isaac-sim/IsaacLab-Arena

解决的问题

Isaac Lab-Arena 解决了创建机器人仿真环境时的复杂性和冗余问题。传统的任务库通常需要为每个机器人、物体或场景的变体重复编写大量配置代码。该项目提供了一种可组合的架构，使研究人员能够快速组装并评估通用机器人策略，而无需编写冗余的样板代码。

如何工作

该框架采用“乐高式”方法，运行时从三个独立的基元中组装环境：

• Scene：包含物体、家具和固定装置的物理布局。
• Embodiment：机器人本身、其传感器、控制器以及观测/动作空间。
• Task：机器人必须完成的具体目标（例如，拾取并放置一个物体）。

这些基元通过 ArenaEnvBuilder 组合为标准配置，在 NVIDIA Isaac Lab 中原生运行。

适用人群

专为需要在大规模多种任务和环境中评估其模型的通用机器人策略（如 GR00T 或 pi0）的研究人员和开发者设计。

主要亮点

• 可组合的环境：独立混合搭配场景、机器人和任务，实时创建新场景。
• 顺序任务链：能够将原子技能（例如，拾取 → 行走 → 放置）链接起来，创建复杂且长周期的任务。
• 自然语言布局：使用语义关系（例如，“在……上”或“在……旁边”）定义场景布局，而非手动坐标。
• 大规模并行评估：在多个并行环境中运行评估，每个环境包含不同物体，以最大化吞吐量。
• 与 Isaac Lab 集成：无缝集成到 Isaac Lab 的强化学习和模仿学习数据生成工作流中。