PyRoki

基于 JAX、可在 CPU、GPU 和 TPU 上运行的模块化 Python 运动学优化工具包

许可证

MIT

概述

一个模块化、可扩展、跨平台的运动学优化 Python 工具包。它通过可组合的代价与约束，统一了逆运动学、轨迹优化和动作重定向。借助 JAX 可在 CPU、GPU 和 TPU 上运行。支持加载 URDF 并自动微分，具备碰撞检测，并提供 Levenberg-Marquardt 和增广拉格朗日等多种求解方法。由加州大学伯克利分校开发。

PyRoki 是一个模块化的 Python 工具包，为求解机器人中各类运动学优化问题提供统一框架，包括逆运动学、轨迹优化，以及不同运动学结构之间的动作重定向。该工具包由加州大学伯克利分校开发，以 JAX 作为计算后端，可在 CPU、GPU 和 TPU 硬件上无缝运行，并为基于梯度的优化提供自动微分。PyRoki 支持加载标准 URDF 文件作为机器人描述，内置碰撞检测功能，并实现了 Levenberg-Marquardt 算法以确保稳健收敛。通过在单一框架内统一多种运动学问题类型，PyRoki 让研究人员无需再为不同的运动规划任务维护各自的专用工具，简化了从遥操作到人形机器人动作重定向等各类应用的工作流程。

为何重要

PyRoKi 提供了一个简洁、现代、可跨平台运行的机器人运动学工具包。其可组合的优化方法统一了逆运动学、轨迹规划和运动重定向——这些任务以往需要使用彼此独立、互不兼容的库。

解决的问题

机器人运动学工具通常依赖特定平台，且只解决狭窄的问题。PyRoKi 提供统一的优化框架，将逆运动学、轨迹规划和重定向都表述为可组合的优化问题。

要点

用于运动学优化的模块化 Python 工具包
可组合的代价项和约束，灵活构建问题
统一逆运动学、轨迹优化和运动重定向
跨平台，无繁重依赖
可扩展架构，支持自定义运动学问题

适用人群

解决运动学问题的机器人工程师
从事运动重定向和遥操作的研究人员
需要不依赖 ROS 的轻量级逆运动学的开发者
构建跨平台机器人软件的团队

局限

对于简单机器人，基于优化的方法比解析逆运动学更慢
库较新，社区规模小于成熟的替代方案
仅限运动学问题——不涉及动力学或力控制
文档仍在完善中