待补充 Skylark0924/Rofunc

机器人 3/5 🧩 软硬件结合 已发布
Skylark0924 244 Stars 未知 BOM 完整度: 0/5 教程完整度: 0/5
待补充

项目简介

🤖 The Full Process Python Package for Robot Learning from Demonstration and Robot Manipulation


Rofunc 是一个面向机器人学习与操作的全流程 Python 工具包,专注于从示教学习(LfD)、模仿学习(IL)到强化学习(RL)的完整技术链路。该项目由学术界和工业界联合开发,旨在解决机器人技能获取过程中数据采集、处理、算法训练到实际部署各环节割裂的问题,为研究人员和工程师提供一站式的标准化解决方案。

标签

项目特点

**全流程覆盖**:从数据采集、处理、算法训练到实际部署,提供完整的技术链路支持。
**多算法集成**:集成了示教学习(LfD)、模仿学习(IL)和强化学习(RL)等多种主流机器人学习算法。
**模块化设计**:各功能模块独立解耦,方便用户按需组合和扩展。
**工业级部署支持**:提供与真实机器人硬件对接的接口和部署工具,降低从仿真到实物的迁移成本。
**标准化数据格式**:统一的数据采集和存储规范,便于不同算法之间的数据复用和对比。
**活跃的社区维护**:由学术界和工业界联合开发,持续更新和优化。

技术规格

Python 3.8+
PyTorch, NumPy, OpenCV, ROS (可选)
Linux (Ubuntu 18.04/20.04), macOS, Windows
Franka Emika Panda, UR5, KUKA LBR iiwa 等主流机械臂
MuJoCo, PyBullet, Isaac Gym (可选)
HDF5, NumPy (.npy), JSON
Behavior Cloning, DAGGER, GAIL, PPO, SAC, DDPG 等
ROS 1/2, 串口, Ethernet
英文
待确认

项目资源

物料清单 (BOM)

物料名称 数量 参考价格 备注
Python 3.8+ 1 运行环境
PyTorch 1 深度学习框架
NumPy 1 数值计算库
OpenCV 1 图像处理
ROS (可选) 1 机器人操作系统接口
机械臂 (如 Franka Panda) 1 支持多种型号
力/力矩传感器 (可选) 1 用于力控任务
深度相机 (可选) 1 用于视觉感知
MuJoCo (可选) 1 物理仿真
PyBullet (可选) 1 物理仿真
HDF5 文件 按需 训练数据存储格式

3D 模型

模型名称文件名文件
original 2 original-2.obj
original 3 original-3.obj
original 4 original-4.obj
original 5 original-5.obj
original 6 original-6.obj
original 7 original-7.obj
original 8 original-8.obj
手 - handle 1 handle_1.obj
手 - handle 2 handle_2.obj
knobs knobs.obj
pan pan.obj
pan 00 pan_00.obj
pan 01 pan_01.obj
pan 02 pan_02.obj
pan 03 pan_03.obj
pan 04 pan_04.obj
pan 05 pan_05.obj
pan 06 pan_06.obj
pan 07 pan_07.obj
pan 08 pan_08.obj
pan 09 pan_09.obj
pan 10 pan_10.obj
pan 11 pan_11.obj
pan 12 pan_12.obj
pan 13 pan_13.obj
pan 14 pan_14.obj
pan 15 pan_15.obj
pan 16 pan_16.obj
pan 17 pan_17.obj
pan 18 pan_18.obj
pan 19 pan_19.obj
pan 20 pan_20.obj
pan 21 pan_21.obj
pan 22 pan_22.obj
pan 23 pan_23.obj
pan bottom pan_bottom.obj
spoon spoon.obj
手 - spoon handle spoon_handle.obj
spoon head spoon_head.obj
spoon neck spoon_neck.obj
lab box lab_box.obj
lab box lab_box.stl
lab box2 lab_box2.obj
底座 - base link collision base_link_collision.stl
连杆 - bellows link collision bellows_link_collision.stl
连杆 - elbow flex link collision elbow_flex_link_collision.stl
连杆 - estop link estop_link.stl
连杆 - forearm roll link collision forearm_roll_link_collision.stl
连杆 - gripper link gripper_link.stl
连杆 - head pan link collision head_pan_link_collision.stl

能力画像

**记忆与知识检索**:3/5 — 提供完善的文档和API参考,但缺乏内置的知识图谱或智能检索功能。
**动手与操作**:4/5 — 支持真实机器人硬件部署,提供数据采集和实物实验接口,动手实践能力强。
**编程与算法**:5/5 — 核心价值在于算法集成,覆盖LfD、IL、RL全链路,编程接口规范。
**设计与建模**:3/5 — 提供标准化的数据格式和模型定义,但建模工具主要依赖外部库。
**实验与调试**:4/5 — 支持仿真和实物实验,提供日志和可视化工具,调试流程清晰。
**协作与分享**:3/5 — 开源项目,支持Git协作,但社区协作工具和分享机制有待完善。
**学习与研究**:5/5 — 非常适合机器人学习领域的研究者,提供从入门到进阶的完整学习路径。
**系统集成**:4/5 — 模块化设计,支持与ROS等主流框架集成,系统整合能力较强。

所需技能

Python 编程基础 机器人学基础知识(运动学、动力学) 机器学习/深度学习基础 熟悉 PyTorch 框架 了解示教学习、模仿学习或强化学习基本概念 基本的 Linux 命令行操作 Git 版本控制 (可选)ROS 使用经验 (可选)机械臂操作经验

适用场景

机器人技能学习研究与实验
工业机器人示教编程与自动化
学术论文中的算法验证与对比
机器人竞赛或项目开发
机器人相关课程教学与实训
从仿真到真实机器人的迁移部署
多机器人协作任务开发
机器人操作任务的快速原型验证