Part 1: The Big Picture · See the whole mountain first
Chapter 3
买了机器人，然后呢？
你决定做一个机器人应用。花了几万块买了一台回来，拆箱，通电，然后……它站在那里看着你。
它不会去货架拿水瓶。它不会避开路上的纸箱。它甚至不知道自己在哪。
你买到的不是一个产品，是一堆原材料。OEM（造机器人的公司）给你的是食材 - 硬件、传感器、基础 SDK。你要自己搭厨房（软件框架）、选刀具（开发工具）、做一桌菜（完成具体的业务任务）。这个过程在行业里叫“二次开发”，也是你作为 AI/软件开发者在这个领域最核心的价值所在。
理解了这一点，你再看这个行业的公司和项目，视角就完全不同了 - 不是“谁最厉害”，而是“谁能帮我从原材料变成一桌菜”。
食材：谁在造机器人
你想买一台机器人回来写代码。第一个问题：买谁家的？
这取决于你想做什么，以及你的预算。但比规格参数更重要的是一件事：这家厂商对开发者的态度。有些厂商真的想让你在他的平台上开发 - SDK 开源、文档完整、社区活跃、ROS 2 支持到位。有些厂商卖的是整套解决方案，你能对接的只是一层薄薄的 API。区别很大。
目前对开发者最友好的是 宇树（Unitree）。Go2 机器狗一万多人民币（EDU 版），是很多人的第一台真机。SDK 开源，Python/C++ 接口，支持关节级控制，有 ROS 2 包装和 Isaac Gym 的 RL 训练环境。如果你就是想”买一台回来写代码”，它是目前性价比最高的入口。
另一个极端是 Boston Dynamics。Spot 的 SDK 是行业标杆 - 文档最好、功能最完整（自主导航、机械臂操控、在机器人上跑自定义 ML 模型）。问题是七八万美元起步。你可能买不起，但如果有机会用一台 Spot，它会帮你建立”好的开发者体验应该长什么样”的标准。
中间地带有 Fourier（傅利叶） 的 GR 系列人形（ROS 2 + Jetson，执行器有积累）、银河通用（Galbot） 专注商业场景落地。Figure AI 和 1X Technologies 融资规模大、技术路线前沿，但目前开发者能直接用的硬件和 SDK 很有限 - 更多在内部研发阶段。优必选（UBTECH） 偏企业交付，不太适合”买一台回来自己玩”。
如果你做的是移动底盘和仓储场景，快仓、海柔创新、Locus Robotics 这些 AGV/AMR 厂商更成熟，但它们卖的多是整套方案 - “SDK”更像是调度系统的 API，不是让你控制底层行为。
不管你买了谁家的，拆箱之后拿到的东西都差不多：一台物理机器、一套基础 SDK、也许有 ROS 2 支持和仿真模型（URDF/USD），以及一份质量参差不齐的文档。你拿不到的是一个能执行任务的系统 - “去货架拿水瓶”这种端到端的能力，感知、导航、抓取、调度，全部要你自己搭。
厨房：软件框架和平台
有了食材，你需要厨房 - 锅、灶、刀具。在机器人开发里，这就是中间件和平台层。
ROS 2 生态 是目前整个行业的事实标准。几乎所有主流机器人的 SDK 都提供 ROS 2 接口，几乎所有算法框架（Nav2、MoveIt、slam_toolbox）都是 ROS 2 包。你可以不喜欢 ROS 2 的某些设计决策，但你几乎绕不开它。详细内容在第 7 章展开。
NVIDIA Isaac 是 NVIDIA 在机器人领域的完整布局，包含好几个产品：
- Isaac Sim：高保真仿真平台，基于 Omniverse，能模拟真实的物理、传感器、光照。是目前 sim-to-real 工作流的主力工具
- Isaac ROS：GPU 加速的 ROS 2 包（品牌名叫 NITROS），专为 Jetson 优化，覆盖立体视觉、视觉 SLAM、物体检测等
- Isaac Lab：强化学习训练平台，能在 GPU 上并行跑几千个仿真实例
如果你用 Jetson 做计算平台（大概率你会），Isaac 生态几乎是必经之路。
MoveIt Pro（PickNik Robotics）是 MoveIt 2 的商业版本。PickNik 就是 MoveIt 开源项目的核心维护者。MoveIt Pro 加了可视化行为树编辑器和企业级部署工具。面向的是需要把 MoveIt 用在生产环境里的公司。
DimOS（Dimensional OS） 走了一条不同的路：Python-first，pip install，不强制依赖 ROS 2。开发者用 Module + Blueprint 的模式组装机器人应用，内置了 LLM agent 集成（通过 MCP 协议让大模型直接调用机器人技能）。目前支持宇树 Go2/G1、Xarm 机械臂等，还在 pre-release 阶段。利益相关声明：本书作者在这家公司工作。后面涉及 DimOS 的地方会如实描述能力和局限，但选用什么平台永远是你自己的决定。
刀具：日常开发工具
厨房搭好了，你还需要趁手的刀具。这些工具不分你用什么硬件、什么框架，几乎所有机器人开发者都会用到。
Foxglove 是机器人领域的可观测性平台。你可以把它理解成“机器人的 Datadog”。它能可视化 ROS 2 话题数据（3D 点云、相机画面、TF 变换树、状态曲线），支持录制数据的回放分析，而且是 web-based 的，远程调试不需要 ssh 进机器人跑 RViz。它推出的 MCAP 格式正在成为 rosbag 的现代化替代。
Rerun 是另一个值得关注的可视化工具，开源，专门为多模态数据流设计 - 点云、图像、时间序列可以在同一个界面里同步查看。比 RViz 现代，比 Foxglove 更偏向开发者调试而非运维监控。如果你习惯了 TensorBoard 的开发体验，Rerun 会让你觉得很亲切。
Docker 在机器人开发中的重要性远超你的想象。ROS 2 跟 Ubuntu 版本强绑定（比如 Humble 绑 22.04，Jazzy 绑 24.04），加上各种依赖包的版本冲突，环境管理是真正的噩梦。容器化几乎是唯一的解决方案。很多团队的工作流是：仿真容器、感知容器、导航容器各跑各的，通过 ROS 2 的 DDS 通信层互相连接。
Gazebo（现在叫 Gz）是 ROS 生态的默认仿真器 - 比 Isaac Sim 轻量很多，适合快速原型验证和 CI 跑自动化测试。保真度不如 Isaac Sim，但启动快、资源占用小，很多团队日常开发用 Gazebo，需要高保真训练时再切 Isaac Sim。
Weights & Biases / MLflow 等 ML 实验追踪工具在机器人感知和 RL 训练中同样适用。如果你做过 ML 开发，这些工具你应该已经很熟了。
计算平台（你的机器人跑什么芯片）是另一个重要选择，但它值得单独讲 - 第 6 章会详细展开 Jetson 系列的选型和使用。
开源社区：这个行业真正的基础设施
机器人行业的开源生态跟 AI/ML 社区有一个很大的不同：它更碎片化，维护者更少，很多重要的包就靠一两个人在撑。
Open Robotics 是 ROS 和 Gazebo 的创建者，2022 年被 Google 旗下的 Intrinsic 收购。为了确保 ROS 的社区治理不因收购而受影响，OSRA（Open Source Robotics Alliance） 在 Linux Foundation 下成立，负责 ROS 2 的长期维护和演进。ROS 2 的最新 LTS 版本是 Jazzy Jalisco（2024 年 5 月发布）。
ROS-Industrial 是一个联盟，专注于把 ROS 应用到工业制造场景。提供了一系列工业机器人（UR、FANUC、ABB、KUKA）的 ROS 2 驱动包。如果你的项目涉及工业机械臂，这是第一个要看的地方。
LeRobot（Hugging Face） 是最近两年冒出来的明星项目。它想做“机器人学习领域的 Hugging Face Transformers” - 统一的数据集格式、预训练策略模型（ACT、Diffusion Policy 等）、标准化的训练流水线。更重要的是它支持低成本硬件（几百块的桌面机械臂），让个人开发者也能玩真机器人学习。宇树也发布了 unitree_lerobot 做官方集成。如果你的方向是模仿学习或 RL，LeRobot 是目前最活跃的开源入口。
你在这张地图上的位置
回到开头的类比：OEM 给你食材，框架和工具是你的厨房，而你是厨师。
展会上那些看起来很酷的 demo - 机器人自己走到货架、拿起水瓶、送到打包台 - 背后是一个团队花几个月做感知调参、导航调优、异常处理、边界情况覆盖的结果。这些”做菜”的环节，恰好是你作为 AI/软件开发者最值钱的地方：你不需要会设计电机，但你需要知道怎么在 Jetson 上高效跑检测模型，怎么用行为树编排任务流程，怎么用 RL 训练一个比手调参数更鲁棒的控制策略。
这张地图会随时间变化 - 新公司出现，有些消失，生态位重新洗牌。但食材、厨房、刀具这个结构是稳定的。新出现的任何玩家，你都能快速归到其中一层。