跳到主要内容

快速开始

本指南将帮助您在几分钟内运行第一个DISCOVERSE仿真示例，体验框架的核心功能。

验证安装​

首先确认DISCOVERSE已正确安装：

python scripts/check_installation.py

如果看到核心检查项通过，说明安装成功。

第一个机器人仿真​

启动基础机器人环境​

DISCOVERSE支持多种机器人平台，让我们从最简单的开始：

# 启动Airbot Play机械臂
python discoverse/robots_env/airbot_play_base.py

这将启动一个基础的Airbot Play机械臂仿真环境。您应该看到一个3D仿真窗口，其中显示机械臂模型。

运行操作任务​

现在让我们运行一个自动化操作任务：

# 运行咖啡杯放置任务
python discoverse/examples/tasks_airbot_play/place_coffeecup.py

您将看到机械臂自动执行拿取和放置咖啡杯的动作。这演示了DISCOVERSE的自动数据生成能力。

交互式控制​

在仿真运行时，您可以使用以下键盘快捷键进行交互：

基础控制​

  • 'h' - 显示帮助菜单
  • 'r' - 重置仿真状态
  • 'F5' - 重新加载MJCF场景
  • 'p' - 打印机器人状态信息

视角控制​

  • '[' / ']' - 切换相机视角
  • 'Esc' - 切换自由相机模式
  • 鼠标左键拖拽 - 旋转视角
  • 鼠标右键拖拽 - 平移视角
  • 鼠标滚轮 - 缩放视角

切换渲染​

  • 'Ctrl+g' - 切换高斯渲染（需安装gaussian-rendering模块）
  • 'Ctrl+d' - 切换深度可视化

更多机器人平台​

双臂移动机器人（MMK2）​

# 启动MMK2双臂机器人
python discoverse/robots_env/mmk2_base.py

# 运行猕猴桃拾取任务
python discoverse/examples/tasks_mmk2/kiwi_pick.py

灵巧手仿真​

# 启动LeapHand触觉手
python discoverse/examples/robots/leap_hand_env.py

逆向运动学演示​

DISCOVERSE提供交互式逆运动学功能：

# Airbot Play逆向运动学
python discoverse/examples/mocap_ik/mocap_ik_airbot_play.py

# 指定特定场景
python discoverse/examples/mocap_ik/mocap_ik_airbot_play.py --mjcf mjcf/tasks_airbot_play/stack_block.xml

# MMK2逆向运动学
python discoverse/examples/mocap_ik/mocap_ik_mmk2.py --mjcf mjcf/tasks_mmk2/pan_pick.xml

更多应用示例​

SLAM任务​

如果您安装了3DGS渲染模块，可以体验高保真主动SLAM：

前提条件

需要安装gaussian-rendering模块并下载对应的.ply模型文件。请参考安装指南。

python discoverse/examples/active_slam/dummy_robot.py

这个示例展示仿真器的高保真3D环境。

多智能体协作​

python discoverse/examples/skyrover_on_rm2car/skyrover_and_rm2car.py

观看无人机和地面机器人的协作演示。

数据收集工作流​

DISCOVERSE的一个核心优势是自动化数据收集，效率比真实世界提升100倍：

1. 运行数据收集任务​

# 自动生成机械臂操作数据
python discoverse/examples/tasks_airbot_play/block_bridge_place.py

# 生成双臂协作数据  
python discoverse/examples/tasks_mmk2/coffeecup_plate.py

2. 查看生成的数据​

数据通常保存在data/目录下，包含：

  • 机器人状态轨迹
  • 传感器数据（RGB、深度、点云等）
  • 动作序列
  • 任务标签

下一步探索​

现在您已经成功运行了第一个仿真，可以进一步探索：

  1. 基本概念 - 理解DISCOVERSE的架构和核心概念
  2. 基础仿真教程 - 学习如何创建自定义仿真场景
  3. 传感器教程 - 配置和使用各种传感器
  4. 模仿学习教程 - 训练您的第一个机器人策略

获取帮助​

如果遇到问题：