ManiSkill

ManiSkill

开源机器人仿真与训练统一框架

ManiSkill是基于SAPIEN的开源机器人仿真与训练框架。它提供GPU并行化视觉数据采集系统,支持多种机器人和任务类型。该框架具有高效的GPU并行任务处理能力,可快速生成合成数据并在不同场景中进行仿真。ManiSkill提供灵活的任务构建API,简化GPU内存管理。它支持2D/3D视觉强化学习、模仿学习等工作流程,未来将扩展更多资产和场景支持。

ManiSkill 3机器人仿真GPU并行开源框架SAPIENGithub开源项目

ManiSkill 3(测试版)

预览图

<p style="text-align: center; font-size: 0.8rem; color: #999;margin-top: -1rem;">使用光线追踪渲染的环境/机器人样本。场景数据集来自AI2THOR和ReplicaCAD</p>

下载量 在Colab中打开 PyPI版本 文档状态 Discord

ManiSkill是一个由SAPIEN驱动的强大的统一机器人仿真和训练框架。整个框架尽可能开源,ManiSkill v3目前处于测试版发布阶段。其特点包括:

  • GPU并行化的视觉数据收集系统。在高端硬件上,使用4090 GPU可以以20k FPS的速度收集RGBD + 分割数据,比大多数其他模拟器快10-100倍。
  • 示例任务涵盖了广泛的不同机器人形态(四足机器人、移动操作机器人、单臂机器人)以及各种不同的任务(桌面操作、运动、灵巧操作)。
  • GPU并行化任务,能够在仿真中进行极快的合成数据收集。
  • GPU并行化任务支持模拟多样化场景,每个并行环境都有完全不同的场景/物体集。
  • 灵活的任务构建API,抽象了许多复杂的GPU内存管理代码。

ManiSkill计划支持各种工作流程,包括但不限于基于2D/3D视觉的强化学习、模仿学习、感知-规划-行动等。ManiSkill还将支持更多资产/场景(例如AI2THOR),以及其他功能,如用于评估真实世界策略的数字孪生。有关在正式v3发布之前计划添加的功能,请参阅我们的路线图

请参阅我们的文档,了解从构建任务到数据收集的教程等更多信息。

注意: 本项目目前处于测试版发布阶段,因此并非所有功能都已添加,可能存在一些错误。如果您发现任何错误或有任何功能请求,请在我们的GitHub issues上发布,或在GitHub discussions中讨论。我们还有一个Discord服务器,用于发布公告和讨论ManiSkill相关内容。

寻找原始ManiSkill2的用户可以在v0.5.3标签找到该代码库的提交。

安装

ManiSkill的安装非常简单,您只需运行几个pip安装命令即可

# 安装包 pip install --upgrade mani_skill # 安装与您的系统兼容的torch版本 pip install torch torchvision torchaudio

最后,您还需要按照这里的说明设置Vulkan

有关安装的更多详细信息(例如,从源代码安装或进行故障排除),请参阅文档

入门

要开始使用,请查看快速入门文档:https://maniskill.readthedocs.io/en/latest/user_guide/getting_started/quickstart.html

我们还有一个快速入门Colab笔记本,让您无需自己的硬件即可尝试GPU并行化仿真。所有内容都可以在Colab免费版上运行。

有关可以运行的完整示例脚本列表,请参阅文档

系统支持

我们目前最好地支持基于Linux的系统。Windows系统的支持有限,目前不支持MacOS。我们正在努力尝试在其他系统上支持更多功能,但这可能需要一些时间。大多数限制源于SAPIEN包能够支持的功能。

系统 / GPUCPU仿真GPU仿真渲染
Linux / NVIDIA GPU
Windows / NVIDIA GPU
Windows / AMD GPU
WSL / 任何GPU
MacOS / 任何GPU

引用和核心团队

ManiSkill 3的技术论文即将发布。

目前的作者列表如下:Stone Tao*、Fanbo Xiang*、Arth Shukla、Chen Bao、Nan Xiao、Rui Chen、Tongzhou Mu、Tse-Kai Chan、Xander Hinrichsen、Xiaodi Yuan、Xinsong Lin、Xuanlin Li、Yuan Gao、Yuzhe Qin、Zhiao Huang、Hao Su

许可

ManiSkill中的所有刚体环境均在完全许可的许可证(例如Apache-2.0)下授权。

资产在CC BY-NC 4.0许可下授权。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多