硅基参考开源雷达追踪 GitHub、Hugging Face 与开发者生态中的模型、控制、仿真、SDK、数据工具和机器人项目，便于选型与复现。
SmolVLA是HuggingFace于2025年在LeRobot框架下开源的轻量级视觉-语言-动作模型，参数量约450M，旨在为教育、研究和低成本机器人平台提供易部署的VLA基线。该模型基于SmolLM2编码器和动作分块解码器设计，支持在主流开源机械臂（如SO-100、ALOHA）上微调，社区已提供预训练权重和完整训练pipeline。SmolVLA通过消融实验展示了VLA性能与模型规模的关系，是当前研究VLA效率和知识蒸馏的重要开源参考。适用于教育科研、快速原型验证和边缘部署场景。
Droidlet是Meta AI（Facebook Research）开源的具身智能对话与机器人学习平台，提供模块化的人机交互、感知、记忆和动作执行框架，支持在真实机器人和仿真环境中构建对话式AI助手。平台集成了语义解析、任务规划、空间记忆和技能学习等组件，适用于家庭服务机器人、交互式助手机器人和研究原型开发，采用Apache 2.0许可证。
LeRobot是Hugging Face维护的开源机器人学习工具包，GitHub仓库为huggingface/lerobot。提供统一的机器人数据集格式（LeRobotDataset）、预训练策略模型库和训练脚本，支持ACT、Diffusion Policy、TD-MPC等多种算法。LeRobot集成Hugging Face Hub生态，可直接上传下载模型权重和数据集，降低机器人学习的复现门槛。项目支持真实机器人硬件和Gymnasium仿真环境，是个人研究者和小型团队进行机器人学习实验的入门首选工具。
Genesis是由Genesis Embodied AI团队开源的新一代通用物理仿真引擎，GitHub仓库为Genesis-Embodied-AI/Genesis。基于GPU加速的可微物理仿真，支持刚体、软体、流体和粒子系统，在仿真速度上相比传统引擎提升10-100倍。Genesis内置机器人模型库和传感器仿真，支持从reinforcement learning到sim-to-real迁移的全流程开发。项目活跃维护，已成为机器人学习社区中快速增长的新一代仿真平台。
Octo是UC Berkeley开发的开源通用机器人策略模型，GitHub仓库为octo-models/octo。基于Transformer架构，在Open X-Embodiment大规模机器人数据集上训练，支持多种机器人本体和视觉语言条件下的操作任务。仓库提供预训练模型权重、数据加载工具和微调脚本，支持在新机器人平台上用少量演示数据快速适配。Octo已在7个不同机器人平台上验证跨本体泛化能力，是机器人学习研究中广泛使用的开源VLA基线模型。
starVLA是一个开源视觉语言动作模型项目，在多个机器人操作基准上取得领先性能。starVLA-OFT在RoboTwin 2.0上平均成功率达48.8%，在LIBERO上平均得分96.6，在BEHAVIOR-1K上Hard平均分88.32。该项目提供完整的模型代码、训练框架和评测脚本，支持多种机器人本体和操作任务。starVLA采用基于流匹配的动作生成方法，结合预训练VLM backbone，是机器人学习社区中广泛使用的开源VLA基线之一。适用于机器人操作策略学习、sim2real迁移和具身智能研究。
OpenHLM是2026年6月开源的全身人形机器人行走-操作（loco-manipulation）实证配方框架，由香港科技大学等机构开发。该项目提供了从数据收集、模型训练到部署的完整流水线，采用基于关节的全身控制方法，在跨越较大垂直范围的长时序任务中，使用不到一半的示教时间就超越了GR00T N1.6和Psi0等先进人形VLA基线。项目开源了代码、训练数据和模型检查点，适用于人形机器人全身操作研究、loco-manipulation策略学习和人形机器人应用开发。
SimplerEnv是一个面向机器人操作策略评估的轻量级仿真框架，提供标准化的评估环境、多样化的任务集和与主流VLA模型的无缝集成。该框架以简洁易用为设计理念，降低了机器人策略评估的门槛，支持快速 benchmarking 和模型对比，包含多种桌面操作场景和物体配置，被VLA研究社区广泛用于模型选型和消融实验，是具身智能策略评估的重要开源工具。
XPolicyLab是机器人策略评估与部署的统一标准和开源生态系统。提供标准化的策略接口和适配器，将代表性策略的集成时间从5小时缩短到2小时，打包agent技能后进一步缩短到30分钟。同一适配器可服务RoboTwin、RoboDojo仿真和标准化真机评估，支持跨仿真和物理平台的可复现策略比较。
Physical Intelligence提出的Pi0，是一个视觉-语言-动作流模型，用于通用机器人控制。该模型采用流匹配架构，能够处理多种机器人任务和多种机器人平台，在多个机器人操作任务上展现了强大的泛化能力，是通用机器人模型领域的重要进展。GitHub: physical-intelligence/pi0。
Fourier GR1 SDK 提供 GR1 人形机器人的控制、遥操作与仿真接口，是傅利叶生态人形开发的官方入口。
libfranka 是 Franka Emika 官方维护的 C++ 库，提供 Franka 科研机器人（Panda / FR3）的低层实时控制接口（Franka Control Interface，FCI），是 ROS 与仿真之外最基础的力控开发入口。
BehaviorTree.ROS2 提供行为树在 ROS 2 中的节点封装与示例，便于用行为树组织机器人高层任务逻辑。
cartographer_ros 把 Cartographer SLAM 引擎封装为 ROS 节点，提供话题与 launch 配置，便于在 ROS 中做实时建图定位。
ros2_controllers 提供差速、关节轨迹、力控等标准控制器实现，配合 ros2_control 构成 ROS 2 实时控制闭环。
OpenLoong 是国家级开源人形机器人项目，提供本体设计、控制与算法资源包，面向科研与产业协同开发。
dynamixel-workbench 提供 DYNAMIXEL 舵机的扫描、参数配置与控制示例，是 ROBOTIS 生态硬件开发的常用工具。
Universal Robots ROS Driver 提供 UR 系列协作臂的 ROS 控制接口，是 ROS 1 环境下 UR 机器人开发的标准驱动。
librealsense 是 Intel RealSense 深度相机的底层 SDK，提供相机标定、流配置与深度处理，是 realsense-ros 的基础。
zed-ros2-wrapper 提供 ZED 深度/立体相机的 ROS 2 驱动，输出深度、点云、里程计与姿态，便于三维感知接入。
Acme 提供可复用的 RL 组件与多种分布式代理实现，强调研究与生产的衔接，可对接 JAX/PyTorch/TensorFlow。
JAX 提供自动微分、JIT 与并行，是 Brax 等机器人仿真与众多 RL/策略研究的基础计算框架。
franka_ros 提供 Panda 协作机械臂的 ROS 控制、力矩反馈与 MoveIt 配置，是研究级操作实验的常用接口。
Brax 用 JAX 实现可微分、可并行的物理仿真，可在 TPU/GPU 上大规模训练强化学习策略，兼容 MuJoCo 任务。
Gazebo（新版本 gz-sim）提供物理、传感器与插件化世界，是 ROS 生态最普及的机器人仿真器之一，支持真实感测试。
Open-RMF 提供多机器人之间的交通调度、任务分配与冲突避免，面向仓库、楼宇等场景的多机协同。
Fast DDS 是 OMG DDS 标准的高性能实现，作为 ROS 2 默认通信后端，负责节点间实时、可靠的数据分发。
Cartographer 提供 2D/3D 激光与 IMU 的实时同步定位与建图，常用于移动机器人导航的地图构建。
realsense-ros 提供 RealSense 深度相机的 ROS 驱动、点云与对齐话题，是机器人三维感知的常见传感器接入方案。
OpenManipulator 是 ROBOTIS 开源的桌面机械臂，配套 ROS/ROS2 控制包与 3D 打印件，便于教学与二次开发。
TurtleBot3 是低成本开源移动机器人，标配 ROS/ROS2 与多种传感器，是导航、SLAM 教学与研发的事实标准平台。
SAM 通过提示（点、框、文本）完成任意物体的零样本分割，常被用作机器人视觉感知的前端分割模块。
RLDS 定义统一的轨迹数据格式并配套生成、转换与迭代工具，便于跨环境复用大规模 RL/演示数据集。
ros2_control 定义控制器、硬件接口与资源管理，桥接真实驱动器与仿真，是 ROS 2 机器人实时控制的基础。
ROS 2 提供节点通信、消息、参数与服务等机制，配套导航、控制、感知大量包，是机器人系统开发的事实标准。
Open X-Embodiment 汇集 20 余家机构的超百万条机器人演示，定义统一数据格式，支撑 RT-1-X/RT-2-X 等跨本体模型训练。
MuJoCo 提供精确的刚体物理与高效求解器，广泛用于机器人控制、运动规划与强化学习基准，现由 DeepMind 开源维护。
DM Control 在 MuJoCo 之上封装了连续控制任务套件与控制版 MPI，是连续控制 RL 算法的常用评测环境。
Octo 是一个在大规模多机器人数据集上训练的开源通用策略，支持新任务与硬件的微调，提供训练与部署工具。
LeRobot 面向真实机器人与仿真的模仿学习与策略训练，提供统一数据集格式、预训练策略与训练脚本。
The Booster T1 and K1 Robocup official demo allows the robot to make autonomous decisions to kick the ball and complete the full Robocup match. It includes three programs: vision, brain, and game_controller.
我是硅基参考 Agent，熟产品库、数据集、公司档案和近期资讯。你可以直接问，也可以先让我了解你是谁、在看什么——我会把库里的资料和你说的话对上号，像同事聊天那样一点点聊。