这一章关注的不是“具体某个模型”，而是支撑具身智能研究与系统落地的软件基础设施（Infrastructure）。
仿真器决定你能构建怎样的世界，基准集决定你如何比较方法优劣，数据集决定模型最终学到什么样的行为分布。它们共同构成了具身智能中最容易被忽视、但最影响上限与复现性的部分。
软件部分可以理解为三层：
Simulators（仿真环境） 决定你能“跑什么物理世界”；Benchmarks（评测基准） 决定你用什么任务衡量方法优劣；Datasets（数据集） 决定你能训练出怎样的策略分布。建议优先跑通“一个仿真器 + 一个基准 + 一个数据集”的最小闭环，再逐步扩展到多平台与多模态。
常见仿真器 wiki：link
| 仿真器 | 典型生态 / 对应基准与工具链 |
|---|---|
| IsaacGym | legged-gym：link parkour（含蒸馏与真机部署）：link extreme-parkour：link |
| IsaacSim | BEHAVIOR-1K：link + OmniGibson（工具链）：link ARNOLD：link GarmentLab：link / DexGarmentLab：link |
| MuJoCo | robosuite：link + robomimic（工具链）：link LIBERO：link MetaWorld：link Gymnasium-Robotics：link RoboCasa：link RoboHive：link |
| SAPIEN | ManiSkill：link RoboTwin：link |
| CoppeliaSim | RLBench：link PerAct2：link COLOSSEUM：link |
| PyBullet | CALVIN：link Ravens：link VimaBench：link |
| Genesis | 入口：link |
| SOFA | 框架：link 常用于软体机器人仿真 |
| GenieSim | 框架：link 评测与文档：link |
| Gazebo | 平台：link Open Robotics 维护：link 与 ROS / ROS 2 深度集成，适合移动机器人、仓储物流等场景 |
教程：Isaac 101（Blog）：link
基准集通常定义了：任务集合 + 评测协议 +（可选）参考实现。它们的价值是让不同方法在同一套任务与指标上可复现对比。下面列的是你当前条目中最常见、且各自定位清晰的基准。
| 基准 | 链接 | 一句话定位 |
|---|---|---|
| RoboTwin 2.0 | link | 程序化生成双臂任务数据与 50 个双臂评测任务（偏“双臂+规模化生成”） |
| SimplerENV | link | 轻量化、可快速对比策略在操作任务上的表现 |
| LIBERO | link link |
程序化生成管道 + 视觉运动策略架构与终身学习设置（偏“终身/顺序学习”） |
| CALVIN | link link |
语言条件 + 多模态输入 + 长视野操纵（偏“长程任务与规划”） |
| Meta-World | link | 50 操作任务，经典多任务/元强化学习基准（偏“多任务泛化”） |
| Embodied Agent Interface | link | 评测 LLM 在具身决策链路（理解/分解/序列化），不强调低层执行 |
| RoboGen | link link |
生成任务/场景/带标注数据（偏“生成数据而非直接生成 policy”） |
数据集决定了策略的“经验分布”。阅读数据集时建议关注四件事：
(1) 真实 vs 仿真、(2) 机器人同构 vs 异构、(3) 模态（RGB/RGB-D/语言/触觉/声音等）、(4) 是否附带训练代码与硬件搭建/采集流程。下面把你的条目统一成一个紧凑表，避免过长的散点描述。
| 数据集 | 链接 | 关键特点（紧凑版） |
|---|---|---|
| Open X-Embodiment（RT-X） | link | 22 种机器人平台、百万级真实轨迹，覆盖大量技能与任务（大规模、跨本体） |
| AgiBot World Datasets（智元） | link | 百万级轨迹、同构机器人采集、多级质检与人工在环流程（工业化采集流程） |
| RoboMIND | link | 10.7 万真实演示、96 类物体、四种协作臂、任务按类别组织（真实多任务） |
| ARIO（All Robots in One） | link | 2D/3D/文本/触觉/声音五模态；操作+导航；仿真+真实；统一格式且规模大 |
| MimicGen | link link |
基于 robosuite+MuJoCo 的数据生成框架；少量真人演示扩增为大量仿真数据 |
| RoboCasa | link link |
MuJoCo 厨房高保真平台；多环境多物体；原子任务+组合任务（偏家居厨房） |
| DexMimicGen | link link |
面向双臂桌面操作；增强版 real2sim2real 数据生成；少量演示生成大量轨迹 |
| FUSE Dataset | link | 远程操控轨迹；语言指令 + 复杂遮挡；多任务设置（多传感器融合研究友好） |
| BiPlay Dataset | link | 双臂轨迹；随机物体与背景；长视频切片成带语言描述的剪辑（泛化导向） |
| DROID | link | 7.6 万轨迹、350 小时、564 场景、86 任务；附硬件与训练代码（真实大规模） |
| BridgeData V2 | link | 6 万轨迹；多环境多技能；目标图像/语言指令；包含远程操控与脚本执行 |
| Ego4D Sounds | link | 第一人称视频 + 环境声音；强调动作与声音对齐（声音模态很有价值） |
| RH20T | link | 人机交互数据；含人脸与语音等敏感信息；体量大且提供缩减版（注意隐私与合规） |
| 白虎数据集 | link | 异构机器人；多场景多任务；面向跨平台评估与训练（本体覆盖面广） |