IsaacLab

---

Laboratoire d'Isaac

Isaac Lab est un cadre unifié et modulaire pour l'apprentissage des robots qui vise à simplifier les flux de travail courants dans la recherche en robotique (comme la RL, l'apprentissage des démonstrations et la planification de mouvement). Il est construit sur Nvidia Isaac Sim pour tirer parti des dernières capacités de simulation pour les scènes photo-réalistes et la simulation rapide et précise.

Veuillez vous référer à notre page de documentation pour en savoir plus sur les étapes d'installation, les fonctionnalités, les tutoriels et comment configurer votre projet avec Isaac Lab.

Contribution à Isaac Lab

Nous accueillons de tout cœur les contributions de la communauté pour rendre ce cadre mature et utile pour tout le monde. Ceux-ci peuvent se produire comme des rapports de bogues, des demandes de fonctionnalités ou des contributions de code. Pour plus de détails, veuillez consulter nos directives de contribution.

Dépannage

Veuillez consulter la section de dépannage pour les correctifs communs ou soumettre un problème.

Pour les problèmes liés à Isaac SIM, nous vous recommandons de vérifier sa documentation ou d'ouvrir une question sur ses forums.

Soutien

• Veuillez utiliser des discussions GitHub pour discuter des idées, poser des questions et des demandes de nouvelles fonctionnalités.
• Les problèmes de GitHub ne doivent être utilisés que pour suivre les travaux exécutables avec une portée définie et un livrable clair. Ceux-ci peuvent consulter des bogues, des problèmes de documentation, de nouvelles fonctionnalités ou des mises à jour générales.

Licence

Le cadre de laboratoire ISAAC est publié sous la licence BSD-3. Les dossiers de licence de ses dépendances et actifs sont présents dans le répertoire docs/licenses .

Reconnaissance

Le développement du laboratoire ISAAC a été initié à partir du cadre orbite. Nous apprécierions si vous le citez également dans des publications académiques:

 @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}
}