robosuiteを基盤とする、大規模な日常のキッチンタスク向け汎用ロボットの学習・ベンチマーク用シミュレーションフレームワーク。
mani-skill/ManiSkill
SAPIENを基盤とする、GPU並列化されたオープンソースのロボットシミュレーション・学習フレームワーク。マニピュレーションスキルに特化。
- スター
- 3,498
- フォーク
- 561
- 未解決の Issue
- 167
- 最終コミット
- 3 か月前
これは何?
ManiSkillは、ロボットのマニピュレーションスキルの学習とベンチマークを目的とした、SAPIENベースのロボットシミュレーションフレームワークです。中核となるのは、多数のシミュレーション環境をGPU上で並列実行することです。これにより、視覚データや状態データを使った学習用データを短時間で大量に収集できます。
フレームワークはGPU並列シミュレーションに対応しており、並列環境ごとに異なるシーンやオブジェクト群を設定できます。サンプルタスクには、ヒューマノイド、モバイルマニピュレータ、単腕ロボット向けのものがあり、卓上作業、描画、清掃、器用さを要するマニピュレーションを扱います。タスク構築APIはオブジェクト指向の設計を採用し、GPUメモリ管理の多くを抽象化します。
ManiSkillには、強化学習(PPO、SAC、TD-MPC2)、模倣学習(behavior cloning、Diffusion Policy)、vision-language-actionモデル向けに調整されたベースラインのほか、real-to-sim評価やsim-to-realデプロイの例も含まれています。pipでインストールでき、NVIDIA GPUを搭載したLinux環境で最もよく動作します。
主な機能
- 01高いフレームレートでRGBDデータやセグメンテーションデータをGPU並列収集
- 02環境ごとに異なるシーンを扱えるGPU並列シミュレーション
- 03GPUメモリ管理を抽象化するオブジェクト指向のタスク構築API
- 04ヒューマノイド、モバイルマニピュレータ、単腕ロボット向けのサンプルタスク
- 05RL、模倣学習、vision-language-actionモデル向けのベースライン
ユースケース
- 並列シミュレーションで強化学習を用いたマニピュレーションポリシーの学習
- 模倣学習向けの大規模な合成データセットの生成
- 標準化されたマニピュレーションタスクでのロボット学習アルゴリズムのベンチマーク
- sim-to-realデプロイ前にシミュレーションで実環境向けポリシーを評価
クイックスタート
- 1
pipでパッケージをインストールします
pip install --upgrade mani_skill - 2
お使いのシステムと互換性のあるバージョンのtorchをインストールします
pip install torch - 3
ドキュメントの手順に従って、レンダリング用にVulkanをセットアップします
使う前に知っておきたいこと
- Linuxで最もよくサポートされています。WindowsとmacOSのサポートは限定的です。
- GPUアクセラレーションによるシミュレーションは、Windows、macOS、WSLでは利用できません。
- レンダリングにはVulkanのセットアップが必要です。
- アセットデータはCC BY-NC 4.0ライセンスで提供されており、商用利用はできません。
収録されている特集
トピック
よくある質問
- ManiSkill とは?
- SAPIENを基盤とする、GPU並列化されたオープンソースのロボットシミュレーション・学習フレームワーク。マニピュレーションスキルに特化。 ManiSkillは、ロボットのマニピュレーションスキルの学習とベンチマークを目的とした、SAPIENベースのロボットシミュレーションフレームワークです。中核となるのは、多数のシミュレーション環境をGPU上で並列実行することです。これにより、視覚データや状態データを使った学習用データを短時間で大量に収集できます。
- ManiSkill は無料で使えますか?ライセンスは?
- ManiSkill は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- ManiSkill は今もメンテナンスされていますか?
- 半年以内に更新あり。ManiSkill の最終コミットは 2026年8月4日 です。
- ManiSkill は何に使えますか?
- 並列シミュレーションで強化学習を用いたマニピュレーションポリシーの学習 模倣学習向けの大規模な合成データセットの生成 標準化されたマニピュレーションタスクでのロボット学習アルゴリズムのベンチマーク sim-to-realデプロイ前にシミュレーションで実環境向けポリシーを評価
- ManiSkill のインストール方法は?
- pipでパッケージをインストールします: pip install --upgrade mani_skill お使いのシステムと互換性のあるバージョンのtorchをインストールします: pip install torch ドキュメントの手順に従って、レンダリング用にVulkanをセットアップします
- ManiSkill はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/mani-skill/ManiSkill
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
アルゴリズム、インフラ、制御、ハードウェアを網羅した中国語の身体性AIナレッジベース兼キュレーション索引。RoboTwin 2.0の実践チュートリアルも収録。
掃除、料理、整理整頓など、日常の家事1,000種類を対象に身体性AIエージェントを評価するシミュレーションベンチマーク。
LLMエージェントが共通ツールを介してロボットを操作できるオープンソースのハーネス。CodexとClaude Codeのランタイム、シミュレーター連携を備えます。
LLMプランナー、VLA操作モデル、メモリを使い、シミュレーターや実機でロボットタスクを実行するエンボディドエージェント構築用のオープンフレームワーク。
マルチフィジックスエンジン、フォトリアルなレンダラー、クロスプラットフォームコンパイラーをPythonインターフェースで統合した、ロボティクスと身体性AI向けシミュレーションプラットフォーム。