robfiras/loco-mujoco

해결하는 문제

LocoMuJoCo는 전신 제어에 초점을 맞춘 이미테이션 학습을 위한 표준화된 벤치마크를 제공합니다. 인간형 로봇과 4족 보행 로봇이 복잡한 동작을 수행하도록 훈련하는 어려움을 해결하기 위해 다양한 환경과 고품질의 모션 캡처 데이터셋을 제공합니다.

작동 방식

이 프로젝트는 단일 환경 시뮬레이션에는 MuJoCo를, GPU에서의 고속 병렬 시뮬레이션에는 MJX/MjWarp를 통합합니다. JAX를 사용하여 훈련 및 환경 로직을 하나의 함수로 컴파일하여 최대 성능을 달성합니다. 시스템은 AMASS 및 LAFAN1과 같은 소스에서 가져온 모션 캡처 데이터를 한 로봇 모델에서 다른 모델로 리타겟팅할 수 있으며, 동적 시간 왜곡(DTW)과 같은 JAX 기반 메트릭을 사용하여 궤적을 비교할 수 있습니다.

대상 사용자

로봇 보행, 이미테이션 학습, 복잡한 뼈대 또는 로봇 신체에 대한 강화 학습에 종사하는 연구자 및 개발자에게 적합합니다.

주요 특징

• 다양한 로봇 모델: 12종의 인간형 및 4종의 4족 보행 환경을 포함하며, 생체역학적 인간 모델도 포함됩니다.
• 대규모 데이터셋: 인간형 로봇을 위한 22,000개 이상의 모션 캡처 샘플을 제공합니다.
• 고성능: JIT 컴파일된 JAX 알고리즘(PPO, GAIL, AMP, DeepMimic)과 MjWarp 백엔드를 통해 GPU 시뮬레이션을 가속화합니다.
• 유연한 도구: 내장된 도메인 및 지형 랜덤화, 로봇 간 리타겟팅, Gymnasium 호환 인터페이스를 제공합니다.