Motphys/UniLab

UniLab – 계약 기반 로봇 학습 인프라

개요

오픈소스 Python 프레임워크로, 로봇 강화학습 작업을 한 번 정의하면(Hydra YAML 구성 사용) 코드를 변경하지 않고도 지원되는 모든 물리 시뮬레이터 또는 하드웨어 백엔드에서 실행할 수 있습니다.
SimBackend 계약을 제공하여 동일한 작업 정의를 MuJoCo, Isaac Gym, Motrix, Newton, Genesis 등에서, 그리고 CPU, GPU, AMD ROCm, Apple Silicon, Intel XPU 또는 외부 워커 시뮬레이션에서 실행할 수 있습니다.

중요성

시뮬레이터나 하드웨어를 교체할 때 환경 클래스를 다시 작성할 필요가 없습니다.
학습 알고리즘(예: SAC, Flash-SAC)을 시뮬레이션 레이어와 독립적으로 유지하여 이기종 학습 파이프라인을 가능하게 합니다.
데이터 수집과 학습자 업데이트를 중첩하여 off-policy 리플레이 기반 학습에서 3~10배 속도 향상을 주장합니다.

주요 기능

기능	설명
구성 우선	작업, 행동, 관측, 보상, 커리큘럼 및 메트릭이 Hydra YAML 파일의 재사용 가능한 관리자 항목으로 조합됩니다 – 종종 Python 코드가 필요하지 않습니다.
백엔드 무관	등록된 모든 시뮬레이터는 공개 `SimBackend` 인터페이스를 구현하며, `--sim` 플래그로 전환합니다.
디바이스 무관 학습자	학습자는 CUDA, ROCm, MPS 또는 Intel XPU에서 실행되고 시뮬레이션은 CPU 또는 원격 워커에 유지될 수 있습니다.
리플레이 가속 off-policy 학습	내장 SAC/Flash-SAC 파이프라인이 시뮬레이션과 그래디언트 업데이트를 중첩하여 큰 종단 간 속도 향상을 제공합니다.
크로스 플랫폼 지원	Windows, macOS(Apple Silicon), Linux(CUDA, ROCm, XPU)에 대한 문서화된 설치 경로.
지원 매트릭스	검증된 작업-백엔드-디바이스 조합을 보여주는 큐레이션 테이블.
에코시스템 훅	다운스트림 로봇 특화 저장소(MicroDuck RL, EngineAI RL, Unitree RL 등)가 동일한 작업 정의와 계약을 재사용할 수 있습니다.
확장 가능한 RL 스택	알고리즘, 비동기 런타임, 로깅은 `src/unilab/rl/` 아래에 있습니다.

일반적인 사용 사례

연구: 새로운 보행 또는 조작 작업을 한 번 프로토타입한 후 MuJoCo, Isaac Gym 및 기타 시뮬레이터에서 벤치마킹합니다.
Sim-to-sim 전이: 코드를 다시 작성하지 않고 빠른 저충실도 시뮬레이터에서 학습하고 고충실도 시뮬레이터에서 평가합니다.
이기종 클러스터: GPU 가속 학습자에게 데이터를 공급하는 많은 CPU 전용 시뮬레이션 워커를 실행합니다.
로봇 연구실: 각 팀이 선호하는 물리 엔진을 사용하면서 여러 로봇 플랫폼(예: Unitree, MicroDuck)에서 공통 작업 라이브러리를 공유합니다.

설치(빠른 시작)

# 경량 UV 패키지 매니저 설치
curl -LsSf https://astral.sh/uv/install.sh | sh

# 저장소 클론 및 환경 설정
git clone https://github.com/unilabsim/UniLab.git
cd UniLab
make setup   # uv를 통해 의존성 설치

첫 실행 시 Hugging Face에서 모델 체크포인트와 에셋을 자동으로 다운로드합니다.

빠른 시작 명령어

# 설치 확인을 위한 데모(댄스) 실행
uv run demo dance

# MuJoCo에서 SAC로 평지 보행 작업 학습
uv run train  --algo sac --task g1_walk_flat --sim mujoco

# 학습된 정책 평가 및 Viser로 렌더링
uv run eval   --algo sac --task g1_walk_flat --sim mujoco --render-mode viser

# 작업 정의를 변경하지 않고 시뮬레이터 교체
uv run --extra motrix  eval --algo sac --task g1_walk_flat --sim motrix --render-mode interactive --load-run -1
uv run --extra isaacgym eval --algo sac --task g1_walk_flat --sim isaacgym --load-run -1

모든 플래그(--algo, --task, --sim)는 명시적이므로 실험을 재현할 수 있습니다.

문서 및 학습 자료

왜 UniLab인가? – 설계 근거 및 대안과의 비교: https://unilabsim.github.io/UniLab-doc/en/why_unilab.html
설치 및 첫 데모: https://unilabsim.github.io/UniLab-doc/en/1-getting_started/0-index.html
학습 및 평가 가이드: https://unilabsim.github.io/UniLab-doc/en/2-user_guide/1-training/0-index.html
백엔드 지원 매트릭스: https://unilabsim.github.io/UniLab-doc/en/5-reference/5-support_matrix.html
Sim-to-sim 배포: https://unilabsim.github.io/UniLab-doc/en/3-deployment/2-sim_to_sim/1-backend_swap.html
개발자 가이드(기여, 계약 확장): https://unilabsim.github.io/UniLab-doc/en/4-developer_guide/0-index.html

커뮤니티

WeChat 어시스턴트(저장소의 QR 코드) 실시간 도움 및 공지.
활발한 GitHub 이슈 및 PR; 새 백엔드나 작업을 추가하는 방법은 기여 가이드를 참조하세요.
README에 나열된 다운스트림 프로젝트는 실제 사용 사례를 보여줍니다.

라이선스 및 인용

라이선스: Apache-2.0 (LICENSE 참조).
인용:

@article{jia2026unilab,
  title   = {UniLab: A Heterogeneous Architecture for Robot RL Beyond GPU-Dominant Paradigms},
  author  = {Jia, Yufei and Cao, Zhanxiang and Yu, Mingrui and ...},
  journal = {arXiv preprint arXiv:2605.30313},
  year    = {2026},
  url     = {https://arxiv.org/abs/2605.30313}
}

결론: UniLab은 로봇 RL 작업을 기본 물리 엔진과 컴퓨팅 하드웨어로부터 추상화하여 재현 가능한 실험과 빠른 백엔드 전환을 가능하게 하는 진정한 연구용 툴킷입니다. 문서화가 잘 되어 있고, 활발히 유지 관리되며, 이미 CoRL 2026 논문에서 인용되었습니다.

설치(빠른 시작)

# 경량 UV 패키지 매니저 설치
curl -LsSf https://astral.sh/uv/install.sh | sh

# 저장소 클론 및 환경 설정
 git clone https://github.com/unilabsim/UniLab.git
cd UniLab
make setup   # uv를 통해 의존성 설치

첫 실행 시 Hugging Face에서 모델 체크포인트와 에셋을 자동으로 다운로드합니다.

빠른 시작 명령어

# 설치 확인을 위한 데모(댄스) 실행
uv run demo dance

# MuJoCo에서 SAC로 평지 보행 작업 학습
uv run train  --algo sac --task g1_walk_flat --sim mujoco

# 학습된 정책 평가 및 Viser로 렌더링
uv run eval   --algo sac --task g1_walk_flat --sim mujoco --render-mode viser

# 작업 정의를 변경하지 않고 시뮬레이터 교체
uv run --extra motrix  eval --algo sac --task g1_walk_flat --sim motrix --render-mode interactive --load-run -1
uv run --extra isaacgym eval --algo sac --task g1_walk_flat --sim isaacgym --load-run -1

모든 플래그(--algo, --task, --sim)는 명시적이므로 실험을 재현할 수 있습니다.

문서 및 학습 자료

왜 UniLab인가? – 설계 근거 및 대안과의 비교: https://unilabsim.github.io/UniLab-doc/en/why_unilab.html
설치 및 첫 데모: https://unilabsim.github.io/UniLab-doc/en/1-getting_started/0-index.html
학습 및 평가 가이드: https://unilabsim.github.io/UniLab-doc/en/2-user_guide/1-training/0-index.html
백엔드 지원 매트릭스: https://unilabsim.github.io/UniLab-doc/en/5-reference/5-support_matrix.html
Sim-to-sim 배포: https://unilabsim.github.io/UniLab-doc/en/3-deployment/2-sim_to_sim/1-backend_swap.html
개발자 가이드(기여, 계약 확장): https://unilabsim.github.io/UniLab-doc/en/4-developer_guide/0-index.html

커뮤니티

WeChat 어시스턴트(저장소의 QR 코드) 실시간 도움 및 공지.
활발한 GitHub 이슈 및 PR; 새 백엔드나 작업을 추가하는 방법은 기여 가이드를 참조하세요.
README에 나열된 다운스트림 프로젝트는 실제 사용 사례를 보여줍니다.

라이선스 및 인용

라이선스: Apache-2.0 (LICENSE 참조).
인용:

@article{jia2026unilab,
  title   = {UniLab: A Heterogeneous Architecture for Robot RL Beyond GPU-Dominant Paradigms},
  author  = {Jia, Yufei and Cao, Zhanxiang and Yu, Mingrui and ...},
  journal = {arXiv preprint arXiv:2605.30313},
  year    = {2026},
  url     = {https://arxiv.org/abs/2605.30313}
}

설치(빠른 시작)

# 경량 UV 패키지 매니저 설치
curl -LsSf https://astral.sh/uv/install.sh | sh

# 저장소 클론 및 환경 설정
 git clone https://github.com/unilabsim/UniLab.git
cd UniLab
make setup   # uv를 통해 의존성 설치

첫 실행 시 Hugging Face에서 모델 체크포인트와 에셋을 자동으로 다운로드합니다.

빠른 시작 명령어

# 설치 확인을 위한 데모(댄스) 실행
uv run demo dance

# MuJoCo에서 SAC로 평지 보행 작업 학습
uv run train  --algo sac --task g1_walk_flat --sim mujoco

# 학습된 정책 평가 및 Viser로 렌더링
uv run eval   --algo sac --task g1_walk_flat --sim mujoco --render-mode viser

# 작업 정의를 변경하지 않고 시뮬레이터 교체
uv run --extra motrix  eval --algo sac --task g1_walk_flat --sim motrix --render-mode interactive --load-run -1
uv run --extra isaacgym eval --algo sac --task g1_walk_flat --sim isaacgym --load-run -1

모든 플래그(--algo, --task, --sim)는 명시적이므로 실험을 재현할 수 있습니다.

문서 및 학습 자료

왜 UniLab인가? – 설계 근거 및 대안과의 비교: https://unilabsim.github.io/UniLab-doc/en/why_unilab.html
설치 및 첫 데모: https://unilabsim.github.io/UniLab-doc/en/1-getting_started/0-index.html
학습 및 평가 가이드: https://unilabsim.github.io/UniLab-doc/en/2-user_guide/1-training/0-index.html
백엔드 지원 매트릭스: https://unilabsim.github.io/UniLab-doc/en/5-reference/5-support_matrix.html
Sim-to-sim 배포: https://unilabsim.github.io/UniLab-doc/en/3-deployment/2-sim_to_sim/1-backend_swap.html
개발자 가이드(기여, 계약 확장): https://unilabsim.github.io/UniLab-doc/en/4-developer_guide/0-index.html

커뮤니티

WeChat 어시스턴트(저장소의 QR 코드) 실시간 도움말 및 공지.
활발한 GitHub 이슈 및 PR; 새 백엔드나 작업을 추가하는 방법은 기여 가이드를 참조하세요.
README에 나열된 다운스트림 프로젝트는 실제 사용 사례를 보여줍니다.

라이선스 및 인용

라이선스: Apache-2.0 (LICENSE 참조).
인용:

@article{jia2026unilab,
  title   = {UniLab: A Heterogeneous Architecture for Robot RL Beyond GPU-Dominant Paradigms},
  author  = {Jia, Yufei and Cao, Zhanxiang and Yu, Mingrui and ...},
  journal = {arXiv preprint arXiv:2605.30313},
  year    = {2026},
  url     = {https://arxiv.org/abs/2605.30313}
}

설치(빠른 시작)

# 경량 UV 패키지 매니저 설치
curl -LsSf https://astral.sh/uv/install.sh | sh

# 저장소 클론 및 환경 설정
git clone https://github.com/unilabsim/UniLab.git
cd UniLab
make setup   # uv를 통해 의존성 설치

첫 실행 시 Hugging Face에서 모델 체크포인트와 에셋을 자동으로 다운로드합니다.

빠른 시작 명령어

# 데모(댄스) 실행하여 설치 확인
uv run demo dance

# MuJoCo에서 SAC로 평지 보행 작업 학습
uv run train  --algo sac --task g1_walk_flat --sim mujoco

# 학습된 정책 평가 및 Viser로 렌더링
uv run eval   --algo sac --task g1_walk_flat --sim mujoco --render-mode viser

# 작업 정의를 변경하지 않고 시뮬레이터 교체
uv run --extra motrix  eval --algo sac --task g1_walk_flat --sim motrix --render-mode interactive --load-run -1
uv run --extra isaacgym eval --algo sac --task g1_walk_flat --sim isaacgym --load-run -1

모든 플래그(--algo, --task, --sim)는 명시적이므로 실험을 재현할 수 있습니다.

문서 및 학습 자료

왜 UniLab인가? – 설계 근거 및 대안과의 비교: https://unilabsim.github.io/UniLab-doc/en/why_unilab.html
설치 및 첫 데모: https://unilabsim.github.io/UniLab-doc/en/1-getting_started/0-index.html
학습 및 평가 가이드: https://unilabsim.github.io/UniLab-doc/en/2-user_guide/1-training/0-index.html
백엔드 지원 매트릭스: https://unilabsim.github.io/UniLab-doc/en/5-reference/5-support_matrix.html
Sim-to-sim 배포: https://unilabsim.github.io/UniLab-doc/en/3-deployment/2-sim_to_sim/1-backend_swap.html
개발자 가이드(기여, 계약 확장): https://unilabsim.github.io/UniLab-doc/en/4-developer_guide/0-index.html

커뮤니티

WeChat 어시스턴트(저장소의 QR 코드) 실시간 도움 및 공지.
활발한 GitHub 이슈 및 PR; 새 백엔드나 작업을 추가하는 방법은 기여 가이드를 참조하세요.
README에 나열된 다운스트림 프로젝트는 실제 사용 사례를 보여줍니다.

라이선스 및 인용

라이선스: Apache-2.0 (LICENSE 참조).
인용:

@article{jia2026unilab,
  title   = {UniLab: A Heterogeneous Architecture for Robot RL Beyond GPU-Dominant Paradigms},
  author  = {Jia, Yufei and Cao, Zhanxiang and Yu, Mingrui and ...},
  journal = {arXiv preprint arXiv:2605.30313},
  year    = {2026},
  url     = {https://arxiv.org/abs/2605.30313}
}

SUMMARY: UniLab은 로봇 강화학습 작업을 한 번 정의하고(Hydra YAML을 통해) 다양한 물리 시뮬레이터(MuJoCo, Isaac Gym, Motrix 등)와 하드웨어 백엔드(CPU, CUDA, ROCm, Apple Silicon, Intel XPU)에서 실행할 수 있는 오픈소스 Python 프레임워크입니다. SimBackend 계약, off-policy 리플레이 가속 학습(SAC/Flash-SAC), 검증된 조합에 대한 지원 매트릭스를 제공합니다. uv로 설치하고, 데모를 실행하고, 간단한 CLI 플래그로 학습/평가하며, 문서화된 계약을 통해 확장할 수 있습니다. Apache-2.0 라이선스이며 CoRL 2026 논문에서 인용되었습니다.

TITLE: 시뮬레이터와 하드웨어 전반에서 작동하는 계약 기반 로봇 RL 인프라

Motphys/UniLab

UniLab – 계약 기반 로봇 학습 인프라

주요 기능

일반적인 사용 사례

설치(빠른 시작)

빠른 시작 명령어

문서 및 학습 자료

커뮤니티

라이선스 및 인용

설치(빠른 시작)

빠른 시작 명령어

문서 및 학습 자료

커뮤니티

라이선스 및 인용

설치(빠른 시작)

빠른 시작 명령어

문서 및 학습 자료

커뮤니티

라이선스 및 인용

설치(빠른 시작)

빠른 시작 명령어

문서 및 학습 자료

커뮤니티

라이선스 및 인용

관련