OmniGibson 具身智能仿真平台拆解1000 项家务任务跑在哪里【免费下载链接】BEHAVIOR-1KBEHAVIOR-1K: a platform for accelerating Embodied AI research. Join our Discord for support: https://discord.gg/bccR5vGFEx项目地址: https://gitcode.com/gh_mirrors/om/BEHAVIOR-1KOmniGibson 是 BEHAVIOR-1K 基准的具身智能仿真与物理模拟底座让 AI 智能体在逼真家庭场景里学会做家务。它到底解决什么问题具身智能训练缺真实测试场在真机上训练具身智能很贵在纯 2D 画面或简单 3D 场景里又学不出长程操作能力。扫地、做饭、整理行李这类任务会同时牵扯流体、软体、温度和物体状态变化多数模拟器只覆盖其中一两环。OmniGibson 的作用是把来自人类时间使用调查选出的 1000 项日常家务全部变成可执行、可判定的评测环境让算法先在仿真里过一遍。核心能力怎么落地OmniGibson 照片级渲染与物理模拟PhysX 物理引擎构建在 NVIDIA Isaac Sim 之上支持铰接体、关节、电机与控制器。例子里 R1 双臂能完成抓取、放置这类依赖刚体接触的动作。照片级渲染走 RTX/Hydra 光线追踪管线光照与材质接近实拍视觉模型拿到的观测因此更接近真实相机。粒子系统与对象状态水、灰尘这类物质由场景级粒子系统表达烹饪、切片、搅拌等由transition_rules实现会实际增删场景里的对象Cooked、OnTop等状态直接对接 BDDL 谓词。Gymnasium兼容接口环境由 YAML 配置描述场景、物体、机器人与控制器支持单环境与向量化环境现有强化学习算法可以原样接入。谁会用、怎么用具身智能训练场景搭建机器人实验室研究者搭一个 R1Pro 双臂 厨房场景跑切洋葱这一项任务对比策略更新前后的成功率流程与 安装指南 中的示例一致。具身智能竞赛选手用 BDDL 采样任务实例再走仓库里eval-jobqueue/的评测管线批量出成绩BEHAVIOR-1K 的 2025 挑战赛就建在这套流程上。数据采集与仿真工程师不接触任何 NVIDIA 底层接口靠配置组装场景再用 JoyLo 遥操作框架接实体手柄采集示教数据。上手门槛与局限安装要求与当前未覆盖之处硬件门槛不算低Ubuntu 22.04 / Windows 1032GB 内存RTX 2070 显卡8GB 显存因为要本地跑 Isaac Sim。安装用setup.sh建 conda 环境、按需装组件数据集授权需要单独同意。目前的短板Docker 镜像暂不可用PyPI 包还没发布BEHAVION 数据集资产是加密的只能走DatasetObject加载、不能当普通 USD 文件用。版本兼容细节以仓库内最新说明为准。硬件够的话先克隆仓库git clone https://gitcode.com/gh_mirrors/om/OmniGibson照 quickstart 跑通最小环境是了解这套架构最快的方式。【免费下载链接】BEHAVIOR-1KBEHAVIOR-1K: a platform for accelerating Embodied AI research. Join our Discord for support: https://discord.gg/bccR5vGFEx项目地址: https://gitcode.com/gh_mirrors/om/BEHAVIOR-1K创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考