RoboVerse
Meta-plataforma unificada que envuelve 11 simuladores robóticos bajo una única API.
Licencia
Apache-2.0
Resumen
RoboVerse es una plataforma, un conjunto de datos y un benchmark unificados para el aprendizaje robótico escalable y generalizable. Ofrece MetaSim — una capa de abstracción independiente del simulador que encapsula 11 backends de simulación (entre ellos MuJoCo, Isaac Lab, PyBullet, SAPIEN, Genesis y CoppeliaSim) tras una única API. Incluye robots preconfigurados, 276 categorías de tareas, 5.500+ recursos de objetos y 510.000+ trayectorias procedentes de 18 benchmarks existentes (RLBench, ManiSkill, LIBERO, Meta-World, robosuite). Integra pipelines de entrenamiento tanto para aprendizaje por imitación (ACT, Diffusion Policy, VLA) como para aprendizaje por refuerzo (PPO, TD3, SAC).
RoboVerse es un framework integral de código abierto que unifica el aprendizaje robótico a través de plataformas de simulación, conjuntos de datos y benchmarks. Desarrollado por un equipo de más de 37 investigadores de UC Berkeley, Universidad de Pekín, USC, Stanford, CMU y otras instituciones líderes — con liderazgo senior de Pieter Abbeel y Jitendra Malik — RoboVerse aborda el problema fundamental de fragmentación en la simulación robótica. En su núcleo está MetaSim, una infraestructura de tres capas que abstrae diversos entornos de simulación en una interfaz universal a través de un sistema de configuración agnóstico al simulador (MetaConfig) y una API estandarizada. MetaSim soporta 11 backends de simulación incluyendo Isaac Lab, Isaac Gym, MuJoCo, SAPIEN, PyBullet, Genesis, cuRobo, PyRep/CoppeliaSim y Blender. El framework se organiza en tres pilares: MetaSim (la capa central de abstracción de simulación), RoboVerse Pack (robots, tareas y activos de escena preconfigurados con más de 5.500 activos y 276 categorías de tareas) y RoboVerse Learn (algoritmos de aprendizaje integrados para aprendizaje por imitación y por refuerzo). RoboVerse permite la validación entre simuladores, la transferencia entre embodiments y la simulación híbrida, proporcionando más de 510.000 trayectorias de manipulación y más de 50 millones de transiciones de estado de alta calidad para entrenamiento. Aceptado en RSS 2025 y licenciado bajo Apache 2.0.
Por qué importa
RoboVerse aborda el mayor cuello de botella de la investigación en aprendizaje robótico: la fragmentación entre simuladores, conjuntos de datos y protocolos de evaluación. Antes de RoboVerse, los investigadores tenían que reescribir su código desde cero al cambiar entre simuladores como MuJoCo e Isaac Sim, lo que hacía la reproducibilidad casi imposible. Ningún otro proyecto ofrece una capa de abstracción verdaderamente independiente del simulador que permita entrenar una política en un simulador y validarla sin fricciones en otros. Al unificar 11 backends de simulación, 18 conjuntos de datos de benchmark y protocolos de evaluación estandarizados bajo una única API, RoboVerse hace posible por primera vez comparar en igualdad de condiciones algoritmos de aprendizaje robótico entre distintos backends de simulación y morfologías de robot.
Qué problema resuelve
La simulación robótica está profundamente fragmentada: cada simulador (MuJoCo, Isaac Sim, SAPIEN, PyBullet, etc.) tiene su propia API, formato de configuración y convenciones de datos. Los investigadores deben reescribir bases de código completas al cambiar de simulador, haciendo la validación multiplataforma impracticable y la reproducibilidad casi imposible. Los conjuntos de datos de referencia están igualmente aislados con formatos incompatibles. RoboVerse resuelve esto proporcionando una capa de abstracción universal que estandariza la interfaz con todos los simuladores principales, unifica los formatos de datos y establece benchmarks consistentes — permitiendo a los investigadores escribir código una vez y ejecutarlo en cualquier lugar, con menos del 5 % de sobrecarga computacional respecto al rendimiento nativo del simulador.
Puntos clave
- Unifica 11 backends de simulación (Isaac Lab, MuJoCo, SAPIEN, PyBullet, Genesis y más) bajo una única API con menos de un 5 % de sobrecarga frente al rendimiento nativo
- Proporciona 276 categorías de tareas, 5.500+ recursos, 510.000+ trayectorias de manipulación y más de 50 millones de transiciones de estado para el aprendizaje robótico
- Integra 18 conjuntos de datos de benchmark consolidados (RLBench, ManiSkill, LIBERO, Meta-World, robosuite, GraspNet) con un formato unificado
- Admite validación entre simuladores, transferencia entre distintas morfologías (cross-embodiment) y simulación híbrida que combina diferentes motores de física
- Incluye RoboVerse Learn con algoritmos integrados de aprendizaje por imitación (ACT, Diffusion Policy, VLA) y aprendizaje por refuerzo (PPO, TD3, SAC)
- Añadir un nuevo backend de simulación solo requiere implementar aproximadamente 300 líneas de código mediante MetaSimInterface
Para quién es
- Investigadores en robótica que trabajan en aprendizaje por imitación, aprendizaje por refuerzo y transferencia de simulación a realidad
- Ingenieros de aprendizaje automático que construyen modelos fundacionales de robots y necesitan datos de entrenamiento diversos a gran escala
- Laboratorios académicos que necesitan benchmarks reproducibles para comparar algoritmos entre simuladores
- Startups de robótica que buscan reducir el tiempo de configuración de simulación y los costos de recopilación de datos
- Estudiantes y educadores que aprenden manipulación robótica y entrenamiento de políticas en múltiples plataformas
Limitaciones
- Requiere GPU NVIDIA con soporte CUDA; se recomienda RTX 3090 o superior para funcionalidad completa
- El backend de Isaac Sim requiere controladores NVIDIA específicos (525+) y GPUs con RT Core con 8 GB+ de VRAM
- Soporte para Windows aún no disponible — actualmente limitado a Ubuntu 20.04+ y macOS 12+
- Grandes requisitos de almacenamiento (100 GB+ para el conjunto de datos completo e instalaciones de simuladores)
- La consistencia física entre simuladores depende de las implementaciones individuales de cada simulador, que pueden producir comportamientos sutilmente diferentes
- Aún en versión alpha (v1.0.0-alpha) — la API puede cambiar