simpler-env/SimplerEnv

解决的问题

对通用机器人操作策略进行现实世界评估既昂贵、效率低下且难以重现。SimplerEnv 提供了一种可扩展的模拟替代方案，让研究人员无需持续使用实体硬件，即可定量评估策略、选择检查点并识别故障模式。

运作原理

该项目基于 SAPIEN 模拟器和 ManiSkill2（并支持 ManiSkill3 的 GPU 加速），实现了两种主要的现实到模拟（real-to-sim）评估策略：

• 视觉匹配 (Visual Matching)：将现实世界图像叠加到模拟背景上，并调整机器人和物体纹理以匹配现实外观。
• 变体聚合 (Variant Aggregation)：对多种模拟环境变体（包括不同的光照、背景、干扰物和桌面纹理）的结果进行平均。

适用对象

正在构建通用操作策略（如 RT-1 或 Octo）的机器人研究人员和开发人员，他们需要在现实世界部署之前或同时，以标准化且可重现的方式测试其模型。

特点

• 预封装环境：包含 Google Robot 和 WidowX 的多种任务，例如拾取可乐罐、打开抽屉和堆叠立方体。
• 策略整合：提供对 RT-1 和 Octo 策略的内置支持和推理脚本。
• 性能指标：包含计算平均最大排名违规 (MMRV) 和皮尔森相关系数的工具，以衡量模拟结果与现实世界性能的相关性。
• 可扩展性：提供新增机器人、策略和评估环境的指南与工具。