シンミュレーション <unk> イザック・ラボ&ムジョコ
OpenArmシミュレーションドキュメント:アイザックラボ強化学習環境 (到達,上げ,ドラフト開け) とモントーク制御によるMuJoCo物理シミュレーション設定.
OpenArmハードウェアハブ を参照してください.
このページ
- 実験室で
T4 - [バージョン情報]
- 試聴する環境
- [すぐに来る]
T8 T9 - 設定は:
- [技術的詳細]
オープンアーム ドキュメント
- [概要]
- スタートする
- コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータの コンピュータ
- [ソフトウェア]
- [電波操作]
- シンプレーション
- [FAQ&購入]
参照
- [開き手1 速 start]
- [←すべてのウィキ記事]
- 公式文書
T21
強化学習,模倣学習,基礎モデル研究のためのOpenArmシミュレーション環境.NVIDIA Isaac SimとMuJoCo物理シミュレーションセットアップとのアイザックラボ統合を含む.
イザックラボ NVIDIA イザック・シム・ムジョコ 強化学習 Sim2Real オープンソース
ソース: docs.openarm.dev/simulation/ 最後に更新された: 2026年4月6日
1.アイザックラボシミュレーション
概要
OpenArm は NVIDIA の Isaac Sim / Isaac Lab** エコシステム に 正式 に 統合 さ れ,強化学習,模倣学習,基礎 モデル ベースの アプローチ の 開発 と 評価 を 可能 に し て い ます.
OpenArmモデルはオープンソースライセンス (Apache 2.0) の下でリリースされ,チームは実用的なシミュレーション資産,トレーニングワークフロー,そしてリアル・ワールドロボットシステムに直接適用できるベンチマークを貢献することを目指しています.
バージョン情報
| Component | Version |
|---|---|
| OpenArm | 1.0.0 |
| Isaac Sim | 5.1.0 |
| Isaac Lab | 2.3.0 |
| Python | 3.11 |
| Platform | Linux x86-64 |
| License | Apache 2.0 |
RL デモ環境
openarm_isaac_lab のデータベースでは,4つの強化学習環境が公開されています.
| Environment | Description |
|---|---|
| Reaching Task | Arm learns to reach target positions in 3D space |
| Lifting a Cube | Arm picks up a cube from a table surface |
| Opening a Drawer | Arm grasps and pulls open a drawer handle |
| Opening a Cabinet | Arm interacts with a hinged cabinet door |
詳細な実装コード,構成ファイル,および使用指示は [openarm_isaac_lab GitHub リポジトリ](
イザックラボのセットアップ
[docs.isaacsim.omniverse.nvidia.com](
# Isaac Labをインストールした後,OpenArm拡張子をクローンします
cd /path/to/isaaclab
git クローン
#拡張子をインストールする ソース/拡張/オープンアーム_isaac_lab
# デモ環境を実行する (例:タスクの達成) ./isaaclab.sh -p ソース/拡張子/開手_isaac_lab/脚本/train.py \ --タスク OpenArm-リーチ-v0 \ --num_envs 4096
すぐ に 来 ます
- テレオペレーションコード VRとジョイスティックテレオペレーション
- 模倣学習コード
データセット記録と行動クローン設定 - Sim2Real Code
シンミュレーションからリアルハードウェアへのパイプライン転送
Contribute Sim2Realや模倣学習への貢献は特に歓迎されます. [Contribution Guide] (T25
2 模擬
概要
MuJoCo (Multi-Joint dynamics with Contact) は,Google DeepMindによって維持されている物理エンジンである.MJCF (MuJoCo Description Files) は,再生可能な環境でアルゴリズム実験を容易にするすべての動くシーンコンポーネントを記述するXMLファイルである.
OpenArm MuJoCoモデルは openarm_mujoco のリポジトリで入手可能である.
設定 & 迅速な開始
- MuJoCoをダウンロードしてインストールする.
Linux x86 で MuJoCo 3.3.4 ジュリエット・マウト・マウト・マウト・マウト 進捗を表示する "T37 ター --抽出 --gzip --verbose \ --ファイル="mujoco-${MUJOCO_VERSION}-linux-x86_64.tar.gz" rm "mujoco-${MUJOCO_VERSION}-linux-x86_64.tar.gz"
- MuJoCoシミュレーションビューアを起動する
CD "mujoco-${MUJOCO_VERSION}/bin" ./シミュレーション
- OpenArm MuJoCo リポジトリをクローンする.
git クローン
- OpenArmモデルをロードする. MuJoCo シミュレーションウィンドウで,ファイル探査機を開いて,ウィンドウに
T0 をドラッグします.双行式OpenArmモデルは物理シミュレーションにロードされます.
テクニカル・詳細
アクチュアータモデル
MuJoCoモデルはアクチュエーターのトーク制御を使用し,クライアント側制御管理を必要とする同時,現実的なシミュレーションを可能にします.これは実際のハードウェアのモーター制御モードに一致します.
ジオメトリグループ
| Group | Purpose |
|---|---|
| Group 2 | Visual geometry (for rendering) |
| Group 3 | Collision geometry (for physics) |
物理シミュレーションでは衝突幾何学の凸体のボディを使用し,接触計算のための効率的な近似を提供します.
MJCF構成
MJCFファイルは構成可能です 腕の個々のコンポーネントまたは完全な双手セットアップをロードすることができます:
T1 完全双手セット (両腕) - 単腕作業のために個々の腕部件を独立にロードすることができます
Python APIの使用
# OpenArmで基本的な MuJoCo Pythonの使用 輸入ムジョコ import mujoco.viewer npとして輸入する
モデルをロードする モデル = mujoco.MjModel.from_xml_path("v1/openarm_bimanual.xml") データは = mujoco.MjData(モデル)
# 結合にトーク制御を適用する 視聴者として mujoco.viewer.launch_passive(model, data) を使用する: 視聴者.is_running(): # トークルコマンドを設定 (トークル制御モード) data.ctrl[:] = np.zeros(model.nu)
ステップシミュレーション mujoco.mj_step(モデル,データ) ビューター.シンク()
ROS2橋 (すぐ)
V1 MuJoCo モデルリリース後すぐに,模擬ハードウェアインターフェイスとして MuJoCo 統合を可能にする ROS2 パッケージがリリースされる.これは,実際のハードウェアに展開する前に,完全な ROS2 コントロールスタックを MuJoCo シミュレーションに対してテストすることを可能にする.
MuJoCo資源
- [github.com/enactic/openarm_mujoco]
- 文書: [mujoco.readthedocs.io]
- [github.com/google-deepmind/mujoco]
Attribution このページのコンテンツは, [docs.openarm.dev] (
[OpenArm を買って,T33