RoboVerse
11 のロボティクスシミュレータを単一の API 下に統合するメタプラットフォーム。
ライセンス
Apache-2.0
概要
RoboVerse は、スケーラブルで汎化可能なロボット学習のための統合プラットフォーム、データセット、ベンチマークです。MetaSim — 11 種類のシミュレーターバックエンド(MuJoCo、Isaac Lab、PyBullet、SAPIEN、Genesis、CoppeliaSim など)を単一の API の背後にまとめる、シミュレーター非依存の抽象化レイヤー — を提供します。事前設定済みのロボット、276 のタスクカテゴリー、5,500+ のオブジェクトアセット、そして既存の 18 のベンチマーク(RLBench、ManiSkill、LIBERO、Meta-World、robosuite)から集めた 510,000+ の軌跡を含みます。模倣学習(ACT、Diffusion Policy、VLA)と強化学習(PPO、TD3、SAC)の両方の学習パイプラインを統合しています。
RoboVerse は、シミュレーションプラットフォーム、データセット、ベンチマークを横断してロボット学習を統合する包括的なオープンソースフレームワークです。UC Berkeley、北京大学、USC、Stanford、CMU、その他の主要機関から 37 人以上の研究者によって開発され、Pieter Abbeel と Jitendra Malik がシニアリーダーシップを務めています。RoboVerse はロボティクスシミュレーションにおける根本的な断片化問題に取り組んでいます。その中核は MetaSim であり、シミュレータ非依存の構成システム(MetaConfig)と標準化された API を通じて、多様なシミュレーション環境をユニバーサルインターフェースに抽象化する三層インフラストラクチャです。MetaSim は Isaac Lab、Isaac Gym、MuJoCo、SAPIEN、PyBullet、Genesis、cuRobo、PyRep/CoppeliaSim、Blender を含む 11 のシミュレータバックエンドをサポートします。フレームワークは 3 つの柱で構成されています:MetaSim(コアシミュレーション抽象化レイヤー)、RoboVerse Pack(5,500 以上のアセットと 276 のタスクカテゴリを含む事前構成済みのロボット、タスク、シーンアセット)、および RoboVerse Learn(模倣学習と強化学習のための統合学習アルゴリズム)。RoboVerse はシミュレータ間検証、エンボディメント間転移、ハイブリッドシミュレーションを可能にし、トレーニング用に 51 万以上のマニピュレーション軌跡と 5,000 万以上の高品質な状態遷移を提供します。RSS 2025 に採択され、Apache 2.0 ライセンスの下で公開されています。
重要な理由
RoboVerse は、ロボット学習研究における最大のボトルネック、すなわちシミュレーター、データセット、評価プロトコルの断片化に取り組んでいます。RoboVerse 以前は、MuJoCo と Isaac Sim のようなシミュレーター間を切り替える際に研究者がコードを一から書き直さなければならず、再現性の確保はほぼ不可能でした。あるシミュレーターでポリシーを学習し、それを他のシミュレーターでシームレスに検証できる、真にシミュレーター非依存の抽象化レイヤーを提供するプロジェクトは他にありません。11 のシミュレーターバックエンド、18 のベンチマークデータセット、標準化された評価プロトコルを単一の API の下に統合することで、RoboVerse は異なるシミュレーションバックエンドやロボットのエンボディメントをまたいで、ロボット学習アルゴリズムを同一条件で比較することを初めて可能にしました。
解決する課題
ロボティクスシミュレーションは深く断片化しています:各シミュレータ(MuJoCo、Isaac Sim、SAPIEN、PyBullet など)は独自の API、構成フォーマット、データ規約を持っています。研究者はシミュレータを切り替える際にコードベース全体を書き直す必要があり、クロスプラットフォーム検証は非現実的で、再現性はほぼ不可能です。ベンチマークデータセットも同様に互換性のないフォーマットで分断されています。RoboVerse は、すべての主要シミュレータへのインターフェースを標準化し、データセットフォーマットを統一し、一貫したベンチマークを確立するユニバーサル抽象化レイヤーを提供することでこれを解決します— 研究者はコードを一度書いてどこでも実行でき、ネイティブシミュレータ性能と比較して計算オーバーヘッドは 5% 未満です。
主なポイント
- 11 種類のシミュレーションバックエンド(Isaac Lab、MuJoCo、SAPIEN、PyBullet、Genesis など)を単一の API に統合し、ネイティブ性能に対するオーバーヘッドは 5% 未満
- ロボット学習向けに 276 のタスクカテゴリー、5,500+ のアセット、510,000+ のマニピュレーション軌跡、5,000 万以上の状態遷移を提供
- 確立された 18 のベンチマークデータセット(RLBench、ManiSkill、LIBERO、Meta-World、robosuite、GraspNet)を統一フォーマットで統合
- シミュレーター間の検証、異なるエンボディメント間の転移、異なる物理エンジンを組み合わせたハイブリッドシミュレーションをサポート
- 模倣学習(ACT、Diffusion Policy、VLA)と強化学習(PPO、TD3、SAC)のアルゴリズムを内蔵した RoboVerse Learn を搭載
- 新しいシミュレーターバックエンドの追加は、MetaSimInterface を通じて約 300 行のコードを実装するだけで済む
対象
- 模倣学習、強化学習、シミュレーションから現実への転移に取り組むロボティクス研究者
- 大規模で多様なトレーニングデータを必要とするロボット基盤モデルを構築する機械学習エンジニア
- シミュレータ間でアルゴリズムを比較するための再現可能なベンチマークを必要とする学術研究室
- シミュレーションのセットアップ時間とデータ収集コストの削減を目指すロボティクススタートアップ
- 複数のプラットフォームでロボットマニピュレーションとポリシートレーニングを学ぶ学生と教育者
制限事項
- CUDA サポート付きの NVIDIA GPU が必要;フル機能には RTX 3090 以上を推奨
- Isaac Sim バックエンドには特定の NVIDIA ドライバー(525+)と 8GB 以上の VRAM を持つ RT Core GPU が必要
- Windows サポートはまだ利用不可 — 現在 Ubuntu 20.04+ および macOS 12+ に限定
- 大容量のストレージが必要(完全なデータセットとシミュレータのインストールに 100GB 以上)
- シミュレータ間の物理的一貫性は個々のシミュレータの実装に依存し、微妙に異なる動作が生じる可能性がある
- まだアルファリリース段階(v1.0.0-alpha)— API は変更される可能性がある