myosuite

PyPI - 许可证

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},
}