EulerAtlas

8域机器人行为学习统一框架

基于CLI的模仿学习（Imitation Learning）框架，从专家演示中学习策略并在仿真中评估。汽车、无人机、人形机器人、机器狗的经典4域与移动操作、仓储AGV、智慧农业机器人、造船厂起重机的工业4域——共8个域在统一obs/action模式上通过3行命令完成初始化、训练和仿真。11个命令组（含edge部署）、Domain Plugin扩展架构。

Open Source

核心功能

8个域、5种策略模型、通过复杂度级别控制的统一工作流

经典域 (01–04)

Internal Schema Boundary — 每个域拥有固定维度模式，所有模块以一致方式通信。

汽车 (road)	4D状态 + 2D动作 — CARLA联动，nuScenes适配器
无人机 (aerial)	6D状态 + 3D动作 — AirSim骨架
人形机器人	12D状态 + 6D动作 — MuJoCo Humanoid-v5联动
机器狗 (quadruped)	12D状态 + 8D动作 — MuJoCo Ant-v5联动

工业域 (05–08)

工厂、物流、农业、造船 — 每个域包含专用Mock模拟器和数据适配器。

移动操作	18D状态 + 8D动作 — 推荐模型：ACT
仓储AGV (warehouse)	14D状态 + 4D动作 — 推荐模型：BC-RNN
智慧农业机器人	16D状态 + 6D动作 — 推荐模型：Diffusion
造船厂起重机 (shipyard)	20D状态 + 9D动作 — 推荐模型：ACT

策略模型 (5种)

BC-MLP	基础行为克隆（最快学习速度）
BC-RNN	时序行为克隆
BC-CNN	基于视觉的行为克隆
ACT	Action Chunking Transformer（操作SOTA）
Diffusion Policy	基于扩散模型的策略 (DDPM)

复杂度级别 (L0–L2)

L0 (Toy)	Mock模拟器 + BC-MLP — 教程/CI用
L1 (Intermediate)	域推荐模型 + Mock — 算法研究
L2 (Advanced)	真实后端 (CARLA/MuJoCo/Isaac Lab) + SOTA模型

数据管线 & 仿真

从合成数据生成到仿真rollout的完整管线

数据管线

合成数据生成、外部数据采集、增强、编辑——完整的数据工作流通过CLI完成。

Pull：生成/采集合成或真实专家演示数据。
Ingest：将JSONL/CSV转换为内部格式。
Augment：噪声、镜像、时间抖动等数据增强。
Edit：统计检查、过滤、合并、拆分。

仿真 & 评估

在仿真中运行已学习的策略，并自动计算评估指标。

Mock模拟器：8个域专用内置模拟器，即时运行（无依赖）。
真实后端：CARLA（汽车）、MuJoCo（机器人）、AirSim/Isaac Lab（骨架）。
并行仿真：ParallelSimManager同时运行N个实例。
场景套件：边角案例场景构建及pass/fail报告。

CLI 参考

11个命令组（含edge部署）覆盖完整工作流

`init`

从角色/级别自动生成YAML配置。

`train`

训练BC策略。支持续训、GPU、检查点、项目追踪。

`sim`

rollout/replay — 在仿真中运行策略并评估。

`data`

pull, ingest, augment, edit — 执行数据管线。

`model`

export/load — 管理模型卡（SafeTensors + config.json）。

`skill`

内置技能查询、初始化、跨域迁移。

`deploy`

通过MessageBridge（mock/ROS2/ZeroMQ）部署策略。

`scenario`

边角案例场景构建及套件运行。

`edge`

边缘部署——模型量化、打包和设备推送。

`validate`

YAML配置文件验证（50+规则）。

架构

4层抽象栈将角色、配置、学习和评估分离

4层栈

Layer 4	Skill/Meta-Agent — 基于角色/任务的推荐
Layer 3	Config/Validator — YAML清单 + 50+验证规则
Layer 2	Data/Model/Training — 管线、策略网络、BCTrainer
Layer 1	Sim/Eval/Backend — 模拟器、评估、轨迹

技术规格

语言	Python 3.12+
框架	PyTorch, Gymnasium
模拟器	Mock（内置）, CARLA, MuJoCo
日志	W&B, MLflow（可选）
模型格式	SafeTensors + config.json
错误格式	3行格式 (Category / Fix / See)

教程

通过分步指南快速掌握EulerAtlas

教程即将公开。

安装与入门

安装EulerAtlas并训练您的第一个策略

安装

pip install -e ".[dev]"

# 3行即可开始
euleratlas init --role road --level 0
euleratlas train -c config.yml
euleratlas sim rollout -c config.yml

系统要求

Python 3.12+, PyTorch

MuJoCo, W&B（可选）

GitHub

eulerwa/euleratlas