robocurve/inspect-robots

解决的问题

Inspect Robots 提供了一个物理 AI 的标准化评估框架，使开发者能够在不为每种机器人硬件（身体）或模拟器组合重新编写基准测试的情况下，测试机器人策略（如 LLM 代理或视觉-语言-动作模型）。

工作原理

该框架将任务定义与机器人硬件和 AI 策略解耦。它采用插件系统，其中“身体”（如 Franka 或 Unitree G1 的特定机器人适配器）和“策略”（驱动机器人的 AI 模型）作为独立的包注册。运行前，系统会执行兼容性检查，确保策略的动作/观测空间与机器人能力匹配。

通过 CLI 或 Python API 执行运行，集成 Rerun 可视化功能，用于流式传输摄像头画面和遥测数据。每次试验都会记录到不可变的 EvalLog 中，便于审计、离线重新评分和分析。

适用人群

开发 VLA、基于 LLM 的代理或代码即策略代理的机器人研究人员和工程师，他们需要一种严格、可复现的方法，在真实硬件或模拟环境中评估其模型。

主要亮点

• 硬件无关性： 支持多种真实机器人（通过专用插件或通用 ROS 适配器）和模拟器（如 Isaac Lab）。
• VLA 原生支持： 内置对动作分块、开环执行和时间集成的支持。
• 可审计日志： 为每次运行生成带版本的 Schema 日志和 HTML 报告，包括 LLM 代理的对话记录。
• 实时可视化： 与 Rerun 无缝集成，支持图像、3D 姿态和关节时间序列的实时流式传输。
• 安全防护： 包含默认的范围钳制和变化量限制，防止机器人出现异常运动。
• 学习循环： 可将失败运行总结为 Markdown 格式的「学习」文件，供后续代理运行时回传使用。