人形机器人领域目前有许多优秀的开源框架，涵盖了仿真环境、运动控制、感知与导航以及整机软硬件等不同层面。
以下是截至2025年，人形机器人领域最主流、最具影响力的开源框架整理：
1. 仿真与具身智能平台
a) NVIDIA Isaac Sim / Isaac Lab
-
简介： 基于NVIDIA Omniverse平台构建，是目前人形机器人仿真训练的事实标准。它不仅提供高度逼真的物理仿真和光线渲染，还提供了用于生成合成数据的工具。
-
特点： 支持域随机化、强化学习（Isaac Lab）、以及机器人基础模型（如Project GR00T）的开发和测试。
-
适用场景： 数据合成、强化学习训练、数字孪生。
b) MuJoCo (Multi-Joint dynamics with Contact)
-
简介： 由DeepMind维护并开源的物理引擎，以其快速、准确的多关节接触动力学计算而闻名。
-
特点： 最初由华盛顿大学开发，现已被广泛用于运动生成和控制算法的研究。虽然最初不是专门为人形设计，但已成为人形运动控制研究的常用平台。
-
适用场景： 运动控制算法开发、最优控制、强化学习。
c) PyBullet / Bullet
-
简介： 另一个广泛使用的开源物理引擎，集成了渲染和碰撞检测。
-
特点： 与Python深度集成，易于上手，常用于机器人学的教学和快速原型验证。
2. 整机软硬件开源平台
a) Unitree H1 (宇树科技)
-
简介： 宇树科技的H1机器人虽然是商业产品，但宇树提供了较为开放的接口和部分开源代码库。
-
特点： 开发者可以通过其SDK进行二次开发，接入ROS（机器人操作系统），并且其底层控制算法有一定参考价值。目前是学术界和工业界使用率很高的硬件平台。
b) Solo 8 / Solo 12
-
简介： 由法国CNRS（法国国家科学研究中心）和LAAS实验室开发的完全开源的模块化四足/双足机器人。Solo 12 是双足版本。
-
特点： 这是一个完全开源的硬件项目，包括机械结构图纸（CAD）、电路设计和软件代码都可以从GitHub上获取。成本相对较低，非常适合学术研究机构进行运动算法的底层开发。
c) OpenRobotix / ergoCub
-
简介： 由意大利理工学院（IIT，Istituto Italiano di Tecnologia）主导的项目，是iCub人形机器人的开源演进版本。
-
特点： iCub 是一个高度复杂的、用于认知发展研究的人形机器人，其软件栈（YARP 框架）和部分硬件设计是开源的。ergoCub 是其更注重工业应用和轻量化的版本。
d) ODrive
-
简介： 虽然这是一个通用的高性能伺服驱动器项目，但它是DIY人形机器人领域的关键组成部分。许多自制人形机器人的开发者都使用ODrive来控制无刷电机。
3. 操作系统与中间件
a) ROS 2 (Robot Operating System 2)
-
简介： 几乎所有人形机器人的上层软件都基于ROS 2构建。它提供了硬件抽象、设备驱动、库函数、可视化工具、消息传递和包管理等基础服务。
-
关键组件：
-
MoveIt 2： 用于运动规划、操作控制、3D感知的运动规划框架。
-
Navigation 2： 用于移动机器人（包括双足机器人的底盘移动）的导航堆栈。
-
ROS 2 Control： 用于机器人实时控制的框架，管理控制器和硬件接口。
-
b) MCAP Robotics 中间件
-
简介： 虽然这不是一个控制框架，但它是用于记录和共享机器人数据（日志）的开源格式，在机器人社区中越来越流行，类似于机器人领域的“视频文件”格式。
4. 控制与运动生成框架
a) OCS2 (Optimal Control for Switched Systems)
-
简介： 由苏黎世联邦理工学院（ETH Zurich）开源的优化控制工具箱。
-
特点： 支持模型预测控制（MPC，Model Predictive Control）和全身体控制（WBC，Whole-Body Control），是许多先进四足和人形机器人运动控制算法的核心。ANYbotics的ANYmal机器人就使用了类似的技术栈。
b) Crocoddyl
-
简介： 一个高效的接触型机器人微分动态规划库，专注于通过接触进行运动规划和控制，由LAAS-CNRS开发。
c) Pinocchio
-
简介： 一个高效的刚体动力学计算库，用于机器人动力学、运动学和碰撞计算。它是Crocoddyl和OCS2等控制框架的基础依赖库。
d) CHONV (Centroidal-Humanoid-Newton-Vauban)
-
简介： 由Gepetto团队（LAAS-CNRS）开发的基于微分动态规划（DDP，Differential Dynamic Programming）的行走模式生成器。
5. 感知与导航
a) ORB-SLAM 3 / VINS-Fusion
-
简介： 用于人形机器人的视觉同步定位与地图构建（SLAM，Simultaneous Localization and Mapping）系统。人形机器人在未知环境中行走需要实时定位，这些框架提供了基于视觉/惯性的定位方案。
b) Fastsam / GroundingDINO / SAM (Segment Anything Model)
-
简介： 随着具身智能的发展，结合大模型的物体检测和分割框架被广泛用于人形机器人，帮助机器人理解它所处的环境。
评论