#Isaac Gym

这个项目为四足机器人运动任务开发了一个快速仿真和强化学习训练框架。它采用分层控制结构，结合高层策略网络和低层模型预测控制器。其MPC控制器基于Cheetah Software改写，便于移植到主流仿真平台。项目利用NVIDIA Isaac Gym进行并行训练，使用Unitree Robotics的Aliengo模型，并实现了从仿真到实物的迁移。该框架适用于多种四足机器人类型和步态，为相关研究提供了有力支持。

Bi-DexHands是基于Isaac Gym的双手灵巧操作任务集和强化学习算法框架。它提供高效模拟环境,支持多种强化学习方法,包含丰富双手操作任务。单GPU可达40,000+FPS,为研究手部灵巧性和双手协调提供工具。

这是一个开源工具包,用于训练和部署四足机器人Go1的自主行走控制器。工具包基于Isaac Gym模拟器进行强化学习训练,支持多样性行为(MoB)方法以提高控制器泛化能力,并提供将训练策略部署到实体机器人的功能。包含完整的训练、评估和部署流程,以及详细的使用指南。