访问官网
Github
文档
论文
MyoSuite 是一个肌肉骨骼环境和任务的集合，使用 MuJoCo 物理引擎进行模拟，并封装在 OpenAI gym API 中，以便将机器学习应用于生物力学控制问题。
以下是 MyoSuite 中任务的概览。
安装
您需要 Python 3.8 或更高版本。
建议使用 Miniconda 并创建一个单独的环境：
conda create --name myosuite python=3.8
conda activate myosuite
可以通过以下方式安装 MyoSuite：
pip install -U myosuite
高级安装方法请参见此处。
使用以下命令测试您的安装（这也会返回所有当前环境的列表）：
python -m myosuite.tests.test_myo
您还可以使用以下命令使用随机控制来可视化环境：
python -m myosuite.utils.examine_env --env_name myoElbowPose1D6MRandom-v0
注意： 在 MacOS 上，我们改用 mujoco 原生的 launch_passive，这要求 Python 脚本在 mjpython 下运行：
mjpython -m myosuite.utils.examine_env --env_name myoElbowPose1D6MRandom-v0
示例
可以像创建和使用其他 OpenAI gym 环境一样创建和使用 MyoSuite 环境。例如，要使用 myoElbowPose1D6MRandom-v0 环境，只需运行：
from myosuite.utils import gym
env = gym.make('myoElbowPose1D6MRandom-v0')
env.reset()
for _ in range(1000):
env.mj_render()
env.step(env.action_space.sample()) # 执行随机动作
env.close()
您可以在我们的教程中找到有关一般功能的信息，以及 ICRA2023 Colab 教程 ICRA2024 Colab 教程
了解如何加载 MyoSuite 模型/任务、训练它们并可视化其结果。此外，您还可以找到基准来测试一些预训练的策略。
许可证
MyoSuite 根据 Apache 许可证 授权。
引用
如果您在研究中发现本仓库有用，请考虑给予星标 ⭐ 并引用我们的 arXiv 论文，使用以下 BibTeX 条目。
@Misc{MyoSuite2022,
author = {Vittorio, Caggiano AND Huawei, Wang AND Guillaume, Durandau AND Massimo, Sartori AND Vikash, Kumar},
title = {MyoSuite -- A contact-rich simulation suite for musculoskeletal motor control},
publisher = {arXiv},
year = {2022},
howpublished = {\url{https://github.com/myohub/myosuite}},
year = {2022}
doi = {10.48550/ARXIV.2205.13600},
url = {https://arxiv.org/abs/2205.13600},
}
