Benchmark de aprendizaje por imitación para el control de cuerpo completo, con entornos MuJoCo y MJX para humanoides, cuadrúpedos y modelos musculoesqueléticos humanos.
1,5 mil+2 esta semana152PythonMITActualizado hace 20 horas
mujocolab/mjlab
Una API de estilo Isaac Lab basada en managers para aprendizaje por refuerzo en robótica, que se ejecuta sobre MuJoCo Warp con aceleración por GPU.
Alternativa open source a:Isaac Lab
- Estrellas
- 3,337
- Forks
- 582
- Issues abiertos
- 70
- Último commit
- hace 5 días
¿Qué es?
mjlab es un framework de aprendizaje robótico que combina la API de entornos basada en managers de Isaac Lab con MuJoCo Warp, una versión del motor de física MuJoCo acelerada por GPU. Ofrece componentes básicos combinables para diseñar entornos de aprendizaje por refuerzo, como observaciones, recompensas y condiciones de terminación, con dependencias mínimas y acceso directo a las estructuras de datos nativas de MuJoCo.
El proyecto incluye tareas de entrenamiento listas para usar, como seguimiento de velocidad e imitación de movimiento para el humanoide Unitree G1. El entrenamiento se inicia desde la línea de comandos con comandos como train y play, y admite ejecuciones con varias GPU, carga de checkpoints de Weights & Biases y agentes de cero y aleatorios integrados para comprobar un MDP antes del entrenamiento.
El entrenamiento requiere una GPU NVIDIA, mientras que macOS solo se admite para evaluación. Se puede ejecutar una demo con uvx, desde Google Colab o a partir de una copia del código fuente.
Funciones clave
- 01API de entornos basada en managers, con un estilo compatible con Isaac Lab
- 02Simulación acelerada por GPU mediante MuJoCo Warp
- 03Acceso directo a las estructuras de datos nativas de MuJoCo
- 04Tareas integradas de seguimiento de velocidad e imitación de movimiento para Unitree G1
- 05Entrenamiento con varias GPU mediante la opción --gpu-ids
- 06Agentes ficticios de cero y aleatorios para comprobar que las tareas funcionan correctamente
Casos de uso
- Entrenar políticas de locomoción para robots humanoides en simulación
- Reproducir experimentos de imitación de movimiento a partir de datos de movimientos de referencia
- Crear prototipos de tareas de RL personalizadas en MuJoCo sin usar toda la stack de Isaac Lab
Inicio rápido
- 1
Prueba la demo sin instalar nada
uvx --from mjlab --refresh demo - 2
Clona el repositorio desde GitHub
git clone https://github.com/mujocolab/mjlab.git && cd mjlab - 3
Ejecuta la demo desde el código fuente descargado
uv run demo
Antes de usarlo
- El entrenamiento requiere una GPU NVIDIA.
- macOS solo es compatible para la evaluación.
En colecciones
Temas
#reinforcement-learning#robotics-simulation#mujoco#gpu-acceleration#isaac-lab#humanoid#isaaclab#mujoco-warp
Preguntas frecuentes
- ¿Qué es mjlab?
- Una API de estilo Isaac Lab basada en managers para aprendizaje por refuerzo en robótica, que se ejecuta sobre MuJoCo Warp con aceleración por GPU. mjlab es un framework de aprendizaje robótico que combina la API de entornos basada en managers de Isaac Lab con MuJoCo Warp, una versión del motor de física MuJoCo acelerada por GPU. Ofrece componentes básicos combinables para diseñar entornos de aprendizaje por refuerzo, como observaciones, recompensas y condiciones de terminación, con dependencias mínimas y acceso directo a las estructuras de datos nativas de MuJoCo.
- ¿mjlab es gratuito? ¿Qué licencia tiene?
- mjlab es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿mjlab sigue mantenido?
- Mantenimiento activo. El último commit de mjlab fue el 1 nov 2026.
- ¿Para qué puedo usar mjlab?
- Entrenar políticas de locomoción para robots humanoides en simulación Reproducir experimentos de imitación de movimiento a partir de datos de movimientos de referencia Crear prototipos de tareas de RL personalizadas en MuJoCo sin usar toda la stack de Isaac Lab
- ¿Cómo se instala mjlab?
- Prueba la demo sin instalar nada: uvx --from mjlab --refresh demo Clona el repositorio desde GitHub: git clone https://github.com/mujocolab/mjlab.git && cd mjlab Ejecuta la demo desde el código fuente descargado: uv run demo
- ¿Dónde consigo mjlab?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/mujocolab/mjlab
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Versión del simulador de física MuJoCo acelerada por GPU y basada en NVIDIA Warp, para simulaciones de robótica de alto rendimiento.
1,6 mil+11 esta semana271PythonApache-2.0Actualizado hace 20 horas
Entornos de entrenamiento por aprendizaje por refuerzo que enseñan al robot bípedo Microduck de ~25 cm a caminar, levantarse y hacer trucos en una simulación de MuJoCo.
2,8 mil+80 esta semana678PythonApache-2.0Actualizado hace 23 horas
Colección de entornos de robótica para aprendizaje por refuerzo basados en MuJoCo y construidos sobre la API de Gymnasium.
2 mil+5 esta semana161PythonMITBien mantenidoActualizado hace 23 días
Plugin de Unreal Engine 5 que ejecuta la física de MuJoCo en el editor y durante la ejecución, combinando dinámicas de contacto precisas con el renderizado de Unreal.
564+1 esta semana66C++Apache-2.0Actualizado hace 26 días
Un simulador de robots ligero, basado en Python, para navegación, control y aprendizaje, configurable mediante archivos YAML.
Herramientas para desarrolladores#robotics-simulation#navigation#path-planning#reinforcement-learning#robotics
1,2 mil+7 esta semana151PythonMITBien mantenidoActualizado hace 5 días