ManiSkill 3（测试版）

预览图

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

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 / GPU	CPU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。