G1 DWAQ Lab — 盲走で上台階する四足ロボット研究

AI/ML
G1 DWAQ Lab — 盲走で上台階する四足ロボット研究

G1 DWAQ Lab — 盲走で上台階する四足ロボット研究

NVIDIA IsaacSim / Isaac Lab と RSL_RL を用いた四足ロボットの「盲走（視覚なし）で階段を上る」シミュレーション実験のリポジトリです。Python 3.10 ベースで、シミュレーション環境の設定・デプロイコード（LeggedLabDeploy 等）や強化学習の訓練に必要な構成ファイルが含まれます。ロボットの運動学・制御、報酬設計、ドメインランダマイゼーションを組み合わせて現実世界適用を目指す研究向けの土台となるプロジェクトです。

https://github.com/liuyufei-nubot/G1DWAQ_Lab

概要

本リポジトリ「G1DWAQ_Lab」は、NVIDIA の IsaacSim / Isaac Lab と Legged Robotics の RSL_RL ライブラリを活用して、四足ロボットが視覚情報なし（盲走）で階段を上る課題をシミュレーション上で学習・評価するための実験セットアップを提供します。Python 3.10 を前提としたコード群は、シミュレーション環境のデプロイ（LeggedLabDeploy）、強化学習のトレーニングループ、環境構成ファイルや寄稿ルール、ライセンス情報をまとめています。小規模ながら、IsaacSim の物理表現や RSL_RL のアルゴリズム基盤を組み合わせることで、運動制御や報酬設計、ドメインランダマイゼーションなど現実移行を意識した研究に適した基盤を提供します。

GitHub

リポジトリの統計情報

  • スター数: 9
  • フォーク数: 0
  • ウォッチャー数: 9
  • コミット数: 10
  • ファイル数: 8
  • メインの言語: Python

主な特徴

  • NVIDIA IsaacSim / Isaac Lab を用いた高忠実度シミュレーション環境の構成
  • RSL_RL（Legged Robotics の RL フレームワーク）との統合で運動学的制御を学習可能
  • 「盲走（視覚センサ不使用）」による階段上昇タスクに特化した報酬・環境設計
  • 環境デプロイ用スクリプト（LeggedLabDeploy）や貢献ルール、ライセンスを同梱

技術的なポイント

このプロジェクトの技術的な肝は、IsaacSim の物理シミュレーション能力と RSL_RL による強化学習アルゴリズム基盤を組み合わせる点にあります。IsaacSim/IsaacLab は NVIDIA の Omniverse 上で高精度な接触・摩擦・剛体挙動を再現できるため、足先と階段の接触モデリング、摩擦変動、センサノイズのシミュレーションを通じて堅牢な制御ポリシーを学習できます。リポジトリは Python 3.10 を前提とし、IsaacSim 5.1.0、Isaac Lab 2.3.0、RSL_RL 2.3.1 など特定バージョンを想定したバッジが README に示されています。

“盲走” にフォーカスしているため、視覚情報を用いずに運動量、IMU、接触フラグ、脚端位置などの低次元観測を入力としてポリシーを学習させる設計が想定されます。これにより、センサ障害や暗所でのロバスト性を評価できます。報酬設計では、前進速度、姿勢維持、脚の接触成功、衝突ペナルティなどを組み合わせ、階段を登るための連続的かつ安全な動作を誘導します。階段高さ・角度・摩擦係数などをランダム化するドメインランダマイゼーションを導入すれば、シミュレーションから実機への移行（sim-to-real）が容易になる設計です。

RSL_RL 側の実装は、カスタム環境ラッパー経由で IsaacSim 環境と連携し、PPO や SAC などの標準的な RL アルゴリズムを用いたトレーニングが可能です。学習効率向上のために、並列環境の生成、バッチサイズやタイムステップの最適化、報酬スケーリングの調整が重要になります。さらに、IsaacSim は GPU を活用した物理計算やレンダリングが可能なので、計算リソース（NVIDIA GPU、CUDA、Omniverse インストール）を適切に整えることでトレーニング時間を短縮できます。

リポジトリ構成には、環境をデプロイするためのスクリプト（LeggedLabDeploy）が含まれ、実験の再現性や複数シードでの評価を容易にする配慮があります。CONTRIBUTING.md や LICENSE も同梱されており、外部コントリビュータによる改善やライセンス下での利用も明示されています。現状は小規模なコードベースですが、IsaacSim と RSL_RL の組み合わせにより四足歩行ロボットの高難度タスク（盲走での階段登坂）に対する研究プラットフォームとしての価値が高く、実験設定を改良して安定化させることで論文・実機検証につながるポテンシャルがあります。

プロジェクトの構成

主要なファイルとディレクトリ：

  • .gitignore: file
  • .vscode: dir
  • CONTRIBUTING.md: file
  • LICENSE: file
  • LeggedLabDeploy: file

…他 3 ファイル

まとめ

IsaacSim と RSL_RL を組み合わせた盲走での階段登坂実験の小型プラットフォーム。拡張性があり研究の出発点に最適。

リポジトリ情報：

READMEの抜粋：

G1 DWAQ 盲走上台阶

IsaacSim Isaac Lab RSL_RL Python [![Linux platform](https://img…