Open Source Robotics

精選高品質的開源機器人專案、工具與軟體,推動機器人社群向前發展。

針對機器人的開放基礎模型

開放的機器人視覺-語言-動作模型,包括 Octo、WALL-OSS 與 Pelican-VL,並列出模型權重、訓練資料與硬體需求。

基礎模型

  • Dexmal DM0.5: Dexmal DM0.5:開放的 VLA 模型,4B Gemma 3 主幹搭配 680M 動作專家,最長 60 秒記憶,並支援 LeRobot。
  • Runway Praxis-1: Runway Praxis-1:27B開放權重世界動作模型,把影片預訓練轉化為機器人控制,提供DROID、YAM與基礎檢查點。
  • NVIDIA Cosmos 3: NVIDIA Cosmos 3:4B、16B 與 64B 三種規模的開放全模態世界模型,能對場景推理、生成影片與聲音,並輸出機器人動作。
  • NVIDIA Alpamayo: NVIDIA Alpamayo:從 2B 到 34B 的開放自動駕駛 VLA 模型,輸出軌跡與書面推理,並附 AlpaSim、AlpaGym 與訓練配方。
  • MolmoBot: MolmoBot 是 Ai2 開源的機器人操作策略,只用模擬資料訓練,不需以真實資料微調,就能在 DROID Franka 上執行。
  • T-Rex: T-Rex 是 UC Berkeley、NVIDIA 與史丹佛大學推出、採 MIT 授權的觸覺 VLA,能在動作途中依指尖觸覺即時修正靈巧手的動作。
  • DeFM: DeFM,ETH Zurich 的開源深度基礎模型:以 60.4M 張深度影像訓練的 DINO 式編碼器,以 Apache-2.0 授權釋出 12 個模型,參數量從 3M 到 304M。
  • GEAR-SONIC: GEAR-SONIC 是 NVIDIA 的開放人形機器人控制器:以 700 小時動作擷取資料訓練的單一策略,可由規劃器、VR 或 VLA 驅動 Unitree G1。
  • Rho: Rho 是 Microsoft Research 以 MIT 授權釋出的 5B 視覺語言動作(VLA)模型,提供針對 YAM Box、UR AI Trainer 與 FR3 Duo 中期訓練的版本。
  • MolmoAct2: MolmoAct2 是 Ai2 採用 Apache-2.0 的視覺-語言-動作(VLA)模型,提供基礎與微調檢查點,適用 Franka、SO-100/101、雙臂 YAM 與 LIBERO。
  • Perceptron Isaac 0.5: Perceptron Isaac 0.5:開放的 36B 稀疏視覺語言動作(VLA)模型,結合影片理解、具身推理與機器人控制。Apache-2.0。
  • Octo: Octo 是第一個完全開源的通用機器人策略:以 80 萬條 Open X-Embodiment 軌跡訓練的 Transformer + 擴散模型,採用 MIT 授權。
  • RynnBrain: 阿里巴巴達摩院推出的開放具身基礎模型,用於機器人感知、推理與動作規劃。
  • LingBot-VLA: 4B 參數的 VLA 基礎模型,以來自 9 種機器人平台、20,000 小時的雙臂資料訓練,用於通用操作
  • Xiaomi-Robotics-0: 4.7B 參數的視覺語言動作(VLA)模型,結合 Qwen3-VL 與 Diffusion Transformer,以 30Hz 即時控制機器人
  • Pelican-VL: 開源的具身大腦模型系列(3B-72B),為人形機器人提供物理推理能力
  • HoloMotion: 人形機器人全身控制基礎模型,提供從動作資料到真實世界 ROS2 部署的端對端流程
  • WALL-OSS: WALL-OSS 是一個 4B 參數的視覺語言動作(VLA)模型,讓機器人能依自然語言指令執行複雜的操作任務。
  • DreamZero: NVIDIA 140 億參數的世界動作模型,透過聯合預測影片與動作實現零樣本機器人控制
  • Cosmos Predict 2.5: NVIDIA Cosmos Predict 2.5 是用於實體 AI 的世界基礎模型,透過影片模擬未來的世界狀態,整合 Text2World 與 Video2World 生成。
  • GalaxeaVLA: GalaxeaVLA:Galaxea 用於真實機器人操作的開放權重 VLA 模型(G0.5、G0 Plus、G0)。G0.5 與 G0 Plus 限非商業用途。
  • InternVLA-A1: 整合視覺理解、語言推理與機器人動作生成的統一 VLA 模型
  • VLA-0: VLA-0 是一個視覺-語言-動作模型,直接以文字表示機器人動作,建構於 Qwen2.5-VL-3B 之上,在多項基準測試中達到最先進水準。
  • NVIDIA Isaac GR00T: NVIDIA Isaac GR00T N1.5 是人形機器人的開放基礎模型,處理多模態輸入以產生全身動作,執行移動操作任務。
  • OpenPI: OpenPI 提供 Physical Intelligence 的開源 VLA 基礎模型(pi0、pi0-FAST、pi0.5),用於通用機器人控制,以超過 10,000 小時的資料預訓練。
  • SmolVLA: SmolVLA 是 HuggingFace 推出的精簡型 450M 參數視覺語言動作模型,可在消費級硬體上執行,並以開源 LeRobot 資料集訓練。
  • X-VLA: X-VLA 是跨形態的視覺-語言-動作基礎模型,透過軟提示的可學習嵌入與統一骨幹網路,擴展到各種不同的機器人。
  • OpenVLA: OpenVLA 是 70 億參數的開源視覺-語言-動作模型,用於機器人操作,以 97 萬筆真實世界示範訓練,表現比 RT-2-X(550 億參數)高出 16.5%。
  • ACT (Action Chunking with Transformers): ACT(Action Chunking with Transformers)是以 Transformer 為基礎的策略學習方法,透過模仿學習進行精細的雙臂機器人操作。

本網站需要 JavaScript 才能正常運作。請啟用 JavaScript 以瀏覽我們的開源機器人專案。