amathislab/musclemimic

解决的问题

MuscleMimic 解决了扩展肌肉骨骼运动学习的挑战。它提供了一个基准，用于训练 AI 代理使用生物力学精确的模型来模仿复杂的人类动作（运动和操作），这些模型使用肌肉而非简单的关节，这通常计算成本高昂且难以扩展。

运作方式

该项目使用基于 JAX 的框架与 MuJoCo Warp 后端，实现跨数千个环境的 GPU 并行训练。它采用具有生理激活动力学的 Hill-type 肌肉模型来模拟真实的肌肉行为。为了训练这些模型，它使用 DeepMimic 风格的奖励，并将动作捕捉数据（如 AMASS/SMPL 和 C3D 标记数据）重新定位为肌肉驱动模型可以遵循的轨迹。

目标对象

它专为在具身 AI、生物力学和机器人领域工作的研究人员和开发人员设计，他们希望大规模模拟和训练全身肌肉骨骼运动。

特点

• 肌肉驱动动力学：使用生理学上精确的 Hill-type 肌肉模型。
• 加速训练：利用 JAX JIT 编译和 MuJoCo Warp 实现大规模 GPU 并行化。
• 通用模仿策略：为多样化的动作数据集实施验证指标和奖励。
• 重定向工具：包括对 GMR-Fit、AMASS/SMPL 动作和 C3D 标记数据的支持。