2025 년 오픈 소스 로봇 학습 생태계: 도구, 데이터 세트 및 커뮤니티

[← 연구]

오픈소스 인프라는 로봇 학습 연구를 변화시켰습니다. 이 가이드에서는 전체 생태계를 지도화합니다.

로봇 학습에 있어서 오픈소스 사용이 중요 한 이유

3년 전, 로봇 학습 연구에는 잘 자금 지원된 대학 연구소나 대형 회사가 필요했습니다. 독자적인 시뮬레이터, 폐쇄된 데이터 세트, 그리고 비싼 하드웨어는 현장을 둘러싼 격포를 만들었습니다. 오픈소스 운동은 이것을 근본적으로 바꾸었습니다.

** 민주화**: 베트남 대학의 연구원은 현재 스탠퍼드 연구소와 같은 오픈 X-Embodiment 데이터 세트에 액세스 할 수 있습니다. 레로봇은 단일 소비자 GPU를 사용합니다. 오픈아름의 완전한 CAD 파일은 3D 프린터와 $ 800을 가진 팀이 능력을 갖춘 연구 팔을 만들 수 있습니다.

** 가속화된 발전**: 오크토가 오픈 웨이트로 출시되었을 때, 40개 이상의 팀이 6개월 이내에 그것을 정비했습니다. 발견은 단위적으로 유지되는 대신 커뮤니티 전체에 합쳐졌습니다. RT-2 논문은 재생할 수 없었습니다. 물리 지능 오픈 소스 π0 훈련 코드가 사용되었을 때, 전년보다 3개월 만에 현상이 더 빠르게 움직였습니다.

** 팀 간 비교**: 오픈 데이터 세트는 동일한 데이터에 대한 방법을 비교할 수 있게 한다. 오픈 X-Embodiment 이전에는 모든 논문은 서로 다른 객체와 다른 데이터에 대한 훈련을 받았으며, 비교가 무의미하게 되었다. 공통적인 기준은 과학적 발전의 기초이다.

프레임워크 비교

Framework	Purpose	License	Community Size	Best For
LeRobot (HuggingFace)	End-to-end robot learning — data, training, eval	Apache 2.0	8,000+ Discord	Beginners, ACT/Diffusion Policy training
RoboSuite	Simulation + task suite for manipulation	MIT	2,000+ GitHub stars	Reproducible sim benchmarks
Robomimic	오프라인 강화학습 and imitation learning	MIT	1,500+ GitHub stars	Algorithm research on offline data
IsaacLab	GPU-accelerated RL + sim2real	MIT	5,000+ GitHub stars	Massively parallel RL training
OpenDR	Perception + learning toolkit	Apache 2.0	500+ GitHub stars	Perception-heavy tasks, EU compliance

데이터 세트를 열

개방형 데이터 세트 생태계는 2024년에 이전 5년 합치보다 더 많이 성장했습니다.

• ** 오픈 X-Embodiment** 21개 연구기관의 22개의 로봇 실시예에서 160,000개 이상의 시범대상. 실시예 비지니스 정책 교육을 가능하게 하는 최초의 진정한 교차 실시예 데이터 세트. HuggingFace에서 개최되었습니다.
• DROID 50+ 환경에서 분산된 팀에서 수집된 76,000개의 시범 사례. 부엌에서 실험실, 공장, 다양한 실제 환경. 일반화 기준에 특히 강하다.
• BridgeData V2 UC 버클리에서 테이블탑 조작의 6만 건의 시범.
• ALOHA 데이터 세트 ALOHA 하드웨어와 함께 30+의 쌍방임 작업. ACT (Action Chunking Transformer) 및 그 후 많은 작업의 출력 데이터 세트. 작업에는 옷 접는 것, 패키지 개장 및 조립이 포함됩니다.
• LeRobot Hub 매일 증가하고 있습니다. 표준화된 형식, 버튼을 누르며 다운로드 합니다. 2025년 초부터 15개 이상의 로봇 플랫폼에서 200개 이상의 커뮤니티에 의해 기여된 데이터 세트.

시뮬레이터 오픈

시뮬레이션 품질은 많은 조작 작업에 실제 물리학과 접목되었습니다.

• Isaac Lab (NVIDIA, MIT 라이선스) GPU 가 가속화된 물리 시뮬레이션, 10,000+ 평행 환경을 실행합니다. 샘플 수치가 중요하는 RL에 가장 좋습니다. USD 장면 설명에 기반합니다. 20+ 로봇 모델을 지원합니다.
• MuJoCo (DeepMind, Apache 2.0 이후 2022) 접촉 부가한 조작을 위한 금 표준 물리 엔진. 빠르고 정확한 접촉 시뮬레이션. 대부분의 조작 벤치마크 (Robomimic, dm_control) 에서 사용된다. 무료 및 개방형.
• PyBullet (zlib 라이선스) 가벼운 대안, 빠른 프로토타입 제작에 널리 사용된다. MuJoCo보다 물리적으로 정확도가 낮지만 설정이 더 빠르다. 학습에 좋습니다.
• ** 가제보 / 발화** (Apache 2.0) ROS2 네이티브 시뮬레이터. 센서, 내비게이션 및 하드웨어-인-루프 테스트를 포함한 완전한 로봇 시스템 시뮬레이션에 가장 좋습니다.

오픈 하드웨어

오픈 하드웨어는 생태계의 가장 최신하고 가장 빠르게 성장하는 부분입니다.

• OpenArm (RCSV) 6DOF 연구 팔, 전체 CAD 파일, BOM, 및 조립 지침. CC BY-SA 라이선스. 1,500 달러 이하의 제작 비용. 데이터 수집 및 정책 배포를 위해 설계되었습니다. ROS2 네이티브.
• ALOHA (스탠포드 / HuggingFace) 쌍방향 원격 조작 플랫폼, ACT 종이와 함께 공개된 전체 구축 지침. ViperX 300 팔 + 사용자 지정 프레임. 제작에 약 20K 달러.
• Hello Robot Stretch ROS2 지원이 있는 모바일 조작 플랫폼, 오픈 소프트웨어 스택, 가정 환경으로 설계된. 오픈 소프트웨어로 상업용 제품.
• Koch v1.1 (HuggingFace LeRobot) 초저화 연구 팔, 300달러 이하의 자장판 서비스. 커뮤니티 설계, GitHub에서 전체 지침.

지역사회

• HuggingFace LeRobot Discord 8,000명 이상의 회원, 로봇 학습에 대한 가장 활발한 일상 커뮤니티. 정기적인 논문 토론, 데이터 세트 공유, 모델 평가. hf.co/lerobot에서 가입하십시오.
• Unitree Discord 5,000+ 회원이 있으며, Unitree 하드웨어 (Go2, G1, H1) 에 집중합니다. 강력한 시미-트리얼 콘텐츠.
• ROS2 Diskurse ROS2 개발 공식 포럼. 하드웨어 통합 문제 에 필수적 이다.
• RCSV 연구 포럼 는 RCSV 하드웨어, 데이터 세트 및 연구 프로그램에 초점을 맞추었습니다. 조작 및 텔레오퍼레이션 연구용으로 작은하지만 높은 신호-шум.

기부 기회

생태계에는 모든 차원에서 기여가 필요합니다.

• X-Embodiment 데이터 기여를 공개 로봇 플랫폼으로 시범을 수집하고 데이터 세트에 제출합니다. 유지 관리자는 적극적으로 새로운 실시예와 환경을 찾고 있습니다.
• LeRobot 모델 동물원 오픈 데이터 세트에 모델을 훈련하고 HuggingFace에 무게를 밀어 넣습니다. 모든 모델은 다른 사람들이 개선할 수 있는 기본 라인이 됩니다.
• ** 하드웨어 디자인 개선** OpenArm 및 Koch 모두 pull 요청을 받아들인다. 문서 개선, 새로운 최종 효과자 디자인 및 센서 통합 가이드 모두 높은 가치를 제공하는 기여입니다.
• ** 벤치마크 구현** 새로운 데이터 세트에 기존 알고리즘을 구현하거나 기존 벤치마크에 새로운 알고리즘을 구현. 비교는 발전의 원동력입니다.

오픈소스 도구에 대한 자세한 내용은 전체 [연구 개요] (T2) 를 읽어보십시오. 또는 [RCSV 커뮤니티에 가입하세요] (T3) 는 오픈 하드웨어 및 데이터 세트 생태계에 기여하기 위해.

개방형 로봇 학습 생태계에 기여

RCSV에 가입하여 개방된 데이터 세트를 이용할 수 있고, 시범을 할 수 있으며, 차세대 로봇 학습 인프라를 구축하는 연구자들과 협력할 수 있습니다.

[연구 공동체에 가입]