RoboVerse 是数据集领域的开源项目,由 RoboVerseOrg 开发,2025 年首次发布。
在全站 12,822 个收录项目中,它的 GitHub 星标数(1,861)位列前 30%,在数据集分类中处于中上游。
项目目前处于活跃维护状态,最近一次代码更新于 2026-09-14。开源学术项目,免费使用。从国内网络环境看,可直接访问。
它主要面向的使用场景是:机器人操作策略的仿真训练与基准对比。同类可对比的替代方案包括 Isaac Gym、ManiSkill、robomimic。

一套接口打通机器人仿真数据与评测,省去重复搭环境
RoboVerse 是一个面向机器人学习的统一平台、数据集与基准测试项目,旨在解决机器人领域长期存在的仿真环境碎片化、数据格式不统一、算法难以跨任务迁移的问题。它提供标准化的仿真接口,兼容多种物理引擎与机器人形态,并整合了模仿学习与强化学习所需的大规模演示数据。核心能力包括:统一的数据采集与转换管线,让不同来源的机器人轨迹可以对齐使用;可扩展的基准任务集,覆盖操作、导航等常见场景,便于公平比较算法;以及模块化的训练与评估框架,支持从单任务到多任务、从仿真到真机的泛化研究。项目用 Python 实现,适合研究者快速搭建实验、复现结果,也适合工程团队验证机器人学习方案的可扩展性。
1克隆代码仓库
从 GitHub 拉取 RoboVerse 主仓库,包含 MetaSim 仿真核心与学习代码。
git clone https://github.com/RoboVerseOrg/RoboVerse.git2进入项目目录
切换到刚克隆下来的 RoboVerse 目录,后续命令都在此目录执行。
cd RoboVerse3安装两个包
先装仿真核心 MetaSim,再装仓库根目录的 RoboVerse 内容与学习代码,带 mujoco 可选依赖。
python -m pip install -e "packages/metasim[mujoco]" -e ".[mujoco]"4(可选)开发模式安装
需要改动源码或跑示例、测试时,改用带 dev 与 examples 依赖的安装命令。
python -m pip install -e "packages/metasim[dev,examples,mujoco]" -e ".[dev,mujoco]"5运行入门教程
examples 目录提供编号教程链(0_static_scene.py 起),先跑第一个确认环境可用。
python examples/0_static_scene.py6跑测试验证
执行仓库自带的 RoboVerse 内容与集成测试,确认安装完整、依赖齐全。
pytest tests/安装命令无报错,且能顺利运行 examples/0_static_scene.py 或 pytest tests/ 无导入错误。
Q:两个包为什么要先后安装?
A:MetaSim 是仿真核心包 roboverse-metasim(导入名 metasim),RoboVerse 的内容与学习代码在其之上,README 要求先装 MetaSim 再装仓库根包。
Q:开发时依赖怎么装?
A:用 python -m pip install -e "packages/metasim[dev,examples,mujoco]" -e ".[dev,mujoco]",一次性带上 dev 与 examples 可选依赖。
Q:换成其他物理引擎怎么安装?
A:README 提到各仿真器有独立的安装说明,请参考官方文档 https://roboverse.wiki/metasim/ 中对应仿真器的章节。
Q:安装或使用中遇到问题去哪反馈?
A:可通过 GitHub Issues 提交 bug 与反馈,也可在 GitHub Discussions 或官方 Discord 频道提问。
Q:教程和文档在哪里?
A:官方文档站为 https://roboverse.wiki,另有快速上手教程链接,仓库内 examples/ 也提供从 0_static_scene.py 开始的编号教程链。
Isaac Gym、ManiSkill、robomimic
RoboVerse 是数据集领域的开源项目,由 RoboVerseOrg 开发,2025 年首次发布。
在全站 12,822 个收录项目中,它的 GitHub 星标数(1,861)位列前 30%,在数据集分类中处于中上游。
项目目前处于活跃维护状态,最近一次代码更新于 2026-09-14。开源学术项目,免费使用。从国内网络环境看,可直接访问。
它主要面向的使用场景是:机器人操作策略的仿真训练与基准对比。同类可对比的替代方案包括 Isaac Gym、ManiSkill、robomimic。
上一篇:rust-repos
下一篇:seqio
X-AnyLabeling
开源
一站式AI辅助标注,图像视频文本通吃,导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI,不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线,快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据,告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models