ttktjmt/mjswan

解决的问题

简化了强化学习（RL）模拟的共享与演示流程。用户无需安装复杂的物理引擎或运行重型服务器，即可在浏览器中以静态网站的形式运行这些模拟。

工作原理

该框架整合了三项核心技术，将模拟移至客户端：使用 MuJoCo WASM 进行物理模拟，使用 ONNX Runtime 执行 AI 策略，使用 Three.js 进行 3D 渲染。该架构确保所有计算都在用户设备上完成，无需后端服务器。

适用人群

专为希望创建可交互、可移植的机器人策略演示的 RL 研究人员和开发者设计，可轻松部署在 GitHub Pages 上，或嵌入 Google Colab 笔记本中。

特色亮点

• 客户端执行：无需服务器，即可实时运行模拟和策略控制。
• WebXR 支持：内置 VR 和 AR 的原生查看器，支持追踪手部交互。
• 跨平台兼容：支持桌面和移动浏览器。
• mjlab 原生支持：可快速将 mjlab 库中的任务转换为网页演示。
• 轻松部署：可导出为静态网站，实现无缝分发。