一、为什么整理这个
做机器人开发，有一件没完没了的事：找资源。
想跑仿真，不知道该用 MuJoCo 还是 Isaac Sim；想搞 SLAM，ORB-SLAM3 和 Kimera 摆在一起不知道差在哪；想训策略，RL-Games / SKRL / RSL-RL 三个都说是主流；想用数据集，Open X-Embodiment 和 DROID 的规模差了一个量级。
搜索能搜到，但搜到的是别人的收藏夹：重复的、过期的、只列名字不给一句人话的、分类混乱的。GitHub 上那几个 "awesome-robotics" 仓库动辄 500+ 条，塞满了自动驾驶、无人机、纯软件工程项目，混在里面根本找不到自己要的。
所以我做了一份人工筛过的导航RobotsWiki：10 个分类，97 条，每一条都带一句"它是什么、什么时候用"。
二、10 个分类，97 条
① 模型仓库（3 条）
不用自己从头写 URDF。
example-robot-data —— Gepetto 团队维护的学术机器人 URDF 集合：Panda、UR、Tiago、ANYmal、Talos、Cassie、Solo
MuJoCo Menagerie —— DeepMind 官方维护的 MJCF 模型库，覆盖 60+ 款商业机器人
Unity Robotics Hub —— Unity 官方工具集，含 URDF 导入器与 ROS 桥接
顺带一提：RobotsWiki 模型库里的模型，来源大多就是 MuJoCo Menagerie —— 这也是为什么模型页的下载命令直接给你
git clone mujoco_menagerie，一次拿全所有 mesh。
② 开源机器人（7 条）
SO-ARM100 —— 开源 3D 打印低成本机械臂，面向端到端学习
OpenArm —— 双臂操作平台，单臂 7 自由度、6kg 负载，BOM 约 $6,500
Stanford Doggo —— 斯坦福开源的高敏捷四足机器人
OpenBot —— Intel 出品的 $50 智能手机驱动小型机器人车
NASA Open Source Rover —— NASA JPL 开源的六轮火星车模型
Linorobot —— ROS 兼容地面机器人（2WD/4WD/阿克曼/麦克纳姆轮）
MuSHR —— 华盛顿大学开源的自动驾驶与移动机器人软硬件平台
入门练手的话，SO-ARM100 和 OpenBot 的门槛最低 —— 一个千元级，一个 $50。
③ 仿真器（14 条）—— 最多人纠结的一块
新手最容易犯的错是一上来就选 Isaac Sim。 它的能力上限最高，但配置门槛和显存开销也最高 —— 你现在要验证的是"我的控制算法对不对"，不是"我能不能渲染百万级场景"。先用 MuJoCo 或 PyBullet 跑通，再考虑要不要换。
④ 开发框架 · 中间件（10 条）
ROS 2 —— 新一代机器人操作系统，分布式 DDS，工业级实时支持
MoveIt 2 —— ROS 上最流行的机械臂运动规划与操作框架
Nav2 —— ROS 2 的移动机器人自主导航栈（建图、定位、路径规划）
micro-ROS —— 把 ROS 2 跑在微控制器上
Johnny-Five —— 基于 JavaScript / Node.js，硬件新手友好
OpenCV —— 计算机视觉库，机器人感知的事实标准
PCL —— 大规模 2D/3D 与点云处理
Rerun —— CV 与机器人数据的可视化 SDK，按时间线探索系统内部状态
GTSAM —— 基于因子图的 C++ 传感器融合库，SLAM / VO / SFM 广泛使用
Ceres Solver —— 非线性优化库，光束平差、SLAM、相机标定
⑤ 运动学 · 动力学 · 控制（9 条）
这一组是"从模型到能动"的核心：
Pinocchio —— 高效刚体动力学算法库（CRBA/RNEA/ABA），支持导数与代码生成
Crocoddyl —— 面向足式运动的最新最优控制求解器
OCS2 —— ETH 的实时 MPC 框架
mujoco_mpc —— 基于 MuJoCo 的实时 MPC 与全身控制示例
legged_control —— MPC + WBC 的足式实时控制框架
Cheetah-Software —— MIT Cheetah 3 / Mini Cheetah 开源控制栈
RBDL —— C++ 刚体动力学库，接口简洁
OMPL —— 开源运动规划库，大量采样式算法（RRT/PRM）
EXOTica —— 通用机器人优化工具集，逆运动学 + 轨迹优化 + 最优控制
⑥ 强化学习 · 模仿学习（8 条）
LeRobot —— HuggingFace 出品，含 ALOHA/ACT、Diffusion Policy 示例，统一数据与模型接口
Stable Baselines3 —— 久经测试的 PyTorch RL 实现
RL-Games —— 面向 GPU 大规模并行，Isaac 系常用
SKRL —— 模块化，与 Isaac Lab / Omniverse 深度集成
RSL-RL —— ETH 足式组使用的轻量 PPO 实现
Diffusion Policy —— 扩散模型驱动的视觉运动操作策略框架
Gymnasium —— Farama 维护的 RL 环境标准 API
Segment Anything (SAM) —— Meta 的通用分割大模型，可用于机器人场景理解与抓取
LeRobot 值得单独说一句：它把 ALOHA/ACT、Diffusion Policy 这些原来散落在各个仓库里的实现，统一到一套数据和模型接口下。做模仿学习的，先装它能省掉两周的接口适配。
⑦ 具身数据集（8 条）
Open X-Embodiment —— Google DeepMind 牵头的跨机构大规模操作数据集联盟
DROID —— 大规模、多样化跨场景操作数据集
AgiBot World —— 智元发布的高质量具身真机任务数据集（国产）
RH20T —— 清华等机构开源的多模态人机交互数据集
BridgeData V2 —— Berkeley 的低成本机械臂遥操作演示数据集，常用于策略预训练
LIBERO —— 终身/多任务模仿学习的 benchmark
KITTI —— 经典自动驾驶数据集，LiDAR + GPS + 双目
nuScenes —— 大规模自动驾驶数据集，140 万相机图像 + 激光雷达
做 VLA 的绕不开 Open X-Embodiment 和 RH20T；做模仿学习基准对比的看 LIBERO。
⑧ 感知 · SLAM · 具身大模型（9 条）
ORB-SLAM3 —— 单目/双目/RGB-D + IMU 的视觉 SLAM 经典实现
LIO-SAM —— 紧耦合 Lidar-IMU 里程计与建图
RTAB-Map —— RGB-D / 激光 SLAM 工具箱，含 ROS 集成
Cartographer —— Google 开源 2D/3D SLAM
Kimera —— MIT 的实时度量语义 SLAM C++ 库
Open3D —— 开源 3D 数据处理库
OpenVLA —— 开源视觉-语言-动作操作大模型
OpenPI (π0) —— Physical Intelligence 开源的 π0 流式 VLA 框架
NVIDIA Isaac GR00T —— NVIDIA 面向通用人形机器人的 VLA 基础模型
⑨ 硬件厂商（19 条）
宇树、智元、银河通用、星动纪元、逐际动力、Franka、优傲、越疆、节卡、遨博、Boston Dynamics、ANYbotics、PAL Robotics、Kinova、Figure、1X、Apptronik、Fourier —— 覆盖国内国外主流整机厂，附官网直达。
⑩ 学习与社区（10 条）
ROS —— 机器人软件的事实标准
awesome-robotics / Awesome Robotic Tooling —— 两大综合清单
Modern Robotics —— Northwestern Kevin Lynch 的免费教材与视频课
Underactuated Robotics —— MIT Russ Tedrake 的开源教材，聚焦动力学与控制
PythonRobotics —— Python 实现的机器人算法可视化合集
Robotics Toolbox for Python —— Peter Corke 的教学工具箱
古月居 —— 国内最大的 ROS / 机器人中文社区之一
深蓝学院 —— 国内机器人 / 自动驾驶 / SLAM 系列在线课程平台
Open Robotics —— 维护 ROS 与 Gazebo 的非营利组织
三、我是怎么筛的
资源导航最大的风险是变成没人维护的收藏夹。所以每条收录都按这四条过一遍：
能直接访问 —— 链接活着，且是官方仓库 / 官方文档 / 官方站点，不收三方转载
有人用 —— 不是"理论上很好"但没人碰的玩具项目。判断标准是：GitHub star 数、社区讨论度、论文里有没有人拿它做实验
一句话说清它是什么 —— 不写"强大的仿真器"，写"DeepMind 维护的高性能刚体物理仿真器，足式/操作任务的事实标准"。你看完这一句就该知道要不要点进去
中文可用性单独考虑 —— 有些资源再好，有中文文档或中文社区的单独标注（古月居、深蓝学院这类）
没有收录的：纯自动驾驶向的库（不聚焦）、已经明显不维护的项目、需要付费但没有免费层的商业产品、重复条目。
四、怎么用这份资源库
别当收藏夹用。 收藏夹的宿命是再也不打开。
推荐用法：
做选型时 → 按分类扫一遍，用第 3 类（仿真器）和第 6 类（RL/IL）对照着挑
配环境时 → 第 1 类模型仓库 + 第 4 类中间件，一次配齐
写论文/复现时 → 第 7 类数据集 + 第 8 类大模型，优先看有 baseline 对比的
五、结尾
做机器人久了会有个体会：这个领域最大的浪费不是算力，是重复劳动。 同一个仿真器配置，同一份 URDF 路径踩坑，同一个问题在十个 issue 里问十遍。
资源库这件事本身不复杂，就是花时间筛一遍、给每条写一句人话。但它省下的是整个中文社区的重复劳动。希望对你有帮助。
