<unk>博平台: MuJoCo的标准化操纵标准
罗博<unk>深度潜水:MuJoCo上9个标准化的桌面任务,ALOHA和机器人模拟支持,MIT许可证,以及8个机器人手臂.
Robosuite是由ARISE倡议 (斯坦福,UT奥斯
浏览兼容硬件 获取自定义的机器人网址Env 获取匹配的数据集
麻省理工学院许可证 9个核心基准任务 Robomimic + ALOHA内置
什么是Robosuite?
罗博苏伊特是一个开源模块化模拟框架和机器人操纵学习的基准,最初是在斯坦福大学的 _Surreal_项目中引入,后来由ARISE倡议开发,这是斯坦福,奥斯
该框架位于MuJoCo的顶部,并添加了三个简单MuJoCo不给你的东西:一个标准化的任务界面,具有奖励功能,成功标准和重置逻辑;一个机器人抽象层,允许在一个统一API下运行相同的任务,如Franka,Sawyer,UR5e,Kinova,IIWA,Jaco或移动ALOHA双手平台;和一个控制器抽象层,暴露了联合扭矩,联合位置,操作空间和反动机控制. 它们将使Robosuite成为培训模仿学习政策的自然环境,
罗博微与ARISE倡议模仿学习的伴侣库的密切集成合并是其定义特征之一.罗博微提供BC,BC-RNN,BC-Transformer,IQL和CQL基线,对所有核心的Robosuite任务提供参考检查点,这两个库旨在清洁地交付数据和配置.
安装快启动
框架将MuJoCo自动作为依赖性,因此单个Pip安装产生一个工作设置:
# 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)"
为了模仿学习,从ARISE中心添加robomimic和示范数据集.一个完整的Robosuite +robomimic工作流程
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
移动ALOHA双手动支持可作为一流机器人选项
支持机器人和任务
罗博苏伊特支持八个桌面操纵器臂:弗兰卡·潘达,Rethink Sawyer,Universal Robots UR5e,Kinova Gen3,Kuka IIWA,Jaco,Baxter (双手动),和ALOHA (双手动). 机器人抽象层是深度的
核心基准包括9项标准化任务,成为发表的操纵结果的参考集:升降 (单物升降),堆
除了核心任务之外,Robosuite的MJCF编写系统使了自定义桌面场景的构建很容易:工具使用,倒,插入,清除变化,关节对象操纵和语言条件的多阶段序列都是共同的社区扩展. 利博罗,罗博卡萨和米米克基因都建立在Robosuite之上,并将其扩展到长视线,厨房规模和程序生成的场景.
罗博网站的基准
罗博苏伊特核心-9任务集是文献中最多重现的操纵基准. 升降,
对于VLA评估,Robosuite支持了标准化测试床的日益增长比例.LibERO-130基于Robosuite的任务编写系统,使用相同的观察和行动空间.MimicGen自动从少数人类示例中生成大规模示范,在Robosuite上运行端到端. 开放X-Embodiment和RoboCasa数据集都使用 Robosuite兼容的行动规格,这使得跨数据集政策评估变得简单.
优势与缺点
** 强大* * MIT 许可证,最小安装 (一键命令),八个预定式机器人臂,自动调整奖励,九个标准化核心任务,发布的基线,密切集成robomimic,LibERO,MimicGen和移动ALOHA,以及社区贡献的扩展库. 因为Robosuite继承了MuJoCo的接触物理,
缺点. 范围是故意限制在桌面操作
什么时候选择Robosuite
选择Robosuite,当你的实验是桌面操作,你希望标准化任务而不是建立自己的.它是模仿学习研究,在法兰卡或双手 ALOHA 上的VLA评估,机器人基线复制和任何发布
选择MuJoCo 当你想要完全的作者控制而不是基准带时.选择Isaac Sim 当光现实化
获得一个自定义的机器人环境
为了实现模拟学习和VLA评估团队,RCSV建立了自定义的Robosuite环境:新的桌面任务,具有与robomimic兼容的示范数据集,跨体现套件,可在多个领域评估相同的政策,以及移动ALOHA双手动场景,可进行远程操作重播. 每个配送船都配备了机器人定位性种子,
查看商店的数据集
相关链接
比较8个主要模拟器. - 物理引擎Robosuite建立在.
GPU-平行RL替代品用于大规模训练. T16 ) 头对头模拟器比较. T17 ) 弗兰卡,移动ALOHA,UR5e. - [定制远程操作数据集]
T18 ) 模拟学习.
模拟将你达到80%