World Models Framework for Robotics
World Models Framework for Robotics是一个面向机器人世界模型学习和应用的开源框架，提供了环境动态模型学习、基于模型的规划和控制、想象训练等完整功能。框架支持多种世界模型表示，包括像素空间模型（VAE+RNN/Transformer）、潜空间模型（RSSM、Dreamer系列）、图结构模型（GNN Dynamics）、基于Transformer的模型（Transformer Dynamics、World Model）、基于扩散模型的模型（Diffuser、Decision Diffuser）等；支持多种学习算法，包括自回归预测、扩散模型、对比学习、世界模型+强化学习联合训练等；支持多种规划方法，包括随机射击、CEM、MPPI、基于梯度的规划、分层规划等；支持多种基于模型的强化学习算法，包括Dyna、PETS、MBPO、Dreamer、PlaNet等；支持多种评估指标，包括预测精度、规划成功率、样本效率、最终性能等。框架基于Python和PyTorch实现，提供了与OpenAI Gym/Gymnasium、MuJoCo、PyBullet、DeepMind Control Suite、Atari、ROS等工具的接口，支持多种机器人任务和仿真环境。框架采用MIT开源协议，GitHub星标超过1200，是机器人世界模型领域使用最广泛的开源框架之一。
项目说明
World Models Framework for Robotics是一个面向机器人世界模型学习和应用的开源框架，提供了环境动态模型学习、基于模型的规划和控制、想象训练等完整功能。框架支持多种世界模型表示，包括像素空间模型（VAE+RNN/Transformer）、潜空间模型（RSSM、Dreamer系列）、图结构模型（GNN Dynamics）、基于Transformer的模型（Transformer Dynamics、World Model）、基于扩散模型的模型（Diffuser、Decision Diffuser）等；支持多种学习算法，包括自回归预测、扩散模型、对比学习、世界模型+强化学习联合训练等；支持多种规划方法，包括随机射击、CEM、MPPI、基于梯度的规划、分层规划等；支持多种基于模型的强化学习算法，包括Dyna、PETS、MBPO、Dreamer、PlaNet等；支持多种评估指标，包括预测精度、规划成功率、样本效率、最终性能等。框架基于Python和PyTorch实现，提供了与OpenAI Gym/Gymnasium、MuJoCo、PyBullet、DeepMind Control Suite、Atari、ROS等工具的接口，支持多种机器人任务和仿真环境。框架采用MIT开源协议，GitHub星标超过1200，是机器人世界模型领域使用最广泛的开源框架之一。