Framework de simulación a gran escala, basado en robosuite, para entrenar y evaluar robots generalistas en tareas cotidianas de cocina.
1,9 mil+16 esta semana272PythonOtherActualizado hace 8 días
mani-skill/ManiSkill
Framework de código abierto para simular y entrenar robots en paralelo en la GPU, basado en SAPIEN y enfocado en habilidades de manipulación.
- Estrellas
- 3,495
- Forks
- 561
- Issues abiertos
- 167
- Último commit
- hace 3 meses
¿Qué es?
ManiSkill es un framework de simulación de robots basado en SAPIEN, diseñado para entrenar y evaluar habilidades de manipulación robótica. Su idea central es ejecutar muchos entornos simulados en paralelo en la GPU, lo que permite recopilar rápidamente grandes volúmenes de datos de entrenamiento visuales y basados en estados.
El framework admite simulación paralela en la GPU, donde cada entorno puede contener una escena o un conjunto de objetos distintos. Sus tareas de ejemplo incluyen humanoides, manipuladores móviles y robots de un solo brazo, y abarcan manipulación sobre mesas, dibujo, limpieza y manipulación diestra. Una API para crear tareas oculta gran parte de la gestión de memoria de la GPU mediante un diseño orientado a objetos.
ManiSkill también incluye baselines ajustados para aprendizaje por refuerzo (PPO, SAC, TD-MPC2), aprendizaje por imitación (behavior cloning, Diffusion Policy) y modelos vision-language-action, además de ejemplos para evaluar políticas del mundo real en simulación y desplegarlas del simulador al mundo real. Se instala con pip y funciona mejor en Linux con una GPU NVIDIA.
Funciones clave
- 01Recopilación de datos RGBD y de segmentación en paralelo en la GPU, a altas frecuencias de cuadros
- 02Simulación paralela en la GPU con escenas heterogéneas en distintos entornos
- 03API orientada a objetos para crear tareas que abstrae la gestión de memoria de la GPU
- 04Tareas de ejemplo con humanoides, manipuladores móviles y robots de un solo brazo
- 05Baselines para RL, aprendizaje por imitación y modelos vision-language-action
Casos de uso
- Entrenar políticas de manipulación con aprendizaje por refuerzo en simulaciones paralelas
- Generar grandes conjuntos de datos sintéticos para el aprendizaje por imitación
- Evaluar algoritmos de aprendizaje robótico en tareas de manipulación estandarizadas
- Evaluar políticas del mundo real en simulación antes de desplegarlas del simulador al mundo real
Inicio rápido
- 1
Instala el paquete con pip
pip install --upgrade mani_skill - 2
Instala una versión de torch compatible con tu sistema
pip install torch - 3
Configura Vulkan para el renderizado siguiendo las instrucciones de la documentación
Antes de usarlo
- La compatibilidad es mejor en Linux; en Windows y macOS es limitada.
- La simulación acelerada por GPU no está disponible en Windows, macOS ni WSL.
- Es necesario configurar Vulkan para el renderizado.
- Los datos de los recursos tienen una licencia CC BY-NC 4.0, que no permite el uso comercial.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es ManiSkill?
- Framework de código abierto para simular y entrenar robots en paralelo en la GPU, basado en SAPIEN y enfocado en habilidades de manipulación. ManiSkill es un framework de simulación de robots basado en SAPIEN, diseñado para entrenar y evaluar habilidades de manipulación robótica. Su idea central es ejecutar muchos entornos simulados en paralelo en la GPU, lo que permite recopilar rápidamente grandes volúmenes de datos de entrenamiento visuales y basados en estados.
- ¿ManiSkill es gratuito? ¿Qué licencia tiene?
- ManiSkill es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿ManiSkill sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de ManiSkill fue el 4 ago 2026.
- ¿Para qué puedo usar ManiSkill?
- Entrenar políticas de manipulación con aprendizaje por refuerzo en simulaciones paralelas Generar grandes conjuntos de datos sintéticos para el aprendizaje por imitación Evaluar algoritmos de aprendizaje robótico en tareas de manipulación estandarizadas Evaluar políticas del mundo real en simulación antes de desplegarlas del simulador al mundo real
- ¿Cómo se instala ManiSkill?
- Instala el paquete con pip: pip install --upgrade mani_skill Instala una versión de torch compatible con tu sistema: pip install torch Configura Vulkan para el renderizado siguiendo las instrucciones de la documentación
- ¿Dónde consigo ManiSkill?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/mani-skill/ManiSkill
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Base de conocimientos en chino sobre IA incorporada, con un índice curado de algoritmos, infraestructura, control y hardware, además de un tutorial práctico de RoboTwin 2.0.
16,9 mil+96 esta semana1,1 milOtherActualizado hace 13 días
Un benchmark de simulación para probar agentes de IA incorporada en 1.000 actividades domésticas cotidianas, como limpiar, cocinar y organizar.
1,8 mil+11 esta semana262PythonMITActualizado ayer
Un harness de código abierto que permite a agentes LLM controlar robots mediante herramientas compartidas, con runtimes de Codex y Claude Code e integración con simuladores.
258+145 esta semana19PythonMITActualizado ayer
Framework abierto para crear agentes encarnados que usan planificadores LLM, modelos VLA de manipulación y memoria para realizar tareas robóticas en simuladores y robots reales.
1,7 mil+41 esta semana160PythonApache-2.0Actualizado anteayer
Plataforma de simulación para robótica e IA incorporada que combina un motor de física múltiple, un renderizador fotorrealista y un compilador multiplataforma mediante una interfaz Python.
30,2 mil+46 esta semana2,9 milPythonApache-2.0Bien mantenidoActualizado hace 23 horas