Benchmark de aprendizado por imitação para controle de corpo inteiro, com ambientes MuJoCo e MJX para humanoides, quadrúpedes e modelos musculoesqueléticos humanos.
1,5 mil+1 esta semana152PythonMITAtualizado anteontem
mujocolab/mjlab
Uma API no estilo Isaac Lab, baseada em gerenciadores, para aprendizado por reforço em robótica com MuJoCo Warp acelerado por GPU.
Alternativa open source a:Isaac Lab
- Estrelas
- 3,345
- Forks
- 582
- Issues abertas
- 70
- Último commit
- há 7 dias
O que é?
mjlab é um framework de aprendizado robótico que combina a API de ambientes baseada em gerenciadores do Isaac Lab com o MuJoCo Warp, uma versão do mecanismo de física MuJoCo acelerada por GPU. Ele oferece componentes combináveis para criar ambientes de aprendizado por reforço, como observações, recompensas e condições de término, mantendo as dependências mínimas e dando acesso direto às estruturas de dados nativas do MuJoCo.
O projeto inclui tarefas de treinamento prontas, como rastreamento de velocidade e imitação de movimento para o humanoide Unitree G1. O treinamento é iniciado pela linha de comando com comandos como train e play e oferece suporte a execuções com várias GPUs, carregamento de checkpoints do Weights & Biases e agentes zero e aleatórios integrados para verificar um MDP antes do treinamento.
O treinamento exige uma GPU NVIDIA, enquanto o macOS é compatível apenas para avaliação. É possível executar uma demonstração com uvx, pelo Google Colab ou a partir de um checkout do código-fonte.
Recursos principais
- 01API de ambientes baseada em gerenciadores, com estilo compatível com o Isaac Lab
- 02Simulação acelerada por GPU com MuJoCo Warp
- 03Acesso direto às estruturas de dados nativas do MuJoCo
- 04Tarefas integradas de rastreamento de velocidade e imitação de movimento para o Unitree G1
- 05Treinamento com várias GPUs por meio da opção --gpu-ids
- 06Agentes dummy zero e aleatórios para verificar tarefas
Casos de uso
- Treinar políticas de locomoção para robôs humanoides em simulação
- Reproduzir experimentos de imitação de movimento com dados de movimentos de referência
- Criar protótipos de tarefas de RL personalizadas no MuJoCo sem toda a stack do Isaac Lab
Início rápido
- 1
Experimente a demonstração sem instalar nada
uvx --from mjlab --refresh demo - 2
Clone o repositório do GitHub
git clone https://github.com/mujocolab/mjlab.git && cd mjlab - 3
Execute a demonstração a partir do código-fonte obtido
uv run demo
Antes de usar
- O treinamento requer uma GPU NVIDIA.
- O macOS é compatível apenas para avaliação.
Em coleções
Tópicos
#reinforcement-learning#robotics-simulation#mujoco#gpu-acceleration#isaac-lab#humanoid#isaaclab#mujoco-warp
Perguntas frequentes
- O que é mjlab?
- Uma API no estilo Isaac Lab, baseada em gerenciadores, para aprendizado por reforço em robótica com MuJoCo Warp acelerado por GPU. mjlab é um framework de aprendizado robótico que combina a API de ambientes baseada em gerenciadores do Isaac Lab com o MuJoCo Warp, uma versão do mecanismo de física MuJoCo acelerada por GPU. Ele oferece componentes combináveis para criar ambientes de aprendizado por reforço, como observações, recompensas e condições de término, mantendo as dependências mínimas e dando acesso direto às estruturas de dados nativas do MuJoCo.
- mjlab é gratuito? Qual é a licença?
- mjlab é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- mjlab ainda é mantido?
- Manutenção ativa. O último commit de mjlab foi em 1 de nov. de 2026.
- Para que posso usar mjlab?
- Treinar políticas de locomoção para robôs humanoides em simulação Reproduzir experimentos de imitação de movimento com dados de movimentos de referência Criar protótipos de tarefas de RL personalizadas no MuJoCo sem toda a stack do Isaac Lab
- Como instalar mjlab?
- Experimente a demonstração sem instalar nada: uvx --from mjlab --refresh demo Clone o repositório do GitHub: git clone https://github.com/mujocolab/mjlab.git && cd mjlab Execute a demonstração a partir do código-fonte obtido: uv run demo
- Onde consigo mjlab?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/mujocolab/mjlab
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Versão do simulador de física MuJoCo acelerada por GPU, baseada no NVIDIA Warp para simulações robóticas de alto desempenho.
1,6 mil+15 esta semana271PythonApache-2.0Atualizado há 22 horas
Ambientes de treinamento por reinforcement learning que ensinam o robô bípede Microduck, de ~25 cm, a andar, se levantar e fazer acrobacias em simulações MuJoCo.
2,8 mil+72 esta semana684PythonApache-2.0Atualizado anteontem
Uma coleção de ambientes de robótica para aprendizado por reforço, baseados em MuJoCo e construídos sobre a API do Gymnasium.
2 mil+5 esta semana161PythonMITBem mantidoAtualizado há 24 dias
Plugin do Unreal Engine 5 que executa a física do MuJoCo no editor e em tempo de execução, combinando dinâmica de contato precisa com a renderização do Unreal.
564+1 esta semana67C++Apache-2.0Atualizado há 27 dias
Simulador leve de robôs em Python para navegação, controle e aprendizado, configurado por arquivos YAML.
Ferramentas para desenvolvedores#robotics-simulation#navigation#path-planning#reinforcement-learning#robotics
1,2 mil+27 esta semana152PythonMITBem mantidoAtualizado há 6 dias