Open Source Robotics

Una raccolta curata di progetti, strumenti e software di robotica open source di alta qualità per la comunità della robotica.

RoboVerse

Meta-piattaforma unificata che racchiude 11 simulatori robotici sotto un'unica API.

Licenza

Apache-2.0

Panoramica

RoboVerse è una piattaforma, un dataset e un benchmark unificati per un apprendimento dei robot scalabile e generalizzabile. Fornisce MetaSim, uno strato di astrazione indipendente dal simulatore che racchiude 11 backend di simulazione (tra cui MuJoCo, Isaac Lab, PyBullet, SAPIEN, Genesis, CoppeliaSim) dietro un'unica API. Include robot preconfigurati, 276 categorie di compiti, oltre 5.500 asset di oggetti e oltre 510.000 traiettorie provenienti da 18 benchmark esistenti (RLBench, ManiSkill, LIBERO, Meta-World, robosuite). Integra pipeline di addestramento sia per l'apprendimento per imitazione (ACT, Diffusion Policy, VLA) sia per l'apprendimento per rinforzo (PPO, TD3, SAC).

RoboVerse è un framework open source completo che unifica l'apprendimento dei robot tra piattaforme di simulazione, dataset e benchmark. Sviluppato da un team di oltre 37 ricercatori di UC Berkeley, Peking University, USC, Stanford, CMU e altre istituzioni di primo piano, con la guida scientifica di Pieter Abbeel e Jitendra Malik, RoboVerse affronta il problema di fondo della frammentazione nella simulazione robotica. Al suo centro c'è MetaSim, un'infrastruttura a tre strati che astrae ambienti di simulazione diversi in un'interfaccia universale tramite un sistema di configurazione indipendente dal simulatore (MetaConfig) e un'API standardizzata. MetaSim supporta 11 backend di simulazione, tra cui Isaac Lab, Isaac Gym, MuJoCo, SAPIEN, PyBullet, Genesis, cuRobo, PyRep/CoppeliaSim e Blender. Il framework è organizzato in tre pilastri: MetaSim (lo strato centrale di astrazione della simulazione), RoboVerse Pack (robot, compiti e asset di scena preconfigurati, con oltre 5.500 asset e 276 categorie di compiti) e RoboVerse Learn (algoritmi di apprendimento integrati per l'apprendimento per imitazione e l'apprendimento per rinforzo). RoboVerse consente la validazione tra simulatori, il trasferimento cross-embodiment e la simulazione ibrida, e fornisce oltre 510.000 traiettorie di manipolazione e oltre 50 milioni di transizioni di stato di alta qualità per l'addestramento. Accettato a RSS 2025 e distribuito con licenza Apache 2.0.

Perché è importante

RoboVerse affronta il collo di bottiglia più grande della ricerca sull'apprendimento dei robot: la frammentazione tra simulatori, dataset e protocolli di valutazione. Prima di RoboVerse, i ricercatori dovevano riscrivere il codice da zero passando da un simulatore all'altro, per esempio tra MuJoCo e Isaac Sim, rendendo la riproducibilità quasi impossibile. Nessun altro progetto offre uno strato di astrazione davvero indipendente dal simulatore che permetta di addestrare una policy in un simulatore e validarla senza problemi negli altri. Unificando 11 backend di simulazione, 18 dataset di benchmark e protocolli di valutazione standardizzati sotto un'unica API, RoboVerse rende possibile per la prima volta confrontare alla pari gli algoritmi di apprendimento dei robot su backend di simulazione e corpi robotici diversi.

Il problema che risolve

La simulazione robotica è profondamente frammentata: ogni simulatore (MuJoCo, Isaac Sim, SAPIEN, PyBullet ecc.) ha la propria API, il proprio formato di configurazione e le proprie convenzioni sui dati. I ricercatori devono riscrivere intere codebase quando cambiano simulatore, il che rende impraticabile la validazione multipiattaforma e quasi impossibile la riproducibilità. Anche i dataset di benchmark sono isolati, con formati incompatibili. RoboVerse risolve il problema con uno strato di astrazione universale che standardizza l'interfaccia verso tutti i principali simulatori, unifica i formati dei dataset e stabilisce benchmark coerenti, permettendo ai ricercatori di scrivere il codice una volta ed eseguirlo ovunque, con un overhead di calcolo inferiore al 5% rispetto alle prestazioni native del simulatore.

Punti chiave

  • Unifica 11 backend di simulazione (Isaac Lab, MuJoCo, SAPIEN, PyBullet, Genesis e altri) sotto un'unica API con un overhead inferiore al 5% rispetto alle prestazioni native
  • Fornisce 276 categorie di compiti, oltre 5.500 asset, oltre 510.000 traiettorie di manipolazione e oltre 50 milioni di transizioni di stato per l'apprendimento dei robot
  • Integra 18 dataset di benchmark affermati (RLBench, ManiSkill, LIBERO, Meta-World, robosuite, GraspNet) con un formato unificato
  • Supporta la validazione tra simulatori, il trasferimento cross-embodiment e la simulazione ibrida che combina motori fisici diversi
  • Include RoboVerse Learn con algoritmi integrati per l'apprendimento per imitazione (ACT, Diffusion Policy, VLA) e l'apprendimento per rinforzo (PPO, TD3, SAC)
  • Aggiungere un nuovo backend di simulazione richiede di implementare solo circa 300 righe di codice tramite la MetaSimInterface

A chi si rivolge

  • Ricercatori di robotica che lavorano su apprendimento per imitazione, apprendimento per rinforzo e trasferimento sim-to-real
  • Ingegneri di machine learning che costruiscono foundation model per la robotica e hanno bisogno di dati di addestramento vari e su larga scala
  • Laboratori accademici che hanno bisogno di benchmark riproducibili per confrontare algoritmi tra simulatori
  • Startup di robotica che vogliono ridurre i tempi di configurazione della simulazione e i costi di raccolta dei dati
  • Studenti e docenti che studiano la manipolazione robotica e l'addestramento delle policy su più piattaforme

Limiti

  • Richiede una GPU NVIDIA con supporto CUDA; consigliata una RTX 3090 o superiore per tutte le funzionalità
  • Il backend Isaac Sim richiede driver NVIDIA specifici (525+) e GPU con RT Core e almeno 8GB di VRAM
  • Il supporto per Windows non è ancora disponibile: al momento è limitato a Ubuntu 20.04+ e macOS 12+
  • Requisiti di archiviazione elevati (oltre 100GB per il dataset completo e le installazioni dei simulatori)
  • La coerenza della fisica tra simulatori dipende dalle implementazioni dei singoli simulatori, che possono produrre comportamenti leggermente diversi
  • Ancora in versione alpha (v1.0.0-alpha): l'API può cambiare

Questo sito richiede JavaScript. Attiva JavaScript per esplorare i nostri progetti di robotica open source.