robfiras/loco-mujoco

解决的问题

LocoMuJoCo 为模仿学习提供了一个专注于全身控制的标准化基准。它通过提供多样化的环境和高质量的动捕数据集，解决了训练机器人（如人形机器人和四足机器人）执行复杂动作的困难。

工作原理

该项目与 MuJoCo 集成用于单环境模拟，使用 MJX/MjWarp 实现 GPU 上的高速并行模拟。通过 JAX 将训练和环境逻辑编译为单一函数，以实现最大性能。系统支持将动捕数据（来自 AMASS 和 LAFAN1 等来源）从一个机器人模型重定向到另一个，并包含基于 JAX 的度量标准（如动态时间规整）来比较轨迹。

适用人群

专为从事机器人运动、模仿学习和复杂骨骼或机器人身体强化学习的研究人员和开发者设计。

主要亮点

• 多样化的机器人模型：包含 12 种人形和 4 种四足环境，包括生物力学人形模型。
• 大规模数据集：提供超过 22,000 个用于人形机器人的动捕样本。
• 高性能：支持 JIT 编译的 JAX 算法（PPO、GAIL、AMP、DeepMimic）和 MjWarp 后端，实现加速 GPU 模拟。
• 灵活的工具链：内置领域和地形随机化、机器人间重定向功能，以及与 Gymnasium 兼容的接口。