OrcaGym
欢迎来到 OrcaGym！这是 OrcaGym 的核心库，提供与 OpenAI Gym/Gymnasium 接口兼容的机器人仿真环境。与松应科技的 OrcaStudio、OrcaLab 平台联合开发，OrcaGym 为多物理引擎和分布式仿真提供强大支持，同时保持与流行 RL 框架的编程接口兼容性。
配套项目
- 初学者示例：推荐先体验 OrcaPlayground，包含上手示例与环境模板。
- 完整数据流水线：OrcaManipulation 提供数据采集 → 数据合成 → 训练 → 推理的端到端系统。
注意:
orca-gymPyPI 包仅包含核心功能模块。强化学习、模仿学习、输入设备、数据采集等应用层示例请前往上述配套项目仓库，并按其文档安装依赖；本仓库仍可通过可选依赖pip install orca-gym[rl]等安装算法侧常用库。
背景
机器人仿真作为具身智能训练的关键平台，需要物理准确性和可扩展的基础设施。传统解决方案往往在保真度和计算效率之间面临权衡，特别是在扩展到分布式系统时。OrcaGym 通过将实时物理仿真与云原生架构相结合来弥合这一差距，使研究人员能够在高保真环境中原型化算法并在大规模部署。
主要特性
- 🎮 Gym/Gymnasium API 兼容性 - 提供与 OpenAI Gym/Gymnasium API 兼容的仿真环境，与现有 RL 算法无缝集成
- ⚡ 双物理后端 - MuJoCo（CPU，开源标准）与 Euler（GPU，Orca 团队自研），两条路径互不隶属
- 🌐 分布式部署 - 支持跨异构计算节点的分布式训练场景
- 🔍 可扩展渲染 - 可接入外部可视化工具（如 OrcaStudio/OrcaLab）进行光线追踪等高质量渲染
- 🤖 多智能体支持 - 原生异构智能体管理
安装
从 PyPI 安装（推荐）
# 安装核心包
pip install orca-gym
# 或者安装带可选依赖的版本
pip install orca-gym[rl] # 强化学习训练
pip install orca-gym[imitation] # 模仿学习
pip install orca-gym[devices] # 输入设备支持
pip install orca-gym[sensors] # 相机和传感器
pip install orca-gym[all] # 所有可选依赖
从源码安装（开发者）
# 克隆仓库
git clone https://github.com/openverse-orca/OrcaGym.git
cd OrcaGym
# 初始化资源和子模块（如果需要运行示例）
git lfs install
git lfs pull
git submodule update --init --recursive
# 创建 Python 环境
conda create -n orca python=3.12
conda activate orca
# 安装核心包
pip install -e .
# 全量安装
pip install -e ".[all]"
# 或者安装开发依赖
pip install -e ".[dev]"
# 安装可选依赖
pip install -e ".[rl]"
pip install -e ".[imitation]"
pip install -e ".[devices]"
pip install -e ".[sensors]"
外部可视化工具配置（可选）
OrcaGym 的物理仿真不依赖外部工具，可直接在本地运行。如需可视化场景或远程渲染，可从官方门户下载并安装 OrcaStudio 或 OrcaLab，并参照其各自文档完成配置。
使用 orcagym-loop 命令启动仿真循环
orcagym-loop 是一个用于测试的常用脚本，用于启动基本的仿真循环。安装 orca-gym 后，可以直接使用该命令。
# 安装 orca-gym 后，直接运行
orcagym-loop
该命令会启动一个基本的仿真循环，按 Ctrl+C 可以停止仿真。
教程与端到端项目
OrcaPlayground — 初学者示例
OrcaPlayground 是 OrcaGym 官方示例仓库，集成 OrcaLab 一键启动，涵盖足式机器人 RL 训练、机械臂操作、轮式底盘、人形机器人、角色动画、流体仿真等场景，便于快速上手。
OrcaManipulation — 端到端数据流水线
OrcaManipulation 提供数据采集 → 数据合成 → 训练 → 推理的端到端系统，覆盖 VR 遥操作采集、数据增强、场景随机化、HDF5 存储等完整工具链。
贡献
我们欢迎对 OrcaGym 项目的贡献。如果您有建议、错误报告或功能请求，请在我们的 GitHub 仓库上开一个 issue 或提交 pull request。
引用
@software{OrcaGym2024,
author = {松应科技},
title = {OrcaGym: 云原生机器人仿真平台},
year = {2024},
publisher = {GitHub},
journal = {GitHub 仓库},
howpublished = {\url{https://github.com/openverse-orca/OrcaGym}}
}
许可证
基于 MIT 许可证分发。详情请参见 LICENSE。
联系方式
如有任何疑问或需要支持，请访问 www.orca3d.cn 与我们建立联系。
我们希望您发现 OrcaGym 是您机器人和强化学习研究的宝贵工具。祝仿真愉快！
1 maintainer
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distributions
Built Distribution
Filter files by name, interpreter, ABI, and platform.
If you're not sure about the file name format, learn more about wheel file names.
Copy a direct link to the current filters
File details
Details for the file orca_gym-26.8.1-py3-none-any.whl.
File metadata
- Download URL: orca_gym-26.8.1-py3-none-any.whl
- Upload date:
- Size: 465.8 kB
- Tags: Python 3
- Uploaded using Trusted Publishing? No
- Uploaded via:
twine/6.2.0 CPython/3.12.0
File hashes
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
d9ff28508ef616fcf5550879520cc9ce58e2aeec5383433efdbe6af2f0903300
|
|
| MD5 |
90a5f40f3595577c34c27de04138e4a2
|
|
| BLAKE2b-256 |
1fe84ab457dc49969c6b00ea8923b27d0fa566941b70f87c2cbfe81ac2eebfc2
|
