IsaacLab

---

Laboratorio de Isaac

Isaac Lab es un marco unificado y modular para el aprendizaje de robots que tiene como objetivo simplificar los flujos de trabajo comunes en la investigación de robótica (como RL, el aprendizaje de las demostraciones y la planificación del movimiento). Se basa en Nvidia Isaac SIM para aprovechar las últimas capacidades de simulación para escenas fotográficas y simulación rápida y precisa.

Consulte nuestra página de documentación para obtener más información sobre los pasos de instalación, las características, los tutoriales y cómo configurar su proyecto con Isaac Lab.

Contribuyendo al laboratorio Isaac

Agradecemos de todo corazón las contribuciones de la comunidad para hacer que este marco sea maduro y útil para todos. Estos pueden suceder como informes de errores, solicitudes de funciones o contribuciones de código. Para obtener más detalles, consulte nuestras pautas de contribución.

Solución de problemas

Consulte la sección de solución de problemas para obtener soluciones comunes o envíe un problema.

Para los problemas relacionados con Isaac SIM, recomendamos verificar su documentación o abrir una pregunta en sus foros.

Apoyo

• Utilice las discusiones de GitHub para discutir ideas, hacer preguntas y solicitudes de nuevas funciones.
• Los problemas de GitHub solo deben usarse para rastrear piezas de trabajo ejecutables con un alcance definido y un entregado claro. Estos pueden ser soluciones de errores, problemas de documentación, nuevas funciones o actualizaciones generales.

Licencia

El marco de laboratorio Isaac se lanza bajo la licencia BSD-3. Los archivos de licencia de sus dependencias y activos están presentes en el directorio docs/licenses .

Reconocimiento

Desarrollo del laboratorio ISAAC iniciado desde el marco de la órbita. Agradeceríamos si lo citaría en publicaciones académicas también:

 @article{mittal2023orbit,
   author={Mittal, Mayank and Yu, Calvin and Yu, Qinxi and Liu, Jingzhou and Rudin, Nikita and Hoeller, David and Yuan, Jia Lin and Singh, Ritvik and Guo, Yunrong and Mazhar, Hammad and Mandlekar, Ajay and Babich, Buck and State, Gavriel and Hutter, Marco and Garg, Animesh},
   journal={IEEE Robotics and Automation Letters},
   title={Orbit: A Unified Simulation Framework for Interactive Robot Learning Environments},
   year={2023},
   volume={8},
   number={6},
   pages={3740-3747},
   doi={10.1109/LRA.2023.3270034}
}