Gaussian-LIC2 是一個使用 LiDAR-Inertial-Camera 融合與高斯點陣技術的、可實現照片級 SLAM 的系統，用於即時位姿估計與 3D 地圖建構。

一套使用 MuJoCo 和 OpenAI Gym API 的肌肉骨骼模擬環境，旨在使機器學習能應用於生物力學控制問題。

提供預安裝 ROS 2 的、可透過網頁存取的 Ubuntu 桌面環境的 Dockerfiles，讓使用者可透過瀏覽器執行機器人軟體。

基於 MuJoCo 物理引擎的 Python 庫，使機器人能在到達目標的同時避免碰撞並遵守關節限位，實現微分逆運動學。

一個為機器人示範學習提供標準化資料集與離線學習演算法的框架，使機器人操作研究更具可存取性與可重現性。

一個 ROS 2 封裝，提供基於圖的 SLAM 功能，並支援基於外觀的迴圈偵測，可用於從 RGB-D、立體或 LiDAR 資料建構 3D 地圖。

基於 ROS 2 的誤差狀態擴展卡爾曼濾波器 (ESEKF)，透過融合 GNSS、IMU 與里程計來實現高精度定位，用於估計位置、速度與姿態。

用於建立模組化與反應式 AI 及機器人控制系統的 Rust 與 Python 版行為樹 (Behavior Trees) 實作。

一個用於在 ROS 2 生態系統中控制機器人、提供標準化方式管理機器人硬體與控制迴路的框架。

MCAP 是一個與序列化無關的日誌記錄庫和文件格式，專為機器人應用中的高效數據記錄與分析而設計。

Ruckig 是一個面向機器人與機器的即時、加加速度受限軌跡生成庫。它在遵守速度、加速度與加加速度約束的同時，計算從任意初始狀態到目標狀態的時間最佳路徑，從而實現對感測器輸入的即時響應以及平滑、高效的運動。

一組讓開發者能以 Rust 寫作 ROS 2 應用程式的函式庫與工具，提供比 C++ 與 Python 更高效能且記憶體安全的替代方案。

一個無需手動參數調整即可提供精確且穩健配準的 LiDAR 里程計流程。

DDS 標準的 C++ 實作，為分散式系統與機器人技術提供高性能、實時的發布-訂閱通訊。

evo 是一個 Python 套件，用於載入里程計/SLAM 軌跡（TUM、KITTI、EuRoC、ROS bags 等），計算標準誤差指標（APE、RPE），並透過強大的 CLI（`evo_ape`、`evo_rpe`、`evo_traj`、`evo_res`）產生出版等級的圖表與表格。它可在所有主流作業系統上執行，支援選配的 GUI 後端、地圖瓦片與 Rerun 可視化，並可透過 pip（Python 3.10+）安裝。

一個開源框架，透過連結視覺-語言理解與動作預測，使機器人能執行複雜的物理操作。

一個在20億幀資料上預訓練的GPT風格人形運動Transformer，可實現Unitree G1等類人機器人零樣本全身運動追蹤。

EgoDex 是一個大規模的自視角影片資料集與基準，搭配 3D 姿態標註，專為訓練 AI 與機器人實現精細的桌面操作而設計。

Isaac Lab 的強化學習擴展，使 Unitree G1 等人形機器人能透過 DeepMimic 與對抗性運動先驗學習複雜動作。

使用 CARLA 模擬器評估自主駕駛系統駕駛分數、成功率與特定駕駛能力的封閉迴路資料集與基準。

這是《Robotic Manipulation》教科書的配套軟體函式庫，為機器人系統提供感知、規劃與控制工具。

InternVLA-A1.5 是一種機器人策略，它統一了視覺-語言理解、視覺預測和動作生成，以提高機器人在操作中的組合泛化能力。

一個融合現代AI深度預測、語意分割與體積重建的Python/C++混合模組化框架，適用於研究與原型開發。

專為多任務連續控制設計的 Dreamer 4 世界模型 PyTorch 實作，具有因果分詞器 (causal tokenizer) 與互動式動力學模型。

專為 Autoware 設計的高保真數位雙生模擬器，提供 ROS2 原生環境與真實感測器模擬，助力自動駕駛開發。

Open-RMF 是一個允許多個不同廠商的機器人在相同環境中協同運作的多車隊機器人管理平台。

支援深度學習、電腦視覺與 GPS 自動駕駛儀的極簡 Python 庫。

以 PyTorch 實作的高效率強化學習程式庫，透過 Triton 內核與 GPU 加速模擬流程優化訓練速度。

一個利用點雲密度圖檢測建圖中迴圈閉合的機器人庫，可提升地圖準確性並減少漂移。

用於人體運動學運動與身體追蹤的基礎演算法與數值最佳化求解器庫。

一個為機器人開發的非線性狀態估計節點套件，用於追蹤其位置與朝向，專為機器人作業系統 (ROS) 開發。

一種統一的基於圖的規劃框架，使空中、地面和水下機器人能夠自主探索未知環境並檢查結構。

MolmoSpaces 是一個開源 Python 庫，提供巨量 3D 資產、資料生成管道與基準評估工具，適用於 MuJoCo 中的機器人操作與導航（支援匯出至 Isaac-Sim 與 ManiSkill）。它讓研究人員能建立合成資料集、訓練策略，並在公開排行榜上比較結果。

一個用於高保真第一人稱與機器人資料收集的統一框架，旨在簡化用於機器人學習的人類示範資料。

PointWorld 是一個大型預訓練 3D 世界模型，能夠從部分 RGB-D 捕獲與機器人動作中預測完整場景的 3D 點流，以提升真實環境中的機器人操作能力。

一款為 Anki Vector 機器人設計的自托管伺服器軟體，使 Vector 1.0 與 2.0 型號均可實現免費語音指令功能。

一組針對機器人設計的高效設備端 AI 模型，包含一個 1.5B 的 VLA 模型，用於通用操作，以及一個 0.9B 模型，用於即時具身目標追蹤。

一個開源的具身智能助手，可管理從設定與校準到訓練與推論的完整機器人臂工作流程。

一種基於八元樹的高效機率 3D 地圖框架，使機器人能夠高效地表示與追蹤 3D 環境中的佔據、空閒與未知空間。

用於自動駕駛與戰術決策任務的 Gymnasium 相容環境集合。

GalaxeaVLA 是一個用於通用機器人控制的視覺-語言-動作模型，將推理與動作整合到單一自回歸流中，以應對複雜操作任務。

Argus 是一個開源、企業級的 RAG 平台，能夠匯入私有文件，建立向量與關鍵字索引，並透過必須引用真實來源的 LLM 來回答問題。它包含基於 Spring AI 的 ReactAgent 聊天功能、結合 RRF 融合的混合檢索、多層級證據評分、基於角色的安全機制，以及 Vue 3 前端。

一個利用 Onshape API 將 CAD 組件轉換為用於物理模擬的 URDF、SDF 和 MuJoCo 機器人描述的工具。

Copper 是一個用於建構靜態、零配置機器人任務圖的 Rust 執行環境，可運行於從 Linux 到裸機 MCU 的各種平台。它將執行過程記錄為可回放的日誌，支援 ROS 2 互操作，並提供專案範本、可視化與回放工具，實現決定性、即時的機器人軟體開發。

用於解決非線性最佳控制問題的 C++ 工具箱，能夠為運算資源有限的機器人系統實現即時模型預測控制 (MPC)。

一組用於 NVIDIA Isaac Sim 的 ROS2 Humble 和 Jazzy 工作區，實現模擬環境與機器人作業系統之間的無縫整合。

CasADi 是一個開源程式庫（可在 GitHub 與 PyPI 取得），擁有廣泛的下載活動。專案首頁與安裝指南提供文件與安裝步驟，您可透過 `pip install casadi` 將其加入 Python 環境。

一種基於 LLM 的 PID 調諧輔助工具，透過分析硬體或模擬中的系統回應，自動建議並套用最佳控制參數。