GitHub 热门项目: humanoid-gym

GitHub 项目：Humanoid-gym 仓库地址：https://github.com/roboterax/humanoid-gym 星级：2076 | 作者：roboterax 项目描述：Humanoid-Gym：采用零样本 Sim2Real 迁移的人形机器人强化学习 https://arxiv.org/abs/2404.05695 =================================================== 自述文件内容： # Humanoid-Gym：采用零样本 Sim2Real 迁移的人形机器人强化学习 Project Page | arXiv | 推特 Xinyang Gu*, 王彦仁*, 陈建宇† *：同等贡献。项目共同负责人，†：通讯作者。  Humanoid-Gym 是一个基于 Nvidia Isaac Gym 的易于使用的强化学习 (RL) 框架，旨在训练人形机器人的运动技能，强调从模拟到现实环境的零样本迁移。 Humanoid-Gym还集成了从Isaac Gym到Mujoco的sim-to-sim框架，允许用户在不同的物理模拟中验证训练后的策略，以确保策略的鲁棒性和泛化性。 该代码库由 RobotEra 的 XBot-S（1.2 米高的人形机器人）和 XBot-L（1.65 米高的人形机器人）在现实环境中进行了零样本模拟到真实传输的验证。 ## 特点 ### 1. 仿人机器人训练 This repository offers comprehensive guidance and scripts for the training of humanoid robots. Humanoid-Gym features specialized rewards for humanoid robots, simplifying the difficulty of sim-to-real transfer.在此存储库中，我们使用 RobotEra 的 XBot-L 作为主要示例。它也可以用于其他机器人，只需进行最少的调整。我们的资源涵盖设置、配置和执行。我们的目标是通过提供深入的训练和优化，让机器人为现实世界的运动做好充分准备。 - **全面的培训指南**：我们为培训过程的每个阶段提供全面的演练。 - **分步配置说明**：我们的指导清晰简洁，确保高效的设置过程。 - **易于部署的执行脚本**：利用我们预先准备的脚本来简化培训工作流程。 ### 2.Sim2Sim 支持 我们还共享我们的 sim2sim 管道，它允许您将经过训练的策略转移到高度准确且精心设计的模拟环境中。 Once you acquire the robot, you can confidently deploy the RL-trained policies in real-world settings. 我们的模拟器设置（尤其是 Mujoco）经过精心调整，可以紧密模仿现实世界的场景。 This careful calibration ensures that the performances in both simulated and real-world environments are closely aligned.这一改进使我们的模拟更加值得信赖，并增强了我们对其适用于现实场景的信心。 ### 3.去噪世界模型学习 #### 机器人学：科学与系统 (RSS)，2024 年（最佳论文奖决赛）