Open Source Robotics

Une collection organisée de projets, outils et logiciels robotiques open source de haute qualité.

RoboVerse

Méta-plateforme unifiée encapsulant 11 simulateurs robotiques sous une API unique.

Licence

Apache-2.0

Aperçu

RoboVerse est une plateforme, un jeu de données et un benchmark unifiés pour un apprentissage robotique évolutif et généralisable. Il fournit MetaSim — une couche d’abstraction indépendante du simulateur qui encapsule 11 backends de simulation (dont MuJoCo, Isaac Lab, PyBullet, SAPIEN, Genesis, CoppeliaSim) derrière une API unique. Il comprend des robots préconfigurés, 276 catégories de tâches, 5 500+ assets d’objets et 510 000+ trajectoires issues de 18 benchmarks existants (RLBench, ManiSkill, LIBERO, Meta-World, robosuite). Il intègre des pipelines d’entraînement pour l’apprentissage par imitation (ACT, Diffusion Policy, VLA) comme pour l’apprentissage par renforcement (PPO, TD3, SAC).

RoboVerse est un framework open source complet qui unifie l'apprentissage robotique à travers les plateformes de simulation, les jeux de données et les benchmarks. Développé par une équipe de plus de 37 chercheurs de UC Berkeley, l'Université de Pékin, USC, Stanford, CMU et d'autres institutions de premier plan — sous la direction de Pieter Abbeel et Jitendra Malik — RoboVerse s'attaque au problème fondamental de fragmentation dans la simulation robotique. Au cœur se trouve MetaSim, une infrastructure à trois couches qui abstrait divers environnements de simulation en une interface universelle grâce à un système de configuration agnostique au simulateur (MetaConfig) et une API standardisée. MetaSim prend en charge 11 backends de simulation, notamment Isaac Lab, Isaac Gym, MuJoCo, SAPIEN, PyBullet, Genesis, cuRobo, PyRep/CoppeliaSim et Blender. Le framework est organisé en trois piliers : MetaSim (la couche d'abstraction de simulation centrale), RoboVerse Pack (robots, tâches et actifs de scène préconfigurés avec plus de 5 500 actifs et 276 catégories de tâches) et RoboVerse Learn (algorithmes d'apprentissage intégrés pour l'apprentissage par imitation et par renforcement). RoboVerse permet la validation inter-simulateurs, le transfert inter-embodiments et la simulation hybride, tout en fournissant plus de 510 000 trajectoires de manipulation et plus de 50 millions de transitions d'état de haute qualité pour l'entraînement. Accepté à RSS 2025 et sous licence Apache 2.0.

Pourquoi c'est important

RoboVerse s’attaque au principal goulot d’étranglement de la recherche en apprentissage robotique : la fragmentation entre simulateurs, jeux de données et protocoles d’évaluation. Avant RoboVerse, les chercheurs devaient réécrire leur code de zéro en passant d’un simulateur à l’autre, comme de MuJoCo à Isaac Sim, ce qui rendait la reproductibilité presque impossible. Aucun autre projet ne propose une couche d’abstraction véritablement indépendante du simulateur permettant d’entraîner une politique dans un simulateur et de la valider sans effort dans les autres. En unifiant 11 backends de simulation, 18 jeux de données de benchmark et des protocoles d’évaluation standardisés sous une API unique, RoboVerse permet pour la première fois de comparer à armes égales des algorithmes d’apprentissage robotique entre différents backends de simulation et différentes morphologies de robots.

Le problème résolu

La simulation robotique est profondément fragmentée : chaque simulateur (MuJoCo, Isaac Sim, SAPIEN, PyBullet, etc.) a sa propre API, son propre format de configuration et ses propres conventions de données. Les chercheurs doivent réécrire des bases de code entières lors du changement de simulateur, rendant la validation multiplateforme impraticable et la reproductibilité quasiment impossible. Les jeux de données de référence sont également cloisonnés avec des formats incompatibles. RoboVerse résout ce problème en fournissant une couche d'abstraction universelle qui standardise l'interface avec tous les principaux simulateurs, unifie les formats de données et établit des benchmarks cohérents — permettant aux chercheurs d'écrire du code une fois et de l'exécuter partout, avec moins de 5 % de surcharge de calcul par rapport aux performances natives du simulateur.

Points clés

  • Unifie 11 backends de simulation (Isaac Lab, MuJoCo, SAPIEN, PyBullet, Genesis, etc.) sous une API unique, avec moins de 5 % de surcoût par rapport aux performances natives
  • Fournit 276 catégories de tâches, 5 500+ assets, 510 000+ trajectoires de manipulation et plus de 50 millions de transitions d’état pour l’apprentissage robotique
  • Intègre 18 jeux de données de benchmark reconnus (RLBench, ManiSkill, LIBERO, Meta-World, robosuite, GraspNet) dans un format unifié
  • Prend en charge la validation inter-simulateurs, le transfert entre morphologies (cross-embodiment) et la simulation hybride combinant différents moteurs physiques
  • Inclut RoboVerse Learn, avec des algorithmes intégrés d’apprentissage par imitation (ACT, Diffusion Policy, VLA) et d’apprentissage par renforcement (PPO, TD3, SAC)
  • L’ajout d’un nouveau backend de simulation ne nécessite qu’environ 300 lignes de code via MetaSimInterface

Pour qui

  • Chercheurs en robotique travaillant sur l'apprentissage par imitation, l'apprentissage par renforcement et le transfert simulation-réalité
  • Ingénieurs en apprentissage automatique construisant des modèles de fondation robotiques nécessitant des données d'entraînement diversifiées à grande échelle
  • Laboratoires académiques nécessitant des benchmarks reproductibles pour comparer des algorithmes entre simulateurs
  • Startups en robotique cherchant à réduire le temps de configuration de simulation et les coûts de collecte de données
  • Étudiants et enseignants apprenant la manipulation robotique et l'entraînement de politiques sur plusieurs plateformes

Limites

  • Nécessite un GPU NVIDIA avec support CUDA ; RTX 3090 ou supérieur recommandé pour une fonctionnalité complète
  • Le backend Isaac Sim nécessite des pilotes NVIDIA spécifiques (525+) et des GPU RT Core avec 8 Go+ de VRAM
  • Support Windows pas encore disponible — actuellement limité à Ubuntu 20.04+ et macOS 12+
  • Importants besoins de stockage (100 Go+ pour le jeu de données complet et les installations de simulateurs)
  • La cohérence physique inter-simulateurs dépend des implémentations individuelles des simulateurs, qui peuvent produire des comportements subtilement différents
  • Encore en version alpha (v1.0.0-alpha) — l'API peut changer

Ce site nécessite JavaScript. Veuillez activer JavaScript pour explorer nos projets de robotique open source.