comunidad creciente. Véase OpenArm configuración y la comparación OpenArm vs Franka.
• Teleoperación de RV. Para el largo alcance y móviles; más comercial que puramente abierto, pero varios paquetes abiertos se integran de forma limpia.
• ** Captura hábil basada en guantes.** El camino más avanzado de la investigación; la diversidad de hardware sigue siendo alta.

La disciplina de calidad en la parte superior está en nuestra [lista de verificación de calidad de los datos de teleoperatoria]

9. La alternativa cerrada: NVIDIA Isaac + VLAs propietarios

Para los laboratorios y empresas que prefieren una pila comercial integrada, la familia Isaac de NVIDIA (Isaac Sim, Isaac ROS, Isaac Manipulator, Isaac Perceptor) más un VLA propietario es una alternativa creíble. No es de código abierto en el sentido de mercancía, pero es internamente consistente, bien soportado y bien documentado. Pagas en licencias, en acoplamiento de proveedores y en la pérdida de la capacidad de reproducir tu tubería en hardware no NVIDIA.

Nuestra visión honesta: para la investigación pura, la apertura gana. Para los pilotos empresariales donde la carga de integración es el cuello de botella y la computación ya es NVIDIA, cerrado es defendible. El caso medio un laboratorio de investigación con un financiador comercial generalmente termina abierto por defecto y cerrado para componentes específicos con el tiempo.

10. Una configuración de arranque recomendada de concreto

Si se está comenzando un nuevo laboratorio este trimestre, esto es lo que nos levantaríamos:

1. Hardware: una plataforma bimanual (ALOHA o equivalente) y un brazo de investigación de un solo brazo (OpenArm o Franka). Opciones de fuente en la almacenamiento RCSV y comparación en la herramienta de comparación.
2. Computo: una estación de trabajo con un A6000 o L40S (48 GB) y acceso en la nube para ejecuciones más grandes.
3. ROS 2 Jazzy.
4. ** Datos/entrenamiento:** LeRobot con el formato de conjunto de datos LeRobot v2. Cure su propia primera tarea de ~ 300 demostraciones antes de tocar cualquier modelo.
5. Modelos de base: Octo para las primeras mejoras; OpenVLA una vez que el conjunto de datos excede de ~500 episodios. Política de difusión para proyectos secundarios ricos en contactos.
6. • Simulación: * Robosuite durante la primera semana. * Isaac Lab sólo si tienes una pregunta pesada de investigación.
7. Táctil: un sensor de la familia GelSight por brazo de investigación.
8. ** Documentación y tutoriales:** nuestras guías de compradores (T24) y (T25) cubren la incorporación.

11. Antipatrones para evitar

• ** Construir en un VLA para siempre.** Diseñar sus datos y servicio de tubería para ser portátil entre al menos dos. El campo se mueve.
• Rolling su propio formato de conjunto de datos. Utilice LeRobot. Cada hora que pasa construyendo su propio es una hora perdida en la investigación real.
• ** Entrenamiento distribuido precoz.** Un solo H100 es suficiente para la mayoría de las melodías finas.
• ** Ignorar la tubería de datos.** La mejor arquitectura de políticas no rescatará un conjunto de datos mal.
• Salto de ROS 2. Tenta y siempre un error en la escala.

12. Nota de cierre

La pila de robótica de código abierto 2026 no es perfecta, pero es coherente, reproducible y asequible de una manera que simplemente no era hace dos años. Las piezas encajan. Un pequeño laboratorio con dos investigadores y un presupuesto de hardware modesto ahora puede competir con grupos industriales bien financiados en cualquier benchmark de tareas estrechas, y puede publicar resultados que otros laboratorios pueden reproducir sin firmar ningún acuerdo de licencia. Es una situación verdaderamente nueva.

Para el estado trimestral del campo, vea nuestro estado del aprendizaje de robots Q1 2026. Para las realidades de la cadena de suministro en el lado de hardware, vea verificación de la realidad de la cadena de suministro humanoide. Para la agenda de investigación que se desbloquea esta pila, vea por qué el bimanual es la próxima frontera. Y si desea ayuda para dimensionar un programa, entrá en contacto.

Toma la pila para una vuelta. Explora hardware, inscríbete en leasing, explora open datasets, y revisa open VLAs. La pila de aprendizaje de robots de código abierto está lista cuando estés.

Preguntas frecuentes

¿Es la pila abierta realmente competitiva con la cerrada para la investigación?

Para la investigación de tareas estrechas reproducibles, sí. VLAs abiertos más LeRobot más un cable de teleop decente producirán resultados que son competitivos con cualquier cosa publicada por laboratorios cerrados en benchmarks de tareas únicas. La brecha, donde existe, es en la generalización entre tareas y encarnaciones cruzadas, que es más relacionada con datos que con la arquitectura.

¿Necesitamos a Isaac Sim si usamos Robosuite?

No a menos que necesites paralelismo a escala de GPU o física de alta fidelidad para RL. Robosuite es suficiente para la mayoría de las investigaciones de imitación y para el prototipo sim-to-real. Isaac Lab es la herramienta adecuada cuando estás ejecutando miles de entornos paralelos, no uno o dos.

¿Qué hay de MuJoCo MPC y control basado en modelos?

MuJoCo MPC es una fuerte opción de código abierto para la investigación de control basada en modelos, especialmente para las tareas de locomoción y cuerpo entero en humanoides. Se combina naturalmente con Robosuite para la evaluación simulada y con ROS 2 para la integración de hardware. Si su agenda de investigación enfatiza el trabajo teórico de control sobre el aprendizaje, merece una mirada seria junto con la pila principal de arriba.

¿Podemos mezclar políticas de código abierto con hardware cerrado?

Sí. La mayoría de los SDKs de proveedores exponen interfaces de nivel conjunto que las políticas entrenadas por LeRobot pueden manejar. La fricción es típicamente en la capa de calibración y sincronización de observación, no la capa de política en sí. Planificar una semana de integración por nueva plataforma.

¿Qué tan rápido se mueve esta pila?

Rápido. Actualizamos nuestras recomendaciones de Open Stack trimestralmente ver nuestra [revisión estatal trimestral] T36) para la instantánea actual. Elige un compromiso, pin tus dependencias y documenta tus versiones; la disciplina de reproductibilidad importa más cuando el flujo ascendente se mueve.