isaac-sim/IsaacLab-Arena

解決的問題

Isaac Lab-Arena 解決了建立機器人模擬環境時的複雜性與重複問題。傳統的任務程式庫通常需要為每個機器人、物件或場景的變體重複撰寫大量設定程式碼。本專案提供可組合的架構，讓研究人員能快速組裝並評估通用機器人策略，而無需撰寫冗餘的樣板程式碼。

如何運作

該框架採用「樂高式」方法，於執行階段從三個獨立的基元組裝環境：

• Scene：包含物件、家具與固定裝置的物理佈局。
• Embodiment：機器人本身、其感測器、控制器以及觀測/動作空間。
• Task：機器人必須達成的具體目標（例如，拾取並放置一個物件）。

這些基元透過 ArenaEnvBuilder 組合為標準設定，在 NVIDIA Isaac Lab 中原生執行。

適用對象

專為需要在大規模多樣任務與環境中評估其模型的通用機器人策略（如 GR00T 或 pi0）的研究人員與開發者設計。

主要亮點

• 可組合的環境：獨立混合搭配場景、機器人與任務，即時創建新情境。
• 順序任務鏈：能將原子技能（例如，拾取 → 行走 → 放置）連結起來，創造複雜且長時間的任務。
• 自然語言佈局：使用語意關係（例如「在……上」或「在……旁邊」）定義場景佈局，而非手動座標。
• 大規模平行評估：在多個平行環境中執行評估，每個環境包含不同物件，以最大化吞吐量。
• 與 Isaac Lab 整合：無縫整合至 Isaac Lab 的強化學習與模仿學習資料產生工作流程。