gbionics/amp-rsl-rl

解决的问题

AMP-RSL-RL 允许人形代理从动作捕捉数据中学习复杂的运动技能。它通过使用对抗性模仿学习，使代理的动作看起来像专家数据，从而解决了为复杂动作手动设计奖励函数的问题。

工作原理

该库在 RSL-RL 的近端策略优化（PPO）实现基础上，集成了对抗性运动先验（AMP）。它使用判别器网络来区分代理的动作与真实动作捕捉数据，迫使代理在实现目标的同时模仿专家风格。它还包含对称性感知的数据增强和镜像损失钩子，以确保学习到的策略在对称机器人部件之间保持一致。

适用人群

专为从事人形运动控制和强化学习的机器人研究人员和开发者设计。

主要亮点

• 运动技能获取的对抗性模仿学习。
• 基于 RSL-RL PPO 实现构建。
• 支持对称性感知的数据增强和镜像损失正则化。
• 兼容 .npy 格式的动作捕捉数据集。