MetaWorld
Meta AI、UC Berkeley
MetaWorld 是由 UC Berkeley 提出的多任务机器人操作基准。
在 MuJoCo 中定义了 50 个桌面操作任务（开柜门、按按钮、推物体等），基于 Gymnasium API 设计。任务是参数化的，同一任务可生成位置/目标不同的变体，支持多任务学习和元学习评估。
机构
Meta AI、UC Berkeley
规模
50+ 操纵任务
许可证
开源（详见官方链接）
机器人类型
仿真
任务类型
操作
发布年份
2019
数据模态
仿真状态
🤖 仿真生成✅ 自动标注💻 仿真📊 有数据划分
VLA 框架兼容性
🧠 π0
数据格式
存储格式详见官方链接
数据规模50+ 操纵任务
压缩方式未知
文件布局Gymnasium 环境（运行时生成）；无离线数据文件
索引方式任务枚举（ML1/ML10/ML45 配置）；无离线索引
格式版本MuJoCo 仿真环境（Gymnasium API）
episode
step
observation（MuJoCo state）
action
reward
done, Gymnasium API, 50 tasks × N variants
快速上手
加载数据
import metaworld
ml1 = metaworld.ML1('reach-v2')
env = ml1.train_classes['reach-v2']()
task = ml1.train_tasks[0]
env.set_task(task)
obs = env.reset()
action = env.action_space.sample()
obs, reward, done, info = env.step(action)依赖库
预处理说明
Gymnasium API 兼容；50 任务；MuJoCo 低维状态观测
数据内容
传感器规格
仿真状态
数据统计
场景数详见官方链接
物体数详见官方链接
任务数1 种任务类型
轨迹/片段数50+ 操纵任务