robfiras/loco-mujoco

解決的問題

LocoMuJoCo 提供一個專注於全身控制的模仿學習標準化基準。它透過提供多樣化的環境與高品質的動捕資料集，解決訓練機器人（如人形與四足機器人）執行複雜動作的困難。

工作原理

本專案整合 MuJoCo 用於單一環境模擬，並使用 MJX/MjWarp 在 GPU 上實現高速平行模擬。利用 JAX 將訓練與環境邏輯編譯為單一函數，以達到最大效能。系統支援將動捕資料（來自 AMASS 和 LAFAN1 等來源）從一個機器人模型重定向至另一個，並內建基於 JAX 的度量標準（如動態時間規整）來比較軌跡。

適用對象

專為從事機器人運動、模仿學習，以及複雜骨骼或機器人身體強化學習的研究人員與開發者設計。

主要特色

• 多樣化機器人模型：包含 12 種人形與 4 種四足環境，包含生物力學人形模型。
• 龐大資料集：提供超過 22,000 筆用於人形機器人的動捕樣本。
• 高效率：支援 JIT 編譯的 JAX 算法（PPO、GAIL、AMP、DeepMimic）與 MjWarp 後端，實現加速 GPU 模擬。
• 彈性工具：內建領域與地形隨機化、機器人間重定向，以及與 Gymnasium 相容的介面。