跳转至

🐋 什么是 OrcaGym

OrcaGym 是一个开源、云原生的机器人仿真平台,提供与 OpenAI Gym / Gymnasium 接口完全兼容的机器人仿真环境。

一句话概括

OrcaGym = Gymnasium API + MuJoCo 物理引擎 + 分布式通信 + OrcaStudio/OrcaLab 云平台

核心定位

传统机器人仿真方案往往在保真度和计算效率之间面临取舍。OrcaGym 通过以下方式弥合这一差距:

  1. 标准化接口:完全兼容 Gymnasium API,零成本迁移现有 RL 算法
  2. 多物理后端:核心包本地支持 MuJoCo/MuJoCoWarp/Euler;通过 OrcaStudio/OrcaLab 可接入 PhysX、ODE
  3. 云原生架构:实现本地/远程混合部署
  4. 逼真渲染:光线追踪为视觉 RL 任务提供高质量观察(由 OrcaStudio/OrcaLab 服务端提供)

主要特性

🎮 Gymnasium API 兼容性

import gymnasium as gym

env = gym.make("YourEnv-v0", frame_skip=5, orcagym_addr="localhost:50051")
obs, info = env.reset()
action = env.action_space.sample()
obs, reward, terminated, truncated, info = env.step(action)

与 Stable-Baselines3、RLlib、CleanRL 等主流 RL 库无缝对接。

⚡ 多物理后端

后端 可用范围 特点 适用场景
MuJoCo 核心包(本地) 高精度刚体动力学(CPU) 足式机器人、机械臂操控
MuJoCoWarp 核心包(本地) GPU (CUDA) 加速并行 大规模并行训练
Euler 核心包(本地) 多厂商 GPU 多物理场引擎 高保真多物理场仿真
PhysX 仅远程模式(OrcaStudio/OrcaLab) GPU 加速、大规模并行 群体仿真、复杂场景
ODE 仅远程模式(OrcaStudio/OrcaLab) 开源通用 快速原型、教育用途

🌐 分布式部署

支持从本地开发到大规模远程训练的灵活部署: - 本地模式:Python 进程内直接运行 MuJoCo,适合开发调试 - 远程模式:连接远程服务器进行物理计算和渲染,适合大规模训练

📷 传感器与感知

  • IMU(加速度计、陀螺仪)
  • 力/扭矩传感器
  • RGB-D 相机
  • 接触力传感器

🤖 多智能体支持

原生支持同构/异构多智能体场景,智能体间可独立或协作。

许可证

MIT License — 完全开源,可自由用于学术和商业用途。