Herramientas y marcos de aprendizaje de robots
Software de código abierto para entrenamiento, simulación y datos. RoboMimic, LeRobot, Isaac Sim, MuJoCo y más.
Esenciales del Stack de Entrenamiento
Marcos centrales para flujos de trabajo de aprendizaje por imitación e iteración de políticas.
ColecciónStack de Simulación y Benchmark
Simuladores y entornos de benchmark para evaluación controlada.
ColecciónHerramientas de Infraestructura de Datos
Estandarización y herramientas para tuberías de datos de robots escalables.
Categorías Populares
Etiquetas Populares
Herramientas para el Aprendizaje de Robots
RoboMimic
Marco de aprendizaje por imitación. BC, DAgger, HBC. MimicGen para aumento de datos. MIT. Simulación + real.
Ver herramienta →
LeRobot
IL/RL de extremo a extremo. ACT, SmolVLA. Conjuntos de datos, entrenamiento, implementación. PyTorch, Hugging Face Hub.
Ver herramienta →
RLDS
Formato de conjunto de datos de aprendizaje de robots. TFDS, estructura de episodios. Estándar Open X-Embodiment.
Ver herramienta →
Isaac Sim
Simulación física, datos sintéticos, aleatorización de dominio. Acelerado por GPU. Omniverse.
Ver herramienta →
MuJoCo
Motor físico. Rápido, preciso. RoboSuite, Gymnasium. Gratis, código abierto.
Ver herramienta →
RoboSuite
Simulación modular. Basado en MuJoCo. LIBERO, MetaWorld. Benchmarks de manipulación.
Ver herramienta →Modelos y Conjuntos de Datos Sugeridos
Cohesión de la pila
Las herramientas están organizadas en torno a flujos de trabajo de capacitación y despliegue prácticos.
Experimentación rápida
Pasar de la simulación a la validación en el mundo real con menos brechas de integración.
Compatibilidad de datos
Los formatos y marcos de datos están vinculados a ecosistemas de modelos compatibles.
Preparación para producción
Camino desde el prototipado de código abierto hasta el despliegue robusto en el campo.