从 ROS2 到 NVIDIA Isaac Sim，从标准 SDK 到 AI Agent 直连——捷勃特用全栈开放能力，让每一台机器人都成为生态的一部分。

图：捷勃特机器人在 Isaac Sim 仿真环境中的多型号支持

长期以来，工业机器人领域被封闭的技术栈所主导：私有通信协议、绑定的编程环境、不透明的运动学模型。开发者面对的是一堵堵"围墙花园"——想在某品牌机器人上跑 MoveIt？需要逆向工程。想在仿真环境中验证算法？先学会厂商私有的仿真器。这种封闭带来的代价显而易见：集成成本高、算法复用难、人才生态薄弱。

捷勃特（Agilebot）从创立之初就选择了一条不同的路：以开放生态为技术战略核心，将机器人硬件能力与主流开源框架深度打通，让开发者用自己熟悉的工具链，直接驱动真实的工业机器人。

一、ROS2 原生支持：接入机器人开发者社区的标准接口

ROS（Robot Operating System）是全球最大的机器人开源社区，ROS2 更是以其分布式架构和实时性能成为工业级应用的首选框架。捷勃特提供了一套完整的 ROS2 软件包（GitHub 开源：github.com/sh-agilebot/Agilebot_Robot_Ros2），覆盖从建模到部署的全流程。

这套工具包包含：

·       URDF 模型：标准化 URDF 机器人描述文件，支持 RViz 可视化与 Gazebo 仿真

·       ROS2 驱动包：实现机器人控制与通信，支持程序执行、状态获取、姿态显示

·       MoveIt 集成：运动规划 → 轨迹转译 → 机器人执行的完整闭环

·       视觉集成：视觉软件与 ROS2 的无缝对接

·       码垛 Demo：视觉识别 → 坐标建立 → IO 触发 → 脚本生成的完整工业场景

与某些厂商仅提供基础通信桥接不同，捷勃特的 ROS2 集成提供了深层次的技术能力：从 OMPL/RRT 规划器输出到机器人关节轨迹的精确转译，支持通过 ROS2 topic/service 无缝对接视觉算法，开发者可以编写自定义控制脚本直接下发到机器人控制器。对于已有 ROS2 开发经验的团队，无需学习私有 API，直接复用现有技术栈。

二、NVIDIA Isaac Sim 集成：仿真驱动的开发范式

在具身智能时代，仿真不再是"锦上添花"，而是"不可或缺"：VLA（Vision-Language-Action）模型训练需要百万级轨迹数据，真实采集成本极高；强化学习策略需要大规模并行训练；Sim-to-Real 迁移需要高保真仿真环境。捷勃特深刻理解这一趋势，在 Isaac Sim 生态中提供了远超基础集成的深度支持。

图：GBT-C5A 协作机器人在 Isaac Sim 中的模型渲染

捷勃特在 NVIDIA Isaac Sim 中支持多种机器人型号——GBT-C5A、GBT-C7Aa、GBT-C12A、GBT-C16A，覆盖 5kg 到 16kg 负载的完整产品线。每种型号均提供完整的 USD 数字资产（模型、网格、贴图），可直接在 Isaac Sim 中加载使用。核心技术能力：

图：抓取和放置演示 — RMPflow 运动策略驱动的精确抓取控制

图：目标跟随演示 — 基于 RMPflow 的实时运动跟踪

图：带手腕相机的抓取和放置 — 末端视角精细操作与视频录制

图：Isaac Sim + ROS2 MoveIt 联合仿真 — 从运动规划到机器人执行

图：堆叠演示 — 多物体堆叠任务的仿真执行

三、AI Agent 直连：MCP 协议与 OpenClaw 集成

如果说 ROS2 和 Isaac Sim 解决了"开发者如何控制机器人"的问题，那么 MCP（Model Context Protocol）+ OpenClaw 解决的是"AI 如何直接操控机器人"的问题。

捷勃特是业内率先支持 MCP 协议控制真实/仿真机器人的厂商之一。通过 OpenClaw AI Agent 框架，开发者可以用自然语言直接与机器人交互——只需一句"连接 IP 为 192.168.1.100 的机器人，读取当前位置"，AI Agent 即可自动完成意图解析、工具匹配、机器人调用和结果呈现的全流程。

图：OpenClaw 自然语言控制机器人 — 对话式交互体验

MCP 服务提供丰富的能力覆盖：获取机器人型号/版本/运行状态等基础信息、伺服上电/下电/复位控制、启动指定程序、获取机器人当前位置、查询报警码详情等。即使没有真机，开发者也可以在 Airbot 控制台（airbot.sh-agilebot.com）申请云端仿真机器人，通过 OpenClaw 直接体验 AI 控制机器人的完整流程。

四、Agent Skills：为 AI 智能体开发赋能

捷勃特推出的 Agent Skills 旨在为各类 AI 智能体（如 Cursor、Claude Code、Codex、OpenClaw 等）提供能力扩展。目前已实现对 30 余种主流 AI 开发工具和 CLI 的自动识别与支持。核心技能 agilebot-nlu-control 通过 NLU（自然语言理解）技术，让 Agent 能够直接解析并执行控制指令。安装过程极简——一行命令即可完成。

图：Agent Skills 自然语言控制示例 — 直接用语言指令驱动机器人

五、为什么选择捷勃特的开放生态？

六、捷勃特的核心优势

·       全栈开放：从底层 SDK 到上层 AI Agent，每一层都有标准、开放的接口

·       生态对齐：不是"兼容"ROS2 和 Isaac Sim，而是原生集成、深度适配

·       AI-Native：率先支持 MCP 协议，让机器人直接接入 AI Agent 工作流

·       开源透明：所有软件包均在 GitHub 开源，开发者可以审计、贡献、二次开发

·       低门槛入门：云端仿真 + OpenClaw，无需硬件即可开始具身智能开发

七、拥抱捷勃特开源生态

·       开发者文档：dev.sh-agilebot.com

·       GitHub：github.com/sh-agilebot/Agilebot_Robot_Ros2（ROS2）；github.com/sh-agilebot/agilebot_isaac_sim（Isaac Sim）

·       云端仿真：airbot.sh-agilebot.com/login

·       联系我们：400-996-7588 | info@agilebot.com.cn