对于研究实验室的最佳开源机器人堆<unk> (2026年版)
雷罗波特,罗博苏伊特,艾萨克实验室,OpenVLA,Octo,ROS 2,DROID类型数据,GelSight触摸器 <unk>2026年开源堆<unk>与关闭的NVIDIA艾萨克替代品.
在2026年,你可以完全运行一个可信的机器人学习研究程序,完全使用开源软件,一个小的硬件账单和一个GPU.这是我们推
发表于2026-03-13年,由
TL;DR.* 2026年开源机器人堆
一眼的堆
| 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 |
| 遥操作 | ALOHA-style, OpenArm, glove-based OSS | Vendor-locked VR/teleop SDKs | Consumer humanoid vendor integrations |
中间件:ROS 2 爵士
过去两年来,工具的改进 (更好的发射系统,稳定的DDS实现,改善了Python的 ergonomics) 已经关闭了大部分剩下的空白.
- 如果一个供应商仍然只支持ROS 1,那么它就会是黄色的旗
. - 现在,LeRobot,Robosuite和大多数远程操作包都拥有ROS2桥梁.
- 在ROS 2上,多机器人设置比ROS 1更容易.
封闭的替代方案是NVIDIA的Isaac ROS,它是 GPU 加快感知和控制包的集,除了ROS 2.如果您的管道依赖于Jetson推理,它很好;否则它是过度杀死和供应商的关联.
3.数据和政策层:LeRobot
[LeRobot]
雷罗伯特做得不好:从常见格式 (ALOHA, DROID, OpenArm) 转换数据集,为ACT/Diffusion Policy/VQ-BeT/VLA适配架构进行共享培训循环,检查点和配置来源.
4.模拟:Robosuite或艾萨克实验室
虽然在现实政策的大部分方面,Sim仍然是二级公民,但对于RL研究和政策预测而言,它是真正有用的第一级公民.
机器人
基于MuJoCo,Python原生,可以编写新场景.最适合模仿学习研究,实验实验,物理忠诚度是次要的,快速
艾萨克实验室
基于Isaac Sim的GPU加速支持数千个平行环境. 随着大型推广,域名随机化和任何研究的研究,支持加紧学习的正确选择.我们的 [Isaac Lab开始]
我们的真实转换笔记是在 [真实转换]
基金会政策:OpenVLA,Octo,和朋友
开放生态系统自2024年以来最突出的进展是在基础政策层.
- **Octo:**较小,更快调整,宽恕小数据集和异性实施.
- **OpenVLA:**更大的,更好的预先训练覆盖,支持语言调节.
- **
散政策:** 不是VLA,而是与几百个演示的接触丰富操纵的默认. - **ACT:**动作碎片变压器.双手动工作马. 见 ACT政策解释 和 ACT与扩散政策.
根据"VLA-models/](
6. 数据集的规范:DROID和开放X体
跨数据集的互操作性是使跨体体预训练成为可能的乘法.开放X-Embodiment (OXE) 是参考数据集收集;请参阅我们的 OXE解释器. DROID类型的公约 (多摄像头,丰富的元数据,语言注释) 已成为新数据发布的现实标准.
实际指导:以本土的LerRobot格式记录或提供清洁的转换器.即使您从未为上游做出贡献,也可以使用OXE式预训练运行.当您想调整下一代VLA时,您的未来自我会感谢您. 我们在 [/data sets/]
触觉感知:凝视和长尾
8. 远程运营和数据收集
电话操作是上述所有事物的原料.
- **ALOHA风格的领导跟随者.**最适合双手机桌面.
- OpenArm基于的设置. 开放材料,现代软件堆
,不断增长的社区. - VR远程运行. 对于远程运行和移动运行;比纯开放更商业,但多个开放包都能清洁地集成.
- 基于手套的精巧捕获. 最有研究的路径;硬件多样性仍然很高.
在我们 [远程操作数据质量检查清单]
9. 封闭的替代方案:NVIDIA Isaac+专有VLA
对于喜欢集成商业堆
我们的诚实观点:对于纯粹的研究,开放赢得了胜利.对于企业试点来说,集成负担是瓶
10. 建议的混凝土起始配置
如果您在本季度开始一个新的实验室,
- **硬件:**一个双手平台 (ALOHA或相等级) 和一个单臂研究臂 (OpenArm或Franka). RCSV存储器 中的源选项,并在 [比较工具](
T23 中进行比较. - **计算:**一个工作站,A6000或L40S (48GB) 和云端可访问更大的运行.
,我很高兴. - 数据/培训: LeRobot 带着 LeRobot 数据集 v2 格式. 在接触任何模型之前,完成您自己的第一个任务,即300个演示.
- 基础模型: 对于初步的细节调节,OpenVLA一旦数据集超过500集.
- 假设您有任何问题,但您只需要在研究中提出一个问题.
- **触摸:**每一项研究手臂每一只GelSight家族传感器.
- **文件和教程:**我们的 购买者指南 和 教程 涵盖了登陆.
11. 应避免的反模式
- 永远建立在一个VLA上. 设计数据和服务管道,至少可以在两个之间移动.
- 通过LeRobot的方法,你每一个花费的小时来构建自己的数据,都是一个浪费的小时.
- 对于大多数细节来说,一个H100就足够了.多节点引入了失败模式,这将让你吃掉四分之一.
- **忽略数据管道.**最佳的政策架构不会拯救一个坏数据集.
- 试图让人犯错误.
12 结尾备忘录
2026年开源机器人堆
对于该领域的季度状态,请参阅我们的 [机器人学习 Q1 2026]
** 拿起堆
常见问题
开放堆真的与关闭堆进行研究?
对于可复制的狭
如果我们使用Robosuite,我们需要Isaac Sim吗?
只有你需要GPU尺度的平行性或高效物理来实现RL.Robosuite对于大多数模仿学习研究和对真实模拟的研究是足够的.
如何使用 MuJoCo MPC 和基于模型的控制?
MuJoCo MPC是基于模型的控制研究的强大开源选择,特别是对人类类型的运动和全身任务.它自然与Robosuite进行模拟评估,并与ROS 2进行硬件集成.如果您的研究议程强调控制理论工作而不是学习,那么它应该在上面的主堆
我们可以将开源政策与封闭硬件混合?
对于这些 SDK,大多数供应商都会使用联网级接口,这些接口可以由LeRobot训练的政策驱动. 摩擦通常在校准和观察-同步层,而不是政策层本身. 每个新平台计划一个星期的集成.
这堆移动多快?
快速.我们每季度更新我们的开放堆