wty-yy/go2_rl_lab

해결하는 문제

이 프로젝트는 Unitree Go2 4족 보행 로봇의 고속 및 민첩한 보행 정책을 훈련하고 배포하기 위한 프레임워크를 제공합니다. Isaac Lab 및 MuJoCo에서 강력한 강화 학습(RL) 훈련을 가능하게 하고, 이후 실제 하드웨어에 배포함으로써 시뮬레이션과 실제 성능 간의 격차를 해소합니다.

작동 방식

NVIDIA의 Isaac Lab 시뮬레이션 환경 내에서 강화 학습(특히 PPO 및 Mixture-of-Experts/CTS 알고리즘)을 사용하여 로봇 정책을 훈련합니다. 이 프레임워크는 Newton MuJoCo-Warp 및 Isaac Sim의 PhysX를 포함한 여러 물리 백엔드를 지원합니다. 훈련 후 정책은 TorchScript 또는 ONNX 파일로 내보내져 시뮬레이션-실제(Sim2Real) 배포에 사용할 수 있습니다. 또한 이 프로젝트는 RoboGauge와 통합되어 훈련 과정 중 정책 성능과 안전성을 비동기적으로 자동 평가합니다.

대상 사용자

보행 운동, 강화 학습 및 Sim2Real 전이에 종사하는 로봇 연구자와 엔지니어로서, 4족 보행 로봇 컨트롤러를 훈련하고 벤치마킹할 수 있는 구조화된 환경이 필요한 사람들을 대상으로 합니다.

주요 특징

• 고속 보행 지원(전진 최대 3.5 m/s, 후진 최대 4.4 m/s).
• Isaac Lab 3.0 EA 및 Isaac Sim 6.1 기반, Newton MuJoCo-Warp 물리 지원.
• 계단 및 경사로와 같은 복잡한 지형에서 견고성을 향상시키기 위한 Mixture-of-Experts(MoE-CTS) 훈련 접근 방식 포함.
• 훈련, 재생 및 Sim2Sim/Sim2Real 배포를 위한 통합 CLI 제공.
• RoboGauge와 통합되어 자동화된 비동기 정책 성능 평가를 지원합니다.