One repo unify IsaacLab & whole-body control, fully built on managers!

TrackerLab 是一个模块化框架，集成了人体动作的 Retargeting、轨迹跟踪（Tracking） 与 技能控制（Skill-based Control），构建于 IsaacLab 之上。它打通了从 人类动作数据（如 SMPL / FBX） 到 机器人控制器（如 Unitree H1） 的路径，提供了统一的轨迹管理器接口，支持多种动作组织方式。

请先确保你已经完成 IsaacLab 的配置，包括 Isaac Sim 安装与 Python 环境配置。

git clone https://github.com/interval-package/trackerlab.git
cd trackerlab

conda activate <env_isaaclab>  # 替换为你配置 IsaacLab 的 conda 环境名

# 安装主项目与 poselib（用于姿态处理）
pip install -e .
pip install -e ./poselib

1. 前往 AMASS 官网 下载数据集。
2. 将解压后的内容放入：

./data/amass/

3. 结构参考：

data/
├── amass/
├── retarget_cfg/
│   └── retar_smpl_2_h1.json
├── tpose/
│   ├── h1_tpose.npy
│   └── smpl_tpose.npy

更多信息见 data/README.md

1. 安装 FBX SDK，参见 issue#61。
2. 参考 Expressive Humanoid 将 .fbx 文件转化为 .npy 动作数据。

这里用了宇树开源的数据模型，直接的下载脚本见： docs/dataset_download.md

TrackerLab 支持将标准人体动作数据（如 AMASS）转化为多种机器人骨架格式的轨迹数据。

• 确保 AMASS 数据已放入 ./data/amass/
• 检查是否有对应的 retarget_cfg 配置：
  • 示例：./data/retarget_cfg/retar_smpl_2_h1.json
  • 包含关节映射与旋转调整信息
• 确保存在 T-pose 信息：
  • ./data/tpose/smpl_tpose.npy
  • ./data/tpose/h1_tpose.npy

参考retarget tutorial

python poselib/scripts/amass/retarget_all.py   --folders AMASS_SUBFOLDER1 AMASS_SUBFOLDER2   --robot h1   --max_frames 1000   --workers 8

处理完成后，结果保存在：

./data/retargeted/amass_results/

TrackerLab 与 IsaacLab 完全兼容，在训练策略时无需特殊配置。

使用自带的脚本：

python scripts/rsl_rl/base/train.py --task R2TrackWalk --headless 

对于使用官方或者是其他框架给的脚本，在训练脚本开始时，加上：

import trackerTask.trackerLab

python IsaacLab/scripts/reinforcement_learning/rsl_rl/train.py   --task H1TrackAll   --headless

其中 H1TrackAll 是在 trackerLab 中定义的新任务环境名。

TrackerLab 的训练环境基于 IsaacLab 的模块化管理器设计，并添加了专用于运动追踪的 MotionManager 模块。

与原始 IsaacLab 环境不同，TrackerLab 的环境使用新的注册入口 "trackerLab.tracker_env:ManagerBasedTrackerEnv"：

gym.register(
    id="H1TrackAll",
    entry_point="trackerLab.tracker_env:ManagerBasedTrackerEnv",
    disable_env_checker=True,
    kwargs={
        "env_cfg_entry_point": f"{__name__}.h1_track_cfg:H1TrackAll",
        "rsl_rl_cfg_entry_point": f"{agent.__name__}.rsl_rl_cfg:H1TrackAll",
    },
)

此注册方式是集成 TrackerLab 的运动管理器所必需的。

在 ./data/configs 目录下，使用 YAML 文件格式定义训练所需的运动数据集。例如：

motions:
  '02/02_02_poses':
    description: "walk episode"
    difficulty: 4
    trim_beg: -1
    trim_end: -1
    weight: 1.0
  '127/127_28_poses':
    description: Run Jump Over
    difficulty: 4
    trim_beg: -1
    trim_end: -1
    weight: 1.0
  root: "amass_results/r2y/CMU"

• motions 中的每一项是 .npy 运动文件的相对路径（基于 ./data/retargeted）。
• root 是这些运动数据的根目录。

在你的环境配置文件中添加 motion 字段，类型为 MotionManagerCfg：

@configclass
class TrackEnvCfg(TrackEnvBaseCfg):
    rewards: ...
    ...
    motion: MotionManagerCfg = MotionManagerCfg(
        motion_buffer_cfg=MotionBufferCfg(
            motion=MotionBufferCfg.MotionCfg(
                motion_name=<Your *.yaml, left * here>
                ),
            regen_pkl=False,  # 仅第一次加载缓存
        ),
        static_motion=False,
        robot_type="h1",
        obs_from_buffer=False,
        reset_to_pose=False
    )

该配置负责连接训练用数据集，并控制缓存使用与初始化方式。

详见：项目结构文档 和 数据流图

problems