Humanoid-Gym: Reinforcement Learning for Humanoid Robot with Zero-Shot Sim2Real Transfer

Humanoid-Gym是一个易于使用的强化学习（RL）框架，基于Nvidia Isaac Gym，旨在训练人形机器人的运动技能，强调从模拟到真实环境的零-shot转移。Humanoid-Gym还集成了一个从Isaac Gym到Mujoco的sim-to-sim框架，使用户可以在不同的物理模拟中验证训练的策略，以确保策略的稳健性和泛化性。该框架在RobotEra的XBot-S（1.2米高的人形机器人）和XBot-L（1.65米高的人形机器人）中在真实环境中进行了验证，并实现了零-shot sim-to-real转移。该项目的网站和源代码可以在以下网址找到：https://sites.google.com/view/humanoid-gym/。

Humanoid-Gym论文旨在解决使用强化学习训练人形机器人在仿真环境中的动作技能，并实现从仿真到真实世界的零-shot迁移的问题。

Humanoid-Gym框架基于Nvidia Isaac Gym，结合sim-to-sim框架和Mujoco，使用强化学习训练人形机器人的动作技能，并实现从仿真到真实世界的零-shot迁移。

Humanoid-Gym框架支持零-shot迁移，可在不同物理仿真环境中验证训练策略的鲁棒性和泛化性。实验验证了该框架在RobotEra's XBot-S和XBot-L机器人上的有效性，提供了开源代码。

与Humanoid-Gym相关的研究包括：《Nvidia Isaac Gym：一种用于机器人学习的模拟环境》、《在真实机器人上使用强化学习进行动作技能迁移的挑战》等。