Uma API no estilo Isaac Lab, baseada em gerenciadores, para aprendizado por reforço em robótica com MuJoCo Warp acelerado por GPU.
3,3 mil+41 esta semana582PythonApache-2.0Bem mantidoAtualizado há 7 dias
robfiras/loco-mujoco
Benchmark de aprendizado por imitação para controle de corpo inteiro, com ambientes MuJoCo e MJX para humanoides, quadrúpedes e modelos musculoesqueléticos humanos.
- Estrelas
- 1,472
- Forks
- 152
- Issues abertas
- 43
- Último commit
- anteontem
O que é?
LocoMuJoCo é um benchmark de aprendizado por imitação para controle de corpo inteiro. Ele oferece um conjunto de ambientes de locomoção para humanoides, quadrúpedes e modelos humanos (musculoesqueléticos), cada um associado a conjuntos de dados de captura de movimento, como AMASS, LAFAN1 e um conjunto de dados próprio do LocoMuJoCo.
Os ambientes rodam no MuJoCo para simulações de instância única ou no MJX e no MJWarp para simulações paralelas em GPUs compatíveis. O projeto inclui implementações JAX de arquivo único de PPO, GAIL, AMP e DeepMimic, além de aceitar funções de recompensa personalizadas para aprendizado por reforço puro. Ele também oferece uma interface Gymnasium.
Além do treinamento, o projeto oferece retargeting de movimento entre robôs, métricas de comparação de trajetórias, como dynamic time warping e distância de Fréchet discreta, e randomização de domínio e terreno integrada. Tipos de observação, recompensas, handlers de término e componentes de randomização podem ser substituídos e reutilizados.
Recursos principais
- 01Ambientes de humanoides, quadrúpedes e humanos biomecânicos criados com MuJoCo
- 02Simulação paralela pelos backends MJX e MJWarp
- 03Implementações JAX de arquivo único de PPO, GAIL, AMP e DeepMimic
- 04Retargeting de movimento entre robôs para conjuntos de dados existentes
- 05Randomização de domínio e terreno integrada
- 06Interface Gymnasium
Casos de uso
- Avaliar algoritmos de aprendizado por imitação em tarefas de locomoção
- Treinar políticas de caminhada de humanoides a partir de dados de captura de movimento
- Executar aprendizado por reforço com recompensas personalizadas em modelos de robôs com pernas
- Comparar trajetórias de movimento com métricas de DTW ou distância de Fréchet
Início rápido
- 1
Clone o repositório
- 2
Instale em modo editável a partir da pasta do repositório
pip install -e . - 3
Opcionalmente, instale o JAX com suporte a GPU
pip install jax["cuda12"]
Antes de usar
- De acordo com as instruções do README, é necessário clonar o repositório em vez de fazer uma instalação simples pelo PyPI.
- Para usar GPU com JAX, é preciso instalar o CUDA separadamente.
- O ambiente MyoSkeleton exige a aceitação de uma licença e o download separado do modelo.
- Por questões de licenciamento, os conjuntos de dados AMASS devem ser baixados e instalados separadamente.
Em coleções
Tópicos
Perguntas frequentes
- O que é loco-mujoco?
- Benchmark de aprendizado por imitação para controle de corpo inteiro, com ambientes MuJoCo e MJX para humanoides, quadrúpedes e modelos musculoesqueléticos humanos. LocoMuJoCo é um benchmark de aprendizado por imitação para controle de corpo inteiro. Ele oferece um conjunto de ambientes de locomoção para humanoides, quadrúpedes e modelos humanos (musculoesqueléticos), cada um associado a conjuntos de dados de captura de movimento, como AMASS, LAFAN1 e um conjunto de dados próprio do LocoMuJoCo.
- loco-mujoco é gratuito? Qual é a licença?
- loco-mujoco é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- loco-mujoco ainda é mantido?
- Manutenção ativa. O último commit de loco-mujoco foi em 5 de nov. de 2026.
- Para que posso usar loco-mujoco?
- Avaliar algoritmos de aprendizado por imitação em tarefas de locomoção Treinar políticas de caminhada de humanoides a partir de dados de captura de movimento Executar aprendizado por reforço com recompensas personalizadas em modelos de robôs com pernas Comparar trajetórias de movimento com métricas de DTW ou distância de Fréchet
- Como instalar loco-mujoco?
- Clone o repositório Instale em modo editável a partir da pasta do repositório: pip install -e . Opcionalmente, instale o JAX com suporte a GPU: pip install jax["cuda12"]
- Onde consigo loco-mujoco?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/robfiras/loco-mujoco
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Modelos open source de visão-linguagem-ação (VLA) para robótica da Physical Intelligence, com checkpoints pré-treinados e exemplos de fine-tuning.
14,6 mil+90 esta semana2,6 milPythonApache-2.0Atualizado há 3 meses
Biblioteca PyTorch de modelos, datasets e ferramentas para robótica no mundo real, abrangendo controle de hardware, coleta de dados, treinamento e avaliação de políticas.
28,7 mil+74 esta semana6 milPythonApache-2.0Atualizado ontem
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+73 esta semana680PythonApache-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