以 MuJoCo 为基础的模仿学习基准测试,专注于复杂的运动任务。
[//]: # ([](https://pypi.org/project/loco-mujoco/)) > **最新消息：** > 一款 **全新版本 (v1.1)** 刚刚发布! > **新功能：**MJX 现在支持 **MjWarp** 后端，在兼容的 GPU 上实现更快的并行模拟。 **LocoMuJoCo** 是一个专门针对全身控制的**模仿学习基准测试**。 它包含多种环境,包括 **四足动物**、 **人形机器人** 和 **(肌肉-)骨骼人类模型** 每个模型都提供了全面的数据集(每个人型机器人有超过 22,000 个样本)。
虽然主要侧重于模仿学习,但 LocoMuJoCo 还支持自定义奖励函数类,使其也适用于纯增强学习。
✅ 支持 MuJoCo（单环境）和 MJX/MJWarp（并行环境）\ ✅ 包括 12 个人形环境和 4 个四足环境，其中包含 4 个 生物力学人类模型\ ✅ 提供了用于快速基准测试的清晰的单文件 JAX 算法（PPO、GAIL、AMP、DeepMimic）\ ✅ 将训练和环境合并为一个 JIT 编译的函数，实现极快的训练速度\ ✅ 对于每个人形，都重新定位了 22,000 多个动作捕获数据集（AMASS、LAFAN1、原生 LocoMuJoCo）\ ✅ 机器人到机器人重定位 允许将现有数据集从一个机器人重定位到另一个机器人\ ✅ 强大的 轨迹比较指标，包括动态时间扭曲和离散 Fréchet 距离，均在 JAX 中提供\ ✅ Gym 界面\ ✅ 内置 域和地形随机化\ ✅ 模块化设计：定义、交换和重用观测类型、奖励函数、终止状态处理器和域随机化等组件\ ✅ 文档
克隆此仓库并进行可编辑的安装:
cd loco-mujoco
pip install -e . 默认情况下,两者都会安装 Jax 的 CPU 版本。如果您想
暂无开放 Issues，或尚未同步最近议题。