mjlab

GPU 가속 MuJoCo Warp 위에 Isaac Lab 스타일 API. RL·로보틱스 연구용

라이선스

Apache-2.0

개요

mjlab 은 Isaac Lab 의 매니저 기반 환경 API 를 MuJoCo Warp -- MuJoCo 의 GPU 가속 버전 -- 와 결합한 프레임워크입니다. 최소한의 의존성으로 합성 가능한 환경 빌딩 블록을 제공하고, 네이티브 MuJoCo 데이터 구조에 직접 접근할 수 있게 하여 강화학습과 로보틱스 연구를 대상으로 합니다. mujocolab 조직이 활발히 유지하며 GitHub Actions CI, 야간 벤치마크, PyPI 배포, 휴머노이드 (Unitree G1, Booster T1) 와 사족 (Unitree Go1) 운동을 위한 모델 동물원이 확장되고 있습니다.

mjlab 은 Google DeepMind 의 GPU 가속 MuJoCo 백엔드인 MuJoCo Warp 를, NVIDIA Isaac Lab 이 대중화한 매니저 기반 환경 API 로 감싼 연구 프레임워크입니다. 결과적으로 단일 Python 라이브러리에서 연구자가 로봇, 장면, 관찰, 보상, 랜덤화, 커리큘럼을 구성 가능한 매니저로 정의하고 GPU 당 수천 개의 병렬 환경으로 정책을 학습할 수 있습니다.

프로젝트는 휴머노이드 속도 추적 (Unitree G1, Booster T1) 과 사족 운동 (Unitree Go1) 을 평지·험지에서 학습하는 즉시 사용 가능한 태스크와 CMU MoCap 데이터 기반 모션 추적을 함께 제공합니다. 다중 GPU 분산 학습을 기본 지원하고, 학습 중 평가를 동시에 실행할 수 있으며 (Weights & Biases 에서 최신 체크포인트를 가져옴), 정책을 내보내 독립 MuJoCo 시뮬레이션에서 재생할 수 있습니다.

Isaac Sim 과 NVIDIA RTX 스택에 의존하는 Isaac Lab 본체와 달리, mjlab 은 의존성을 최소화하고 네이티브 MuJoCo 데이터 구조를 직접 노출하여 기존 MuJoCo 연구 코드에 쉽게 연결되며 임의의 CUDA GPU 에서 실행할 수 있습니다. PyPI 에서 배포되며 야간 벤치마크를 갖추고 mujocolab 조직이 활발히 유지합니다.

중요한 이유

Isaac Lab 의 매니저 기반 API 는 로보틱스 태스크에서 대규모 병렬 RL 의 사실상 표준이 되었지만 NVIDIA Isaac Sim 에 묶여 있었습니다. mjlab 은 동일한 인체공학적 API 를 오픈소스 MuJoCo 생태계에 가져와 Isaac Sim 종속을 제거하고, 이미 MuJoCo 에 투자한 팀이나 비 RTX 하드웨어에서 운영하는 팀도 빠른 GPU 병렬 RL 을 활용할 수 있게 합니다.

해결하는 문제

Isaac Lab 의 깔끔한 매니저 기반 API 를 원하던 연구자들은 NVIDIA Isaac Sim 을 채택할 수밖에 없었고, 이는 무겁고 RTX 에 묶이며 기존 MuJoCo 연구 생태계와 멀리 떨어져 있었습니다. mjlab 은 MuJoCo Warp 위에 동일한 인체공학을 제공하여 이미 MuJoCo 에 익숙한 팀 (또는 일반 CUDA GPU 환경의 팀) 이 시뮬레이터를 바꾸지 않고도 같은 작성 패턴을 채택할 수 있게 합니다.

핵심 요점

• Isaac Lab 의 매니저 기반 환경 API 를 재사용하면서도 Isaac Sim 이 아닌 GPU 가속 MuJoCo Warp 에서 실행
• Unitree G1 / Booster T1 휴머노이드와 Unitree Go1 사족, CMU MoCap 모션 추적을 위한 학습 태스크 제공
• 네이티브 다중 GPU 학습, uvx 를 통한 무설치 데모, PyPI 패키지, Google Colab 노트북
• Apache-2.0 라이선스, 활발히 유지 (2,200+ Star, 야간 벤치마크, CI)
• MuJoCo 데이터 구조에 직접 접근 가능해 기존 MuJoCo 연구 코드와의 통합이 용이

대상

• 휴머노이드와 사족 운동을 대규모로 학습하는 RL 연구자
• Isaac Lab 스타일 인체공학을 원하는 MuJoCo 기반 로보틱스 연구실
• CMU MoCap 모션 추적을 활용한 가볍고 스크립팅 가능한 시뮬레이션이 필요한 sim-to-real 팀
• Isaac Sim 을 사용할 수 없는 비 RTX CUDA 하드웨어의 엔지니어

한계

• 학습에는 NVIDIA GPU 가 필요하며 macOS 는 평가 전용
• Isaac Lab 본체보다 최근 시작되어 사전 빌드된 태스크 생태계는 아직 작음 (휴머노이드/사족 운동 중심)
• MuJoCo Warp 에 묶여 있으며, 자체적으로 비교적 새로운 구성 요소이며 기존 MuJoCo 대비 일부 기능 차이 존재
• 기본 비전/지각 스택이 없으며, 자기 수용 감각 상태를 사용하는 정책과 가장 잘 맞음