Repolode
Предложить
mujocolab

mujocolab/mjlab

API для обучения роботов с подкреплением в стиле Isaac Lab, работающий на MuJoCo Warp с GPU-ускорением.

Open source альтернатива:Isaac Lab

Открыть на GitHubСайт
Звёзды
3,344
Форки
582
Открытые issues
70
Последний коммит
6 дней назад

Что это?

mjlab — фреймворк для обучения роботов, объединяющий API сред с менеджерной архитектурой из Isaac Lab и MuJoCo Warp — версию физического движка MuJoCo с GPU-ускорением. Он предоставляет сочетаемые между собой компоненты для создания сред обучения с подкреплением, например наблюдения, вознаграждения и условия завершения, при этом сохраняя зависимости минимальными и предоставляя прямой доступ к нативным структурам данных MuJoCo.

В проект входят готовые задачи для обучения, в том числе отслеживание скорости и имитация движений для гуманоида Unitree G1. Обучение запускается из командной строки командами вроде train и play; поддерживаются запуски на нескольких GPU, загрузка контрольных точек из Weights & Biases, а также встроенные агенты zero и random для проверки MDP до начала обучения.

Для обучения нужен GPU NVIDIA, а macOS поддерживается только для оценки. Демо можно запустить с помощью uvx, в Google Colab или из локальной копии исходного кода.

Ключевые возможности

  • 01API сред с менеджерной архитектурой в стиле Isaac Lab
  • 02Симуляция с GPU-ускорением на MuJoCo Warp
  • 03Прямой доступ к нативным структурам данных MuJoCo
  • 04Встроенные задачи отслеживания скорости и имитации движений для Unitree G1
  • 05Обучение на нескольких GPU с помощью параметра --gpu-ids
  • 06Тестовые агенты zero и random для быстрой проверки задач

Сценарии использования

  • Обучение политик локомоции для гуманоидных роботов в симуляции
  • Воспроизведение экспериментов по имитации движений на основе эталонных данных о движении
  • Создание прототипов собственных задач RL на MuJoCo без полного стека Isaac Lab

Быстрый старт

  1. 1

    Попробуйте демо без установки

    uvx --from mjlab --refresh demo
  2. 2

    Клонируйте репозиторий с GitHub

    git clone https://github.com/mujocolab/mjlab.git && cd mjlab
  3. 3

    Запустите демо из загруженной копии исходного кода

    uv run demo

Что важно знать

  • Для обучения требуется графический процессор NVIDIA.
  • macOS поддерживается только для оценки.

В подборках

Фреймворки и среды для обучения с подкреплением

Темы

#reinforcement-learning#robotics-simulation#mujoco#gpu-acceleration#isaac-lab#humanoid#isaaclab#mujoco-warp

Частые вопросы

Что такое mjlab?
API для обучения роботов с подкреплением в стиле Isaac Lab, работающий на MuJoCo Warp с GPU-ускорением. mjlab — фреймворк для обучения роботов, объединяющий API сред с менеджерной архитектурой из Isaac Lab и MuJoCo Warp — версию физического движка MuJoCo с GPU-ускорением. Он предоставляет сочетаемые между собой компоненты для создания сред обучения с подкреплением, например наблюдения, вознаграждения и условия завершения, при этом сохраняя зависимости минимальными и предоставляя прямой доступ к нативным структурам данных MuJoCo.
mjlab можно использовать бесплатно? Какая у него лицензия?
mjlab распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
mjlab всё ещё поддерживается?
Активно поддерживается. Последний коммит в mjlab — 1 нояб. 2026 г..
Для чего можно использовать mjlab?
Обучение политик локомоции для гуманоидных роботов в симуляции Воспроизведение экспериментов по имитации движений на основе эталонных данных о движении Создание прототипов собственных задач RL на MuJoCo без полного стека Isaac Lab
Как установить mjlab?
Попробуйте демо без установки: uvx --from mjlab --refresh demo Клонируйте репозиторий с GitHub: git clone https://github.com/mujocolab/mjlab.git && cd mjlab Запустите демо из загруженной копии исходного кода: uv run demo
Где скачать mjlab?
Исходный код и инструкции по установке — на GitHub: https://github.com/mujocolab/mjlab

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты