📱MimicKit.

MimicKit — это открытый, легковесный фреймворк для обучения контроллеров движения с помощью имитации движения и RL, в котором в одном месте собраны DeepMimic, AMP, ASE и ADD плюс PPO/AWR.

🔹Особенности:

🔘Чистый код и минимальные зависимости: одна кодовая база, в которой реализованы популярные motion‑imitation методы и RL‑алгоритмы для графики и робототехники.

🔘Модульная архитектура: отдельно описаны Agent, Model, Environment и Engine, что позволяет быстро пробовать другие персонажи, задачи и симуляторы.

🔘Поддержка разных physics‑движков (Isaac Gym, Isaac Lab, Newton) через engine_config, плюс векторизованные среды для массового параллелизма на GPU.

🔻Базовый workflow выглядит так:

🔘Установить движок (например, Isaac Gym) и зависимости, скачать data/ с ассетами и motion capture.

🔘Запустить обучение чем‑нибудь из коробки, вроде DeepMimic‑гуманоида:

  python mimickit/run.py \
    --mode train \
    --num_envs 4096 \
    --engine_config data/engines/isaac_gym_engine.yaml \
    --env_config data/envs/deepmimic_humanoid_env.yaml \
    --agent_config data/agents/deepmimic_humanoid_ppo_agent.yaml \
    --visualize true \
    --out_dir output/

🔘Для повторных запусков удобно крутить всё через arg_file с готовыми настройками.

Если нужно просто быстро проверить модели или потыкать анимации, есть режим test, просмотр motion‑клипов и готовые скрипты для логов и TensorBoard.

#MimicKit #DeepMimic #AMP #ASE #ADD #ReinforcementLearning #MotionControl #IsaacGym #Robotics #PhysicsSimulation

📱Ссылка на репозиторий:
https://github.com/xbpeng/MimicKit