0. 引言

围绕 OpenClaw 的公开内容这几个月明显在加速扩张，但信息分散在 GitHub 仓库、项目页、硬件 Wiki、技能市场和部署文档里。如果只看单篇文章，很容易把某一个案例误认为“OpenClaw 在机器人领域的全部形态”；如果只看零散仓库，又会忽略它们之间的层级关系。更准确的理解方式，是把这些项目放回同一条技术链上：上层是自然语言与多通道入口，中层是技能、状态、协议与安全控制，下层才是 ROS2、仿真、机械臂接口、电机控制器和嵌入式运行时。只有把这条链路看完整，读者才能真正明白 OpenClaw 在机器人方向上的角色，不是某一台机器人本体，而是一套不断向具身系统延伸的任务操作层。

1. OpenClaw 机器人相关项目的主要类别

从公开资料梳理下来，OpenClaw 与机器人相关的项目并不是单一赛道，而是至少可以分成六类。第一类是 OpenClaw 本体与安全运行栈，也就是 OpenClaw 本身和 NemoClaw 这类“让网关更容易长期运行、更容易受控”的基础设施。第二类是 ROS2 接入层，典型代表是 RosClaw 与 AgenticROS，它们负责把自然语言意图映射为 ROS2 的 topic、service 和 action。第三类是机器人技能层，也就是 AgenticROS Skills、Follow Me、SO-Arm 控制技能这类可以按包加载的能力扩展。第四类是空域或具身控制框架，例如 AerialClaw 和 RoClaw，它们在 OpenClaw 方法论基础上进一步向无人机与微型实体机器人延伸。第五类是研究与评测框架，例如 CaP-X，这类项目不一定直接依赖 OpenClaw 运行，但在“代码策略、执行接口、具身推理”层面与生态形成强互补。第六类则是硬件落地与边缘部署案例，例如 Seeed 的 SO-Arm on Jetson Thor、reComputer Jetson 本地 OpenClaw 控制中心，以及 Jetson AI Lab 的本地部署路线。

OpenClaw 机器人生态已经呈现出明确的分工结构。OpenClaw 自身负责入口、会话、工具编排和技能宿主；RosClaw 与 AgenticROS 负责 ROS2 接入；AerialClaw 和 RoClaw 分别向无人机与低延迟实体控制延伸；CaP-X 提供机械臂代码策略研究基线；Jetson、SO-Arm 等项目对应实际硬件落地。各项目并非简单并列，而是在不同层级上共同构成完整生态。

2. 代表性项目总表

项目	类型	主要对象	与 OpenClaw 的关系	公开入口
OpenClaw	基础平台	多通道 AI 网关	生态基座	https://github.com/openclaw/openclaw
NemoClaw	安全运行栈	沙箱化 OpenClaw	安全与运维增强	https://github.com/NVIDIA/NemoClaw
RosClaw	ROS2 接入原型	ROS2 机器人	OpenClaw 到 ROS2 的插件桥	https://github.com/PlaiPin/rosclaw
AgenticROS	ROS2 接入层	ROS2 机器人	平台无关的 OpenClaw/Claude/Gemini 适配层	https://github.com/agenticros/agenticros
AgenticROS Skills	技能目录	ROS2 技能扩展	OpenClaw/AgenticROS 插件扩展	https://github.com/agenticros/agenticros-skills
agenticros-skill-followme	具体技能	移动机器人跟随	AgenticROS 的 Follow Me 能力包	https://github.com/agenticros/agenticros-skill-followme
AerialClaw	无人机 Agent 框架	无人机	方法论直接受 OpenClaw 启发	https://github.com/XDEI-Group/AerialClaw
CaP-X	研究框架	机械臂操作	与 OpenClaw 在代码策略层互补	https://github.com/capgym/cap-x
RoClaw	实体控制框架	微型立方机器人	OpenClaw 皮层层与字节码小脑解耦	https://github.com/EvolvingAgentsLabs/RoClaw
soarm-control	机械臂技能	SO-ARM101	OpenClaw 技能市场中的机械臂控制包	https://clawhub.ai/yuyoujiang/soarm-control
OpenClaw + SO-Arm on Jetson Thor	落地案例	Jetson + SO-Arm	OpenClaw 作为高层控制接口	https://wiki.seeedstudio.com/ai_robotics_control_soarm_by_openclaw_on_jetson_thor/
Local OpenClaw on reComputer Jetson	边缘部署	Jetson 控制中心	本地模型 + 网关底座	https://wiki.seeedstudio.com/local_openclaw_on_recomputer_jetson/
OpenClaw on Jetson	部署路线	Jetson Orin / Thor	官方边缘部署指导	https://www.jetson-ai-lab.com/tutorials/openclaw/

表中的对象同时覆盖仓库级项目、技能级项目和硬件落地案例，反映出当前 OpenClaw 机器人生态的真实组织方式：核心能力并不只集中在少数主仓库中，许多可复用能力以 skill 包、部署教程或硬件接入方案的形式存在。表内既包含 OpenClaw 的直接扩展，也包含与其方法论和接口层紧密耦合的周边框架，如 AerialClaw 与 RoClaw。由此可见，该生态的边界已经延伸至网关、技能、硬件、仿真与安全部署等多个层面。

3. 基础平台层：OpenClaw 与 NemoClaw

作为生态底座，OpenClaw 当前已经不是一个简单的命令行代理，而是一个多通道 Gateway，可以把 WhatsApp、Telegram、Slack、Discord、WebChat、移动节点和本地工具统一接到同一个长期运行的 Agent 上。其在机器人系统中的价值不在于支持多种聊天软件，而在于将任务入口标准化。用户不需要了解底层到底是 ROS2、串口、浏览器自动化还是本地脚本，只需通过统一入口发出任务，后续分派由网关、技能和工具层完成。这种设计使 OpenClaw 天然适合作为机器人系统的上层任务接口，尤其适合需要长期在线、跨设备和多角色接入的场景。

NemoClaw 则代表生态向“可控运行环境”方向的推进。NVIDIA 在 2026 年 3 月 16 日开始以 alpha 形式公开 NemoClaw，明确将其定义为运行 OpenClaw 的参考安全栈，而不是新的机器人控制框架。官方文档和 README 强调，它通过 OpenShell 提供受限容器、网络策略、推理路由、蓝图生命周期和状态迁移，把 OpenClaw 放入更可审计的执行环境。机器人 Agent 一旦具备文件、网络和工具调用能力，安全边界问题就会成为部署前提。NemoClaw 的意义不在于提升机器人“智能”本身，而在于让 OpenClaw 这类长期在线代理在边缘设备、远程 GPU、私有机房和实验环境中更容易部署、设限与回滚。

OpenClaw 与 NemoClaw 在生态中的分工已经较为明确：前者负责人与模型、技能和工具之间的交互组织，后者负责受限环境中的运行控制与审计约束。对于涉及持续联网、摄像头访问、硬件控制和宿主机工具调用的机器人系统，这一分层是进入严肃部署场景的前提条件。没有安全运行栈时，OpenClaw 更接近高能力个人代理；引入 NemoClaw 后，其才具备进入更严格机器人运行环境的基础。

4. ROS2 接入层之一：RosClaw

RosClaw 是当前公开可见的早期 OpenClaw × ROS2 连接原型。它的 README 给出的链路非常清楚：用户通过 WhatsApp、Telegram、Discord 或 Slack 发消息，OpenClaw Gateway 里的 Agent 使用 RosClaw 插件注册的工具，经由 rosbridge_server 与 ROS2 图通信，最后落到 Nav2、MoveIt2、相机和传感器上。就工程成熟度来说，RosClaw 仍在重构中，README 甚至直接说明项目正在经历 major re-architecture 和拆仓。但这并不影响它的重要性。因为 RosClaw 首次把一个关键问题讲清楚了：OpenClaw 进入机器人世界，真正需要的不是“更聪明的提示词”，而是一层能把自然语言意图翻译成 ROS2 操作的桥接插件。

RosClaw 的另一个价值，是它明确了插件工具集的边界。当前公开列出的工具包括 ros2_publish、ros2_subscribe_once、ros2_service_call、ros2_action_goal、ros2_param_get/set、ros2_list_topics 和 ros2_camera_snapshot。这组工具非常有代表性，因为它们几乎就是 ROS2 机器人的最低公共语义层。只要一个机器人系统能稳定暴露这些接口，上层 OpenClaw Agent 就可以在很大程度上脱离具体机器人品牌与节点实现去工作。也正因如此，RosClaw 虽然还是原型，但它已经把 OpenClaw 机器人路线中的核心难题抽象得很清楚：任务解释不是最难的，难的是如何构造一层稳定、可发现、可约束的 ROS2 工具界面。

RosClaw 在生态中的意义更多体现为问题定义阶段。后续出现的 AgenticROS，实质上是对 RosClaw 原型阶段暴露问题的结构化重组：将 transport core、平台适配器与 skill 扩展进一步拆分并稳定化。因此，RosClaw 更接近第一阶段的桥接原型，而 AgenticROS 则代表第二阶段的接口层产品化。

5. ROS2 接入层之二：AgenticROS

AgenticROS 是目前 OpenClaw 机器人生态里最像“正式接入层产品”的项目。它与 RosClaw 最大的差别，不是支持了更多工具，而是把架构彻底拆开了。其 packages/core 负责 transport、配置 schema 与共享类型，不依赖任何单一模型厂商；packages/agenticros 作为 OpenClaw 插件提供配置页面和 teleop 页面；packages/agenticros-claude-code 作为 MCP 服务器接入 Claude；packages/agenticros-gemini 则允许 Gemini CLI 直接复用同一套工具，不再依赖 MCP。这样设计之后，机器人能力第一次从“某个聊天入口的插件”变成了“可复用的机器人接口层”。

AgenticROS 的平台无关设计显著扩展了 OpenClaw 生态的接口外延。相同的 ROS2 工具可以同时服务于 OpenClaw、Claude Code 和 Gemini CLI，使研究者能够在固定机器人接口层的前提下，仅比较上层交互形态。这种条件减少了桥接代码、传输方式和机器人封装差异对实验结论的干扰，也使“只比较交互层，而不重写机器人底层”成为现实。

官方 README 还给出了两个关键工程约束。其一，项目建议与 OpenClaw 2026.3.11 或之后版本配合使用，说明它与上游网关的插件路由能力存在明确版本依赖。其二，文档反复强调 robot.namespace 与题目命名空间必须一致，否则系统可能出现已连接但机器人无响应的情况。这些约束反映出 AgenticROS 已将部分 ROS2 集成中的隐性经验前置到配置层。

6. 技能扩展层：AgenticROS Skills 与 Follow Me

AgenticROS Skills 仓库标志着这一生态开始进入技能包扩展阶段。它将技能定义为 AgenticROS 的可选插件包，这些包在 Gateway 启动时被加载，为机器人新增工具与行为，而不需要修改 core 层。该设计说明机器人能力正在从写死在插件内部转向按需装配。对于机型差异显著的机器人场景，只有技能层具备拆分能力，平台才可能同时适配移动底盘、深度相机、跟随模块和专用任务逻辑。

公开列出的第一个参考技能是 agenticros-skill-followme。它的 README 很具体：控制环以固定频率运行，从深度话题读取距离，必要时调用 Ollama/VLM 判断左右方向，再向 cmd_vel 发布速度命令，让机器人保持目标距离并在目标离开视野时原地旋转搜索。该技能的意义不在于单独实现“跟随”能力，而在于表明机器人行为已经可以按照标准化 skill package 形式封装。其独立入口、配置切片、工具注册方式以及对 config.skills.followme、context.getTransport() 和 context.getDepthDistance(...) 等宿主接口的依赖约定，说明生态接口已经具备承载第三方技能包的稳定性。

AgenticROS Skills 与 Follow Me 的出现表明，OpenClaw 的机器人路线正从仓库导向转向包生态导向。后续能力扩展可以通过安装 skill package 并填写相机话题、深度话题、目标距离等参数完成，而不必反复修改主插件。随着技能包数量增加，OpenClaw 在机器人方向上的价值也将更多体现为可组合能力市场。

7. 无人机方向：AerialClaw

AerialClaw 是当前最典型的“OpenClaw 方法论外溢”项目之一。其中文 README 与架构文档写得非常明确：项目的目标不是单纯让 LLM 给无人机下命令，而是把无人机建模成一个拥有 SOUL.md、BODY.md、MEMORY.md、SKILLS.md、WORLD_MAP.md 的个性化 Agent，再由 LLM 在实时环境感知基础上动态组合原子技能执行任务。截至 2026 年 3 月 24 日，AerialClaw README 已公开 v2.0 更新，加入安全包线、四层记忆、通用设备协议、自进化引擎和 AirSim 上海城市场景等内容，说明它已从概念 demo 明显向框架化迈进。

AerialClaw 与 OpenClaw 的关系并非代码层合并，而是架构哲学的高度同构。OpenClaw 强调工作区文件、技能、工具与会话状态；AerialClaw 将这一思路迁移到无人机场景，以文档化状态和可组合技能替代预编排飞行脚本。该项目表明 OpenClaw 方法并不局限于桌面设备或消息机器人，而可以扩展到高动态、强感知、高风险的物理系统。

AerialClaw 同时说明，OpenClaw 机器人生态并不局限于 ROS2 路线。ROS2 更适合地面机器人与研究平台，而无人机系统更常涉及 PX4、MAVSDK、AirSim、Gazebo 与安全控制。由此可见，OpenClaw 可迁移的核心并非某一种中间件，而是“自然语言任务 -> 状态文件 -> 技能调用 -> 适配器执行”的层次关系。

8. 机械臂研究框架：CaP-X

…详情请参照古月居