人形機器人領域目前有許多優秀的開源框架，涵蓋了仿真環境、運動控制、感知與導航以及整機軟硬件等不同層面。

以下是截至2025年，人形機器人領域最主流、最具影響力的開源框架整理：

1. 仿真與具身智能平臺

a) NVIDIA Isaac Sim / Isaac Lab

• 簡介：?基于NVIDIA Omniverse平臺構建，是目前人形機器人仿真訓練的事實標準。它不僅提供高度逼真的物理仿真和光線渲染，還提供了用于生成合成數據的工具。

• 特點：?支持域隨機化、強化學習（Isaac Lab）、以及機器人基礎模型（如Project GR00T）的開發和測試。

• 適用場景：?數據合成、強化學習訓練、數字孿生。

b) MuJoCo (Multi-Joint dynamics with Contact)

• 簡介：?由DeepMind維護并開源的物理引擎，以其快速、準確的多關節接觸動力學計算而聞名。

• 特點：?最初由華盛頓大學開發，現已被廣泛用于運動生成和控制算法的研究。雖然最初不是專門為人形設計，但已成為人形運動控制研究的常用平臺。

• 適用場景：?運動控制算法開發、最優控制、強化學習。

c) PyBullet / Bullet

• 簡介：?另一個廣泛使用的開源物理引擎，集成了渲染和碰撞檢測。

• 特點：?與Python深度集成，易于上手，常用于機器人學的教學和快速原型驗證。

2. 整機軟硬件開源平臺

a) Unitree H1 (宇樹科技)

• 簡介：?宇樹科技的H1機器人雖然是商業產品，但宇樹提供了較為開放的接口和部分開源代碼庫。

• 特點：?開發者可以通過其SDK進行二次開發，接入ROS（機器人操作系統），并且其底層控制算法有一定參考價值。目前是學術界和工業界使用率很高的硬件平臺。

b) Solo 8 / Solo 12

• 簡介：?由法國CNRS（法國國家科學研究中心）和LAAS實驗室開發的完全開源的模塊化四足/雙足機器人。Solo 12 是雙足版本。

• 特點：?這是一個完全開源的硬件項目，包括機械結構圖紙（CAD）、電路設計和軟件代碼都可以從GitHub上獲取。成本相對較低，非常適合學術研究機構進行運動算法的底層開發。

c) OpenRobotix / ergoCub

• 簡介：?由意大利理工學院（IIT，Istituto Italiano di Tecnologia）主導的項目，是iCub人形機器人的開源演進版本。

• 特點：?iCub 是一個高度復雜的、用于認知發展研究的人形機器人，其軟件棧（YARP 框架）和部分硬件設計是開源的。ergoCub 是其更注重工業應用和輕量化的版本。

d) ODrive

• 簡介：?雖然這是一個通用的高性能伺服驅動器項目，但它是DIY人形機器人領域的關鍵組成部分。許多自制人形機器人的開發者都使用ODrive來控制無刷電機。

3. 操作系統與中間件

a) ROS 2 (Robot Operating System 2)

• 簡介：?幾乎所有人形機器人的上層軟件都基于ROS 2構建。它提供了硬件抽象、設備驅動、庫函數、可視化工具、消息傳遞和包管理等基礎服務。

• 關鍵組件：

  • MoveIt 2：?用于運動規劃、操作控制、3D感知的運動規劃框架。

  • Navigation 2：?用于移動機器人（包括雙足機器人的底盤移動）的導航堆棧。

  • ROS 2 Control：?用于機器人實時控制的框架，管理控制器和硬件接口。

b) MCAP Robotics 中間件

• 簡介：?雖然這不是一個控制框架，但它是用于記錄和共享機器人數據（日志）的開源格式，在機器人社區中越來越流行，類似于機器人領域的“視頻文件”格式。

4. 控制與運動生成框架

a) OCS2 (Optimal Control for Switched Systems)

• 簡介：?由蘇黎世聯邦理工學院（ETH Zurich）開源的優化控制工具箱。

• 特點：?支持模型預測控制（MPC，Model Predictive Control）和全身體控制（WBC，Whole-Body Control），是許多先進四足和人形機器人運動控制算法的核心。ANYbotics的ANYmal機器人就使用了類似的技術棧。

b) Crocoddyl

• 簡介：?一個高效的接觸型機器人微分動態規劃庫，專注于通過接觸進行運動規劃和控制，由LAAS-CNRS開發。

c) Pinocchio

• 簡介：?一個高效的剛體動力學計算庫，用于機器人動力學、運動學和碰撞計算。它是Crocoddyl和OCS2等控制框架的基礎依賴庫。

d) CHONV (Centroidal-Humanoid-Newton-Vauban)

• 簡介：?由Gepetto團隊（LAAS-CNRS）開發的基于微分動態規劃（DDP，Differential Dynamic Programming）的行走模式生成器。

5. 感知與導航

a) ORB-SLAM 3 / VINS-Fusion

• 簡介：?用于人形機器人的視覺同步定位與地圖構建（SLAM，Simultaneous Localization and Mapping）系統。人形機器人在未知環境中行走需要實時定位，這些框架提供了基于視覺/慣性的定位方案。

b) Fastsam / GroundingDINO / SAM (Segment Anything Model)

• 簡介：?隨著具身智能的發展，結合大模型的物體檢測和分割框架被廣泛用于人形機器人，幫助機器人理解它所處的環境。