VinRobotics 开源人形机器人强化学习训练管线

声明：文档由AI根据原文生成。

基于 mjlab 构建的完整训练框架

该管线以 mjlab 为基础，底层采用 MuJoCo 物理引擎，将成熟的训练 API 与 GPU 加速仿真结合，形成一套简洁、模块化的人形机器人运动学习框架。

四项核心能力

管线提供"训练—回放"工作流：控制策略在仿真环境中通过奖励优化完成训练，随后回放验证行为，降低研究人员从想法到可用策略的门槛。

针对平地与复杂地形，管线内置了全身及 12 自由度下肢控制的速度跟踪任务，用户可直接调用基线开始实验，无需从零搭建。

训练环节支持大规模并行与多 GPU 扩展，数千个环境同时仿真，缩短实验周期。

训练完成的策略可直接导出为 ONNX 格式，用于仿真迁移及真实机器人部署，打通从训练到实机的链路。

开源回馈

该工作依托 mjlab、MuJoCo、rsl_rl 及 Unitree RL 社区的开源成果，VinRobotics 将代码回馈社区。

项目仓库与文档已公开：

👉 训练代码：https://github.com/VinRobotics/vinrobotics_mjlab

👉 部署代码：https://github.com/VinRobotics/vinrobotics_mjlab_deploy