mcpField
R
Robot Skill Hub

Robot Skill Hub

远程服务
hub.superfastrobotics.com开发工具01 周前更新

关于 Robot Skill Hub

Robot Skill Hub 是供 AI Agent 查找可复用机器人代码、配方和修复方案的目录,并提供固定版本来源及精确配置的证据。它支持机器人任务发现与环境准备;发现过程不会执行机器人代码。

主要功能

  1. 01搜索机器人技能和修复方案
  2. 02检查固定版本代码与兼容性
  3. 03查看执行证据
  4. 04准备匹配的环境
  5. 05保存并复用项目发现

适用场景

  1. 01查找运动规划配方
  2. 02核查机器人仿真配置的证据
  3. 03复用已保存的项目修复方案

MCP 相关

只读 MCP 服务位于 https://api.superfastrobotics.com/mcp,供 MCP 客户端搜索和检查 Hub 目录内容。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://api.superfastrobotics.com/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

Robot Skill Hub — 面向 AI Agent 的机器人技能目录

发现适用于 AI Agent 的机器人技能。这是一个公开仓库,收录可复用的机器人代码、可执行方案和共享修复方案。查找并复用用于运动规划、操作、运动学和仿真的机器人技能。通过公开 HTTPS、MCP 或 CLI 检查固定版本代码、兼容性和执行证据;准备匹配的环境,并分享有用的修正。浏览具体技能示例。

复用修复方案。保持上下文精简。查找固定版本的机器人代码,检索匹配的修正,并保存经验以供下次任务使用。

CLI 检查 JSON:令牌数减少 17%。字段不变。 双连杆 IK 回归测试:复用已保存的修复方案后,通过目标数从 12/24 提高到 24/24。测量结果和复现方法。

公开读取无需账户、GPU 或模拟器。发现过程绝不会执行机器人代码。

特定任务的入口点:robot-motion-planning、robot-kinematics、robot-trajectory。十个可复现的机器人问题以 HTML、Markdown 和 JSON 格式提供固定版本的输入、修正和证据。ROS-MCP 和 RAI/LangChain 示例可将查找功能接入现有开发工作流。

小型 HTTP 安装方式,无需 Git 克隆:npx skills add https://hub.superfastrobotics.com --skill robot-motion-planning。技能索引和校验和。

机器人、环境和任务覆盖范围 | 覆盖范围 API。当前版本的已完成任务、失败尝试和未执行方案分开统计;参考标签描述的是源代码覆盖范围,而非经过验证的机器人支持情况。

当前执行和参考覆盖范围

194 个准备方案:169 项操作/任务已完成,14 次当前任务尝试失败,11 项没有当前任务运行记录。未绑定的证据:0。

运行时声明的机器人 / 模型领域已准备已通过已失败未运行任务
dm-controlball_in_cup仿真1010
dm-controlcartpole仿真2200
dm-controlfinger仿真1010
dm-controlpendulum仿真1100
dm-controlpoint_mass仿真2200
dm-controlreacher仿真2200
genesispanda仿真2200
gymnasium-roboticsfetch仿真3300
gymnasium-roboticspoint-mass仿真3300
lerobotpusht-2d-pusher仿真1010
maniskillpanda仿真8512
maniskillpanda_stick仿真2002
maniskillpanda_wristcam仿真2002
maniskillso100仿真1001
maniskillxarm6_robotiq仿真4004
metaworldsawyer仿真504910
minkiiwa仿真1100
minkpanda仿真1100
minkur5e仿真1100
mujocoagilex_piper仿真1100
mujocoaloha仿真1100
mujocoarx_l5仿真1100
mujocodynamixel_2r仿真1100
mujocoflexiv_rizon4仿真1100
mujocoflexiv_rizon4s仿真1100
mujocofranka_emika_panda仿真1100
mujocofranka_fr3仿真1100
mujocofranka_fr3_v2仿真1100
mujocogoogle_robot仿真1100
mujocohello_robot_stretch仿真1100
mujocohello_robot_stretch_3仿真1100
mujocoi2rt_yam仿真1100
mujocokinova_gen3仿真1100
mujocokuka_iiwa_14仿真1100
mujocolow_cost_robot_arm仿真1100
mujocorethink_robotics_sawyer仿真1100
mujocorobotis_omy_3m仿真1100
mujocorobotstudio_so101仿真1100
mujocoseeed_rebot_devarm仿真1100
mujocoshadow_dexee仿真1100
mujocostanford_tidybot仿真1100
mujocotrossen_vx300s仿真1100
mujocotrossen_wx250s仿真1100
mujocotrossen_wxai仿真1100
mujocotrs_so_arm100仿真1100
mujocoufactory_lite6仿真1100
mujocoufactory_xarm7仿真1100
mujocounitree_go2仿真1100
mujocounitree_z1仿真1100
mujocouniversal_robots_ur10e仿真1100
mujocouniversal_robots_ur5e仿真1100
panda-gymfranka-panda仿真5230
pybulletsynthetic-seven-axis-or-procedural-scene仿真121200
pythonroboticsmathematical-model计算282800
robosuiteIIWA仿真4310
robosuiteJaco仿真4130
robosuiteKinova3仿真4310
robosuitePanda仿真4400
robosuiteSawyer仿真4310
robosuiteUR5e仿真4400
ruckigindependent-axes计算5500

完成证据涵盖 33 项计算和 136 项仿真,涉及 60 种精确的环境组合。**实体机器人完成数:0。**配方数量不代表独立机器人数量,也不代表总体成功率。较旧版本无法验证已更改的代码。

任务级别已准备已通过失败未运行任务
算法/感知393900
运动/控制494900
任务106811411

涵盖 67 个框架中的 1897 条来源引用。 这些引用来自上游声明,并非 Hub 执行证据。

引用框架记录数
mujoco-menagerie221
webots193
genesis118
pinocchio76
drake73
franka-description72
ros2-control72
ur-description65
其他 59 个框架1007
声明的引用机器人类别记录数
source-defined1091
arm301
humanoid104
manipulator83
mobile-manipulator65
legged59
aerial41
wheeled36
dexterous-hand35
quadruped18
mobile9
marine1

机器人类别和任务/能力标签可能重叠。保留通用标签;不推断受支持的实体机器人。

所有机器人、环境和任务表 | 精简版覆盖 API | 完整覆盖 JSON

可执行技能和接口:98 个准备方案,包括 45 种数值/合成改编,以及36 个多样化的机器人仿真适配器。输入和输出声明了单位、坐标系、抽象级别和运行时证据。索引中的引用会链接到匹配的已准备改编内容,但不会更改引用的证据。

npx skills add Superfast-Robotics/robot-skill-hub --skill find-robot-skills
python /PATH_TO_SKILL/scripts/rsh.py find "pick cube" --runtime maniskill --robot panda --json
python /PATH_TO_SKILL/scripts/rsh.py inspect SKILL_ID --project . --json
python /PATH_TO_SKILL/scripts/rsh.py prepare SKILL_ID --project ./experiment --plan --json

对于支持 Streamable HTTP 的 MCP 客户端,请使用其远程服务配置:

{"mcpServers":{"robot-skill-hub":{"url":"https://api.superfastrobotics.com/mcp"}}}

支持 Agent Plugins 1.0.0 的客户端可以使用精简的只读连接包。其清单和 MCP 配置不包含 CLI 捆绑包或目录快照;关于客户端验证范围,请参阅软件包 README。

引用包含带有精确源校验和的代码、策略和其他产物。使用引用的已检查 fetch_source_args,通过 rsh.py 并附加 --project DIR --json,即可将一个已验证文件作为惰性数据取回。这无需运行时适配器,也不会将源安装为 Agent 技能。受支持的方案使用 prepare;运行时证据仅限于各方案记录的确切配置和种子值。现有项目锁定不会被悄然更改。

使用 rsh.py inspect SKILL_ID --project DIR --json 回顾之前的配置工作。使用 save SKILL_ID --project DIR --finding FILE --json 保存有用的发现。本地经验可立即复用。对于已获授权的公共项目范围,join 会登记一个安装并启用自动发布,无需维护者令牌或 PR 审批。不可变变体和实际复用结果仍与确切的源固定版本绑定。请参阅社区循环。

社区数据由贡献者报告,并每小时归档到 community-data 分支。它不会悄然替换规范代码,也不能确立运行时验证。新的规范来源(register)以及精选方案的更改,仍通过各自独立的 PR 审核渠道处理。

快速入门 | 新技能 | 任务记忆 | 补丁贡献 | 隐私

验证证据 | 开发和部署

Hub 平台代码采用 Apache-2.0 许可证。由 Hub 编写的机器人执行适配器及其模板采用 MIT 许可证。引用的产物保留其原始许可证和声明;请参阅许可证适用范围。公司网站与 Hub 相互独立。 Robot Skill Hub on AI Agents Listing

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。