Robosuite: Normas de manipulación estandarizadas en MuJoCo
Robosuite inmersión profunda: 9 tareas de mesa estandarizadas en MuJoCo, ALOHA y soporte robomimic, licencia MIT, y 8 brazos robots.
Construido por la Iniciativa ARISE (Stanford, UT Austin, ASU), Robosuite es el punto de referencia de manipulación más citado en el aprendizaje robótico. Envía 9 tareas básicas de mesa en MuJoCo, soporte de drop-in para Mobile ALOHA y robomimic, abstracciones de controladores de torque conjunto al espacio operativo, y una licencia MIT que lo convierte en la opción predeterminada para las tuberías de aprendizaje de imitación en todo el laboratorio.
Brasar el hardware compatible Obtener un Env robosuite personalizado Obtener Datasets Aparecidos
Licencia MIT 9 tareas de referencia básicas Robomimic + ALOHA incorporado
¿Qué es Robosuite?
Robosuite es un marco de simulación modular de código abierto y referencia para el aprendizaje de manipulación de robots, introducido originalmente en el proyecto Surreal en Stanford y posteriormente desarrollado por la Iniciativa ARISE
El framework se sitúa en la parte superior de MuJoCo y añade tres cosas que MuJoCo simple no le da: una interfaz de tarea estandarizada con funciones de recompensa, criterios de éxito y lógica de restablecimiento; una capa de abstracción de robot que permite ejecutar la misma tarea en una Franka, Sawyer, UR5e, Kinova, IIWA, Jaco o la plataforma bimanual Mobile ALOHA con un solo cambio de argumento; y una capa de abstracción de controlador que expone el control de torque conjunto, posición conjunta, espacio operativo y kinemática inversa bajo una API unificada. Juntas, estas abstracciones hacen de Robosuite el entorno natural para entrenar políticas de imitación-aprendizaje que necesitan generalizarse en todas las encarnaciones de robots.
La estrecha integración de Robosuite con robomimic
Instalación de inicio rápido
Robosuite se instala en menos de dos minutos. El framework saca MuJoCo automáticamente como una dependencia, por lo que una sola instalación de pip produce una configuración de trabajo:
# Install Robosuite (MuJoCo is pulled as a dependency)
pip install robosuite
# Verify installation with a random-action rollout on Lift
python -c "import robosuite as suite; \
env = suite.make('Lift', robots='Panda', has_renderer=False); \
obs = env.reset(); \
for _ in range(100): obs, r, done, info = env.step(env.action_spec[0] * 0); \
print('Robosuite ready, reward:', r)"
Para el aprendizaje de imitación, añadir robomimic y los conjuntos de datos de demostración del centro de ARISE. Un flujo de trabajo completo de Robosuite + robomimic
pip install robomimic
# Download 200 human demonstrations for the Square peg task
python -m robomimic.scripts.download_datasets --tasks square
# Train BC-Transformer on those demos (~30 min on an RTX 4090)
python -m robomimic.scripts.train --config bc_transformer_square.json
El soporte bimanual móvil ALOHA está disponible como una opción de robot de primera clase
Robots y tareas apoyados
Robosuite admite ocho brazos manipuladores de mesa: Franka Panda, Rethink Sawyer, Universal Robots UR5e, Kinova Gen3, Kuka IIWA, Jaco, Baxter (bimanual) y ALOHA (bimanual). La capa de abstracción del robot es profunda
El punto de referencia principal consiste en nueve tareas estandarizadas que se han convertido en el conjunto de referencia para los resultados de manipulación publicados: Elevación (levantamiento de un solo objeto), Estaca (estaclamiento vertical), Pick-Place (ordenado ordenar la basura en cuatro clases de objetos), Ensamblaje de nueces (peg-in-hole con nueces cuadradas y redondas), Puerta (apertura de palanca), Wipe (limpieza de superficie con distribuciones de suciedad variables), Transporte de dos brazos (transmisión de manos), Dos brazos Peg-In-Hole (ensambla de dos brazos) y Elevación de dos brazos (elevación cooperativa de dos manos). Cada misión navega con variantes de recompensa densas y escasas, conjuntos de objetos configurables y semillas deterministas.
Más allá de las tareas centrales, el sistema de autoría MJCF de Robosuite facilita la construcción de escenas personalizadas de mesa: el uso de herramientas, el vertido, la inserción con variación de acento, la manipulación de objetos articulados y las secuencias multifaseas con lenguaje condicionado son todas extensiones comunes de la comunidad. LIBERO, RoboCasa y MimicGen están construidos sobre Robosuite y se extienden a escenarios de largo horizonte, a escala de cocina y generados procedementalmente, respectivamente.
Los puntos de referencia en Robosuite
El conjunto de tareas de núcleo-9 de Robosuite es el punto de referencia de manipulación más reproducido en la literatura. La Política de difusión (Chi et al., RSS 2023), ACT (Zhao et al., RSS 2023), y BC-Transformer publicaron sus números de encabezado sobre las tareas de Robosuite.
Para la evaluación de VLA, Robosuite apoya una parte creciente de los test de pruebas estandarizados. LIBERO-130 se basa en el sistema de autor de tareas de Robosuite y utiliza los mismos espacios de observación y acción. MimicGen, que genera automáticamente demostraciones a gran escala a partir de algunos ejemplos humanos, se ejecuta de extremo a extremo en Robosuite. Los conjuntos de datos Open X-Embodiment y RoboCasa utilizan especificaciones de acción compatibles con Robosuite, lo que facilita la evaluación de políticas entre conjuntos de datos.
Los pros y los contras
** Fuerzas.** Licencia MIT, instalación mínima (un comando pip), ocho brazos robots precalibrados con adaptación automática de recompensas, nueve tareas centrales estandarizadas con líneas de base publicadas, una estrecha integración con robomimic, LIBERO, MimicGen y Mobile ALOHA, y una profunda biblioteca de extensiones contribuidas por la comunidad. Debido a que Robosuite hereda la física de contacto de MuJoCo, es realmente exacta para la manipulación de la mesa.
** Debilidades.** El alcance se limita intencionalmente a la manipulación de mesa
Cuándo elegir un sitio web de robosuite
Elige Robosuite cuando tus experimentos son manipulaciones de mesa y quieres tareas estandarizadas en lugar de construir las tuyas. Es el estándar adecuado para la investigación de imitación de aprendizaje, evaluación de VLA en un ALOHA franko o bimanual, reproducción de línea de base robomímica y cualquier flujo de trabajo donde publicar comparaciones de manzana a manzana con documentos anteriores importa. La licencia MIT y la instalación de un solo comando también lo hacen el simulador más fácil de adoptar para una clase, tutorial o hackathon.
Seleccione MuJoCo directamente cuando desee un control de autor completo en lugar de un arnés de referencia. Seleccione Isaac Sim cuando la representación fotorrealista o la integración ROS 2 es el cuello de botella. Seleccione Isaac Lab cuando necesita RL paralelo GPU a 4,096+ envs para la locomoción o el entrenamiento a gran escala. Consulte nuestra guía [MuJoCo vs Isaac Sim 2026]
Obtenga un entorno robosuite personalizado
RCSV construye entornos Robosuite personalizados para equipos de imitación y evaluación de VLA: nuevas tareas de mesa con conjuntos de datos de demostración compatibles con robomimic, suites de encarnación cruzada que evalúan la misma política en múltiples brazos y escenas bimanual de Mobile ALOHA con repetición de teleoperación. Cada envío de barcos con configuras robomimicas, semillas deterministas, y un conjunto de datos de teleoperación correspondiente de nuestro laboratorio de San Francisco.
Browse Store Obtener Env personalizado Obtener Datasets
Enlaces relacionados
- [RL Environments hub]
T13 ) comparar 8 simuladores principales. - El motor físico Robosuite se basa en.
- [Isaac Lab]
T15 ) GPU-paralelo alternativa RL para el entrenamiento a gran escala. - [MuJoCo vs Isaac Sim 2026]
T16 ) Simulator comparativo de cabeza a cabeza. - [Hardware compatible en la tienda]
T17 ) Franka, Mobile ALOHA, UR5e. - Conjuntos de datos personalizados de teleoperación para el aprendizaje de imitación.
La simulación te lleva al 80% y la última milla es un robot real.
Evalúa en hardware real → Obtenga el hardware → Recolecta datos del mundo real →