Farama-Foundation/Gymnasium-Robotics

해결하는 문제

강화학습(RL)을 위한 표준화된 로봇 환경 컬렉션을 제공하여, 연구자와 개발자가 복잡한 물리 시뮬레이션을 처음부터 구축하지 않고도 시뮬레이션된 물리적 작업에서 AI 에이전트를 훈련하고 테스트할 수 있도록 합니다.

작동 방식

이 라이브러리는 MuJoCo 물리 엔진과 그 Python 바인딩을 사용하여 로봇 하드웨어를 시뮬레이션합니다. Gymnasium API를 구현하고, GoalEnv 클래스를 확장합니다. 이 특수한 API는 현재 관측, 목표, 달성된 목표를 추적하는 사전 기반의 관측 공간을 사용하며, 힌트 경험 재학습(HER)과 같은 알고리즘을 지원하도록 설계되었습니다.

대상 사용자

로봇 제어, 강화학습, 다중 에이전트 로봇 시스템에 집중하는 AI 연구자 및 개발자입니다.

주요 특징

• 다양한 로봇 모델: 7-DoF 로봇 팔(Fetch), 24-DoF 인간형 손(SHadow Dexterous Hand), 9-DoF Franka 로봇(Franka Kitchen) 환경을 포함합니다.
• 복잡한 작업 다양성: 단순한 도달 및 밀기에서부터 나사 고정, 문 열기, 미로 탐색과 같은 복잡한 조작 작업까지 지원합니다.
• 다중 에이전트 지원: PettingZoo API를 사용하여 로봇 환경의 다중 에이전트 분해를 가능하게 하는 MaMuJoCo를 포함합니다.
• 목표 지향 API: 대체된 목표에 기반해 보상과 종료 신호를 재계산하는 내장 시스템을 제공합니다.