MotrixLab
MotrixLab 是一个基于 MotrixSim 仿真引擎的强化学习框架，专为机器人仿真和训练设计。该项目提供了一个完整的强化学习开发平台，集成了多种仿真环境和训练框架。
项目概述
该项目分为两个核心部分：
- motrix_envs: 基于 MotrixSim 构建的各种 RL 仿真环境，定义了 observation、action、reward。与具体的 RL 框架无关，目前支持 MotrixSim 的 CPU 后端
- motrix_rl: 集成 RL 框架，并使用 motrix_envs 里的各种环境参数进行训练。目前支持 SKRL 框架的 PPO 算法
主要特性
- 统一接口: 提供简洁统一的强化学习训练和评估接口
- 多后端支持: 支持 JAX 和 PyTorch 训练后端，可根据硬件环境灵活选择
- 丰富环境: 包含基础控制、运动、操作等多种机器人仿真环境
- 高性能仿真: 基于 MotrixSim 的高性能物理仿真引擎
- 可视化训练: 支持实时渲染和训练过程可视化
🚀 快速开始
以下示例使用了 Python 项目管理工具：UV
在开始之前，请先安装该工具。
克隆仓库
git clone https://github.com/Motphys/MotrixLab
cd MotrixLab
git lfs pull
安装依赖
安装全部依赖：
uv sync --all-packages --all-extras
SKRL 框架支持 JAX(Flax)或 PyTorch 作为训练后端，您也可以根据自己的设备环境，选择只安装其中一种训练后端：
安装 JAX 作为训练后端（仅支持 Linux 平台）：
uv sync --all-packages --extra skrl-jax
安装 PyTorch 作为训练后端：
uv sync --all-packages --extra skrl-torch
🎯 使用指南
环境可视化
查看环境而不执行训练：
uv run scripts/view.py --env cartpole
训练模型
uv run scripts/train.py --env cartpole
训练结果会保存在 runs/{env-name}/ 目录下。
通过 TensorBoard 查看训练数据：
uv run tensorboard --logdir runs/{env-name}
模型推理
uv run scripts/play.py --env cartpole
更多使用方式请参考用户文档
📬 联系方式
有问题或建议？欢迎通过以下方式联系我们：