Repolode
提交项目
robfiras

robfiras/loco-mujoco

面向全身控制的模仿学习基准，基于 MuJoCo 和 MJX 提供人形、四足及人体骨骼肌肉模型环境。

在 GitHub 查看官网
Star
1,472
Fork
152
未关闭 Issue
43
最近提交
前天

这是什么？

LocoMuJoCo 是一个面向全身控制的模仿学习基准，提供覆盖人形机器人、四足机器人以及（肌肉）骨骼人体模型的运动环境，并配有 AMASS、LAFAN1 等动作捕捉数据集和项目自带的数据集。

环境可以基于 MuJoCo 进行单实例仿真，也可以通过 MJX 或 MjWarp 在兼容的 GPU 上并行仿真。项目包含 PPO、GAIL、AMP 和 DeepMimic 的单文件 JAX 实现，并支持自定义奖励函数，适用于纯强化学习。同时提供 Gymnasium 接口。

项目还支持把一个机器人的已有数据集重定向到另一个机器人，提供动态时间规整和离散 Fréchet 距离等轨迹对比指标，并内置领域随机化与地形随机化。观测类型、奖励函数、终止状态处理器等组件均可替换和复用。

核心功能

  • 01基于 MuJoCo 的人形、四足及生物力学人体环境
  • 02通过 MJX 和 MJWarp 后端进行并行仿真
  • 03提供 PPO、GAIL、AMP、DeepMimic 的单文件 JAX 实现
  • 04支持将已有动作数据从一个机器人重定向到另一个机器人
  • 05内置领域随机化与地形随机化
  • 06提供 Gymnasium 接口

适用场景

  • 在运动控制任务上对比模仿学习算法
  • 利用动作捕捉数据训练人形机器人行走策略
  • 在腿式机器人模型上使用自定义奖励进行强化学习
  • 使用 DTW 或 Fréchet 距离比较运动轨迹

快速上手

  1. 1

    克隆仓库

  2. 2

    在仓库目录中以可编辑模式安装

    pip install -e .
  3. 3

    可选：安装支持GPU的JAX

    pip install jax["cuda12"]

使用前须知

  • 安装需要先克隆仓库，README中未提供简单的PyPI安装方式。
  • 使用GPU运行JAX需要额外安装CUDA版本。
  • MyoSkeleton环境需要先接受许可协议并单独下载模型。
  • 由于许可限制，AMASS数据集需要单独下载和安装。

收录于专题

强化学习训练框架与环境机器人与具身智能项目

标签

#imitation-learning#reinforcement-learning#mujoco#robotics#humanoid#locomotion#jax

常见问题

loco-mujoco 是什么？
面向全身控制的模仿学习基准，基于 MuJoCo 和 MJX 提供人形、四足及人体骨骼肌肉模型环境。 LocoMuJoCo 是一个面向全身控制的模仿学习基准，提供覆盖人形机器人、四足机器人以及（肌肉）骨骼人体模型的运动环境，并配有 AMASS、LAFAN1 等动作捕捉数据集和项目自带的数据集。
loco-mujoco 可以免费使用吗？用的什么许可证？
loco-mujoco 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
loco-mujoco 还在维护吗？
活跃维护中。loco-mujoco 最近一次提交是在 2026年11月5日。
loco-mujoco 适合用来做什么？
在运动控制任务上对比模仿学习算法 利用动作捕捉数据训练人形机器人行走策略 在腿式机器人模型上使用自定义奖励进行强化学习 使用 DTW 或 Fréchet 距离比较运动轨迹
loco-mujoco 怎么安装和运行？
克隆仓库 在仓库目录中以可编辑模式安装: pip install -e . 可选：安装支持GPU的JAX: pip install jax["cuda12"]
在哪里获取 loco-mujoco？
源代码和安装说明在 GitHub 上：https://github.com/robfiras/loco-mujoco

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目