LocoMuJoCo把全身控制基准搬上GPU:同一套API下,MjWarp在8192个并行环境里跑到每秒48.8万步
核心概要
LocoMuJoCo以开源库形式发布,把全身控制的模仿学习与强化学习基准统一到一套API下:同一份环境代码可在串行NumPy/MuJoCo与并行JAX/MJX、MjWarp后端之间切换,覆盖9个人形、3个(肌)骨骼与4个四足本体,并为每个人形配备原生动作捕捉数据集。它把观测、奖励、控制模式、地形与域随机化做成可替换插件,同时提供SMPL到机器人的自动重定向与loco-mujoco-real真机部署管线。在Unitree G1上,MjWarp后端在8192个并行环境下达到每秒487553个环境步,高于mjlab的391556步。
深度剖析
全身控制的模仿学习与强化学习研究此前分散在单机器人代码库、只做操作任务的套件和玩具级行走任务里,换一个本体就要重写数据管线、重定向方法、仿真器和评价指标。LocoMuJoCo把这一整套放进同一个开源库,用一套API同时覆盖串行NumPy/MuJoCo与并行JAX/MJX、MjWarp后端,并附带9个人形、3个(肌)骨骼和4个四足本体。 此前的LocoMuJoCo第一版只配了真实感人形模型、动作捕捉数据集和统一评价协议,且只能跑在CPU版MuJoCo上;1.0版围绕JAX重建,加入GPU并行的MJX后端、重定向管线和更多本体,当前版本再加入可选的MjWarp后端、更多算法以及loco-mujoco-real真机部署管线。 与mjlab的对照在同一个Unitree G1模型上进行,两者具有相同的刚体、质量、执行器和34个自碰撞几何体,均使用MuJoCo 3.11、50 Hz、四个5 ms物理子步和相同求解器设置;在完整自碰撞下,MjWarp在1024、4096、8192个并行环境分别达到每秒251472、442715、487553个环境步,mjlab为135086、315642、391556步。
库把随机器人、任务和研究问题变化的部分都做成插件:观测、奖励、控制函数、域随机化、地形以及初始与终止状态处理各自独立,切换从速度跟踪到动作模仿只需改一个参数。每个插件无状态,把逐环境状态放在显式的Flax数据类里随step传入,因此整个环境步可被JIT编译,同一训练循环能跨机器人、跨强化学习与模仿学习复用。 重定向管线建立在PHC与H2O的SMPL拟合方法之上,那些方法针对单个机器人;这里扩展成配置驱动的通用流程,新增一个机器人只需一个配置文件和模型中的15个mimic site,轨迹还能经SMPL中间表示在机器人之间转移。 评测在原生LocoMuJoCo数据集的13段动作上进行,覆盖11个本体、每个单元5个随机种子;轨迹相似度用欧氏距离、动态时间规整和离散Fréchet距离三种度量,在关节位置、关节速度以及mimic site的根相对位置、朝向和线速度上计算。
启示与展望
已展示的范围是仿真基准与两个真机示例:11个本体、13段原生动作的评测,以及loco-mujoco-real中Unitree G1与AgiBot X2 Ultra的部署管线;吞吐测量只覆盖单个本体和单块GPU。
吞吐对照只测了单个本体和单块GPU,且mjlab的环境级吞吐包含其自身更重的任务逻辑;真机评测关闭了域随机化与扰动,衡量的是跟踪质量而非鲁棒性。
