# Embodied_AI_Simulation

**Repository Path**: metax-maca/Embodied_AI_Simulation

## Basic Information

- **Project Name**: Embodied_AI_Simulation
- **Description**: MetaX Embodied AI Simulation Solution
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 1
- **Created**: 2025-04-07
- **Last Updated**: 2025-10-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 沐曦-具身智能仿真解决方案

[英文版](README.md) | 中文版

![logo](./imgs/logo.png)
## 简介

Embodied_AI_Simulation 基于沐曦C系列GPU，是一套面向具身智能研究与应用的仿真解决方案与工具库。目标是提供一个功能丰富、技术领先、性能优异的仿真基础设施，帮助开发者、研究人员与企业用户高效构建、训练和评估具身智能体。

平台集成主流仿真引擎MuJoCo、深度强化学习算法、标准化任务基准和高性能并行训练工具，结合行业迁移实践经验，提供行业迁移的最佳实践，全面提升具身智能算法的开发与验证效率，助力智能体技术从研究走向落地应用。

## 现有解决方案
### 1. 基于LLM的全自动具身仿真方案
- **[Frank Panda机械臂](./FrankPanda/README_zh.md)** 在厨房场景中，结合大语言模型（LLM）的通用理解与推理能力，为机器人赋能智能大脑。从传统的手动设计与控制流程，转变为具备自主启发与决策能力的全流程生成式模拟仿真。<br/>
![demo](./FrankPanda/imgs/demo.gif)
### 2. 高阶复杂技能仿真方案
- **[Go1 机械狗](./Go1/README_zh.md)** 将机械狗的后空翻技能拆解为简单且独立的动作单元，实现复杂技能在MuJoCo环境中的高效迁移与训练。不仅提升了训练效率与迁移稳定性，也为后续在MuJoCo平台上开发高阶技能，或将技能从Isaac Gym等其他环境迁移至MuJoCo，提供了可行且高效的最佳实践范式。<br/>
![demo](./Go1/imgs/demo.gif)
### 3. 深度强化学习算法框架
- **[MetaxDRL](./MetaxDRL/README_zh.md)** 一个专为深度强化学习（Deep Reinforcement Learning, DRL）设计的轻量级框架，提供多种主流强化学习算法的高质量、单文件实现。其核心设计理念聚焦于简洁性、可读性和实用性，旨在帮助用户快速理解算法原理，同时支持灵活的个性化扩展和实验创新。<br/>


## 许可证书

本项目的发布受 [Apache License Version 2.0](./LICENSE) 许可认证, 欢迎大家使用和贡献。