Масштабный симуляционный фреймворк на базе robosuite для обучения роботов-универсалов бытовым кухонным задачам и их бенчмаркинга.
mani-skill/ManiSkill
Открытый фреймворк для симуляции роботов и обучения навыкам манипуляции, построенный на SAPIEN и поддерживающий параллельные вычисления на GPU.
- Звёзды
- 3,498
- Форки
- 561
- Открытые issues
- 167
- Последний коммит
- 3 месяца назад
Что это?
ManiSkill — фреймворк для симуляции роботов на базе SAPIEN, предназначенный для обучения и сравнения навыков роботизированной манипуляции. Его основная идея — запускать множество симулируемых сред параллельно на GPU, чтобы быстро собирать большие объёмы визуальных данных и данных о состоянии.
Фреймворк поддерживает параллельную симуляцию на GPU, где в каждой среде могут быть отдельная сцена или свой набор объектов. В примерах представлены задачи для человекоподобных роботов, мобильных манипуляторов и одноруких роботов: работа на столе, рисование, уборка и сложные манипуляции. API для создания задач скрывает большую часть управления памятью GPU за объектно-ориентированным интерфейсом.
В ManiSkill также есть настроенные базовые реализации для обучения с подкреплением (PPO, SAC, TD-MPC2), имитационного обучения (behavior cloning, Diffusion Policy) и моделей vision-language-action, а также примеры оценки real-to-sim и развёртывания sim-to-real. Фреймворк устанавливается через pip и лучше всего работает в Linux с GPU NVIDIA.
Ключевые возможности
- 01Сбор RGBD-данных и данных сегментации на GPU с высокой частотой кадров
- 02Параллельная симуляция на GPU с различающимися сценами в разных средах
- 03Объектно-ориентированный API для создания задач, который абстрагирует управление памятью GPU
- 04Примеры задач для человекоподобных роботов, мобильных манипуляторов и одноруких роботов
- 05Базовые реализации для RL, имитационного обучения и моделей vision-language-action
Сценарии использования
- Обучение политик манипуляции с подкреплением в параллельной симуляции
- Создание больших синтетических датасетов для имитационного обучения
- Сравнение алгоритмов обучения роботов на стандартизированных задачах манипуляции
- Оценка политик для реального мира в симуляции перед развёртыванием sim-to-real
Быстрый старт
- 1
Установите пакет с помощью pip
pip install --upgrade mani_skill - 2
Установите версию torch, совместимую с вашей системой
pip install torch - 3
Настройте Vulkan для рендеринга, следуя инструкциям в документации
Что важно знать
- Лучше всего поддерживается Linux; поддержка Windows и macOS ограничена.
- Симуляция с ускорением на GPU недоступна в Windows, macOS и WSL.
- Для рендеринга требуется настройка Vulkan.
- Данные ресурсов распространяются по лицензии CC BY-NC 4.0, запрещающей коммерческое использование.
В подборках
Темы
Частые вопросы
- Что такое ManiSkill?
- Открытый фреймворк для симуляции роботов и обучения навыкам манипуляции, построенный на SAPIEN и поддерживающий параллельные вычисления на GPU. ManiSkill — фреймворк для симуляции роботов на базе SAPIEN, предназначенный для обучения и сравнения навыков роботизированной манипуляции. Его основная идея — запускать множество симулируемых сред параллельно на GPU, чтобы быстро собирать большие объёмы визуальных данных и данных о состоянии.
- ManiSkill можно использовать бесплатно? Какая у него лицензия?
- ManiSkill распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- ManiSkill всё ещё поддерживается?
- Обновлялся за последние 6 месяцев. Последний коммит в ManiSkill — 4 авг. 2026 г..
- Для чего можно использовать ManiSkill?
- Обучение политик манипуляции с подкреплением в параллельной симуляции Создание больших синтетических датасетов для имитационного обучения Сравнение алгоритмов обучения роботов на стандартизированных задачах манипуляции Оценка политик для реального мира в симуляции перед развёртыванием sim-to-real
- Как установить ManiSkill?
- Установите пакет с помощью pip: pip install --upgrade mani_skill Установите версию torch, совместимую с вашей системой: pip install torch Настройте Vulkan для рендеринга, следуя инструкциям в документации
- Где скачать ManiSkill?
- Исходный код и инструкции по установке — на GitHub: https://github.com/mani-skill/ManiSkill
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Китайскоязычная база знаний и подборка материалов по Embodied AI: алгоритмы, инфраструктура, управление и оборудование, а также практическое руководство по RoboTwin 2.0.
Симуляционный бенчмарк для проверки embodied AI-агентов на 1 000 повседневных домашних задачах — уборке, готовке и наведении порядка.
Open-source-платформа для управления роботами с помощью LLM-агентов через общий набор инструментов, с поддержкой Codex и Claude Code и интеграциями с симуляторами.
Открытый фреймворк для создания embodied-агентов, которые используют LLM-планировщики, VLA-модели манипуляции и память для выполнения задач на симуляторах и реальных роботах.
Платформа для симуляции в робототехнике и embodied AI: объединяет мультифизический движок, фотореалистичный рендерер и кроссплатформенный компилятор с интерфейсом на Python.