Open Source Robotics

고품질 오픈소스 로봇 프로젝트, 도구 및 소프트웨어의 엄선된 컬렉션.

RoboVerse

11개 로보틱스 시뮬레이터를 단일 API로 래핑하는 통합 메타 플랫폼.

라이선스

Apache-2.0

개요

RoboVerse는 확장 가능하고 일반화 가능한 로봇 학습을 위한 통합 플랫폼이자 데이터셋이며 벤치마크입니다. MetaSim — 11개의 시뮬레이터 백엔드(MuJoCo, Isaac Lab, PyBullet, SAPIEN, Genesis, CoppeliaSim 포함)를 단일 API 뒤에 감싸는 시뮬레이터 독립적 추상화 계층 — 을 제공합니다. 사전 구성된 로봇, 276개의 작업 카테고리, 5,500+개의 객체 에셋, 그리고 기존 18개 벤치마크(RLBench, ManiSkill, LIBERO, Meta-World, robosuite)에서 가져온 510,000+개의 궤적을 포함합니다. 모방 학습(ACT, Diffusion Policy, VLA)과 강화 학습(PPO, TD3, SAC) 모두를 위한 학습 파이프라인을 통합합니다.

RoboVerse는 시뮬레이션 플랫폼, 데이터셋, 벤치마크 전반에 걸쳐 로봇 학습을 통합하는 포괄적인 오픈소스 프레임워크입니다. UC Berkeley, 북경대학교, USC, Stanford, CMU 및 기타 주요 기관의 37명 이상의 연구원으로 구성된 팀이 개발했으며, Pieter Abbeel과 Jitendra Malik가 수석 리더십을 맡고 있습니다. RoboVerse는 로보틱스 시뮬레이션의 근본적인 단편화 문제를 해결합니다. 핵심에는 MetaSim이 있으며, 이는 시뮬레이터 비의존적 구성 시스템(MetaConfig)과 표준화된 API를 통해 다양한 시뮬레이션 환경을 범용 인터페이스로 추상화하는 3계층 인프라입니다. MetaSim은 Isaac Lab, Isaac Gym, MuJoCo, SAPIEN, PyBullet, Genesis, cuRobo, PyRep/CoppeliaSim, Blender를 포함한 11개 시뮬레이터 백엔드를 지원합니다. 프레임워크는 세 가지 기둥으로 구성됩니다: MetaSim(핵심 시뮬레이션 추상화 레이어), RoboVerse Pack(5,500개 이상의 에셋과 276개 작업 카테고리를 포함한 사전 구성된 로봇, 작업 및 장면 에셋), 그리고 RoboVerse Learn(모방 학습 및 강화 학습을 위한 통합 학습 알고리즘). RoboVerse는 시뮬레이터 간 검증, 크로스 엠보디먼트 전이 및 하이브리드 시뮬레이션을 가능하게 하며, 학습을 위해 51만 개 이상의 조작 궤적과 5천만 개 이상의 고품질 상태 전이를 제공합니다. RSS 2025에 채택되었으며 Apache 2.0 라이선스로 배포됩니다.

중요한 이유

RoboVerse는 로봇 학습 연구에서 가장 큰 병목인 시뮬레이터, 데이터셋, 평가 프로토콜 간의 파편화를 해결합니다. RoboVerse 이전에는 연구자들이 MuJoCo와 Isaac Sim 같은 시뮬레이터 사이를 전환할 때 코드를 처음부터 다시 작성해야 했고, 이로 인해 재현성을 확보하는 것이 거의 불가능했습니다. 하나의 시뮬레이터에서 정책을 학습하고 다른 시뮬레이터들에서 매끄럽게 검증할 수 있게 해 주는, 진정으로 시뮬레이터 독립적인 추상화 계층을 제공하는 프로젝트는 달리 없습니다. 11개의 시뮬레이터 백엔드, 18개의 벤치마크 데이터셋, 표준화된 평가 프로토콜을 단일 API 아래 통합함으로써, RoboVerse는 서로 다른 시뮬레이션 백엔드와 로봇 임바디먼트에 걸쳐 로봇 학습 알고리즘을 동일한 조건에서 비교하는 것을 처음으로 가능하게 합니다.

해결하는 문제

로보틱스 시뮬레이션은 심각하게 단편화되어 있습니다: 각 시뮬레이터(MuJoCo, Isaac Sim, SAPIEN, PyBullet 등)는 고유한 API, 구성 형식 및 데이터 규약을 가지고 있습니다. 연구자들은 시뮬레이터를 전환할 때 전체 코드베이스를 다시 작성해야 하며, 이로 인해 크로스 플랫폼 검증은 비현실적이고 재현성은 거의 불가능합니다. 벤치마크 데이터셋도 마찬가지로 호환되지 않는 형식으로 분리되어 있습니다. RoboVerse는 모든 주요 시뮬레이터에 대한 인터페이스를 표준화하고, 데이터셋 형식을 통일하며, 일관된 벤치마크를 수립하는 범용 추상화 레이어를 제공하여 이 문제를 해결합니다 — 연구자들이 코드를 한 번 작성하고 어디서든 실행할 수 있으며, 네이티브 시뮬레이터 성능 대비 5% 미만의 계산 오버헤드로 실행됩니다.

핵심 요점

  • 11개의 시뮬레이션 백엔드(Isaac Lab, MuJoCo, SAPIEN, PyBullet, Genesis 등)를 단일 API로 통합하며, 네이티브 성능 대비 오버헤드는 5% 미만
  • 로봇 학습을 위해 276개의 작업 카테고리, 5,500+개의 에셋, 510,000+개의 매니퓰레이션 궤적, 5,000만 개 이상의 상태 전이를 제공
  • 확립된 18개의 벤치마크 데이터셋(RLBench, ManiSkill, LIBERO, Meta-World, robosuite, GraspNet)을 통일된 형식으로 통합
  • 시뮬레이터 간 검증, 크로스 임바디먼트 전이, 서로 다른 물리 엔진을 결합한 하이브리드 시뮬레이션 지원
  • 모방 학습(ACT, Diffusion Policy, VLA)과 강화 학습(PPO, TD3, SAC) 알고리즘이 내장된 RoboVerse Learn 포함
  • MetaSimInterface를 통해 약 300줄의 코드만 구현하면 새로운 시뮬레이터 백엔드를 추가할 수 있음

대상

  • 모방 학습, 강화 학습 및 Sim-to-Real 전이 연구에 종사하는 로보틱스 연구자
  • 대규모 다양한 학습 데이터가 필요한 로봇 파운데이션 모델을 구축하는 머신러닝 엔지니어
  • 시뮬레이터 간 알고리즘 비교를 위한 재현 가능한 벤치마크가 필요한 학술 연구실
  • 시뮬레이션 설정 시간과 데이터 수집 비용을 줄이고자 하는 로보틱스 스타트업
  • 여러 플랫폼에서 로봇 조작과 정책 학습을 배우는 학생 및 교육자

한계

  • CUDA를 지원하는 NVIDIA GPU 필요; 전체 기능을 위해 RTX 3090 이상 권장
  • Isaac Sim 백엔드는 특정 NVIDIA 드라이버(525+)와 8GB 이상 VRAM을 가진 RT Core GPU 필요
  • Windows 지원 아직 불가 — 현재 Ubuntu 20.04+ 및 macOS 12+로 제한
  • 대용량 저장 공간 필요(전체 데이터셋 및 시뮬레이터 설치에 100GB 이상)
  • 시뮬레이터 간 물리 일관성은 개별 시뮬레이터 구현에 따라 달라지며 미묘하게 다른 동작이 발생할 수 있음
  • 아직 알파 릴리스 단계(v1.0.0-alpha) — API가 변경될 수 있음

이 웹사이트는 JavaScript가 필요합니다. 오픈소스 로봇 프로젝트를 탐색하려면 JavaScript를 활성화하세요.