Repolode
提交项目
mujocolab

mujocolab/mjlab

基于 GPU 加速 MuJoCo Warp 的机器人强化学习框架，沿用 Isaac Lab 的 Manager 式 API。

可替代:Isaac Lab

在 GitHub 查看官网
Star
3,344
Fork
582
未关闭 Issue
70
最近提交
6天前

这是什么？

mjlab 是一个机器人学习框架，将 Isaac Lab 的 Manager 式环境 API 与 MuJoCo Warp 结合起来。MuJoCo Warp 是 MuJoCo 物理引擎的 GPU 加速版本。框架提供可组合的模块用于设计强化学习环境，例如观测、奖励和终止条件，依赖较少，并可直接访问原生 MuJoCo 数据结构。

项目内置了若干训练任务，包括 Unitree G1 人形机器人的速度跟踪和动作模仿。训练和评估通过 train、play 等命令行工具启动，支持多 GPU 训练、从 Weights & Biases 加载检查点，并内置 zero 和 random 两种智能体，便于在训练前检查 MDP 设置。

训练需要 NVIDIA GPU，macOS 仅支持评估。可通过 uvx、Google Colab 或源码安装体验演示。

核心功能

  • 01沿用 Isaac Lab 风格的 Manager 式环境 API
  • 02基于 MuJoCo Warp 的 GPU 加速仿真
  • 03可直接访问原生 MuJoCo 数据结构
  • 04内置 Unitree G1 速度跟踪与动作模仿任务
  • 05通过 --gpu-ids 参数支持多 GPU 训练
  • 06提供 zero 与 random 测试智能体检查任务设置

适用场景

  • 在仿真中训练人形机器人的运动控制策略
  • 基于参考动作数据复现动作模仿实验
  • 在 MuJoCo 上快速原型化自定义强化学习任务，无需完整的 Isaac Lab 环境

快速上手

  1. 1

    无需安装，直接运行演示

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

    从 GitHub 克隆仓库

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

    在源码目录中运行演示

    uv run demo

使用前须知

  • 训练需要 NVIDIA GPU。
  • macOS 仅支持评估，不支持训练。

收录于专题

强化学习训练框架与环境

标签

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

常见问题

mjlab 是什么？
基于 GPU 加速 MuJoCo Warp 的机器人强化学习框架，沿用 Isaac Lab 的 Manager 式 API。 mjlab 是一个机器人学习框架，将 Isaac Lab 的 Manager 式环境 API 与 MuJoCo Warp 结合起来。MuJoCo Warp 是 MuJoCo 物理引擎的 GPU 加速版本。框架提供可组合的模块用于设计强化学习环境，例如观测、奖励和终止条件，依赖较少，并可直接访问原生 MuJoCo 数据结构。
mjlab 可以免费使用吗？用的什么许可证？
mjlab 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
mjlab 还在维护吗？
活跃维护中。mjlab 最近一次提交是在 2026年11月1日。
mjlab 适合用来做什么？
在仿真中训练人形机器人的运动控制策略 基于参考动作数据复现动作模仿实验 在 MuJoCo 上快速原型化自定义强化学习任务，无需完整的 Isaac Lab 环境
mjlab 怎么安装和运行？
无需安装，直接运行演示: uvx --from mjlab --refresh demo 从 GitHub 克隆仓库: git clone https://github.com/mujocolab/mjlab.git && cd mjlab 在源码目录中运行演示: uv run demo
在哪里获取 mjlab？
源代码和安装说明在 GitHub 上：https://github.com/mujocolab/mjlab

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目