外观
Skip to content
tdmpc2
tdmpc2
nicklashansen 在 GitHub 开源的框架，主要语言 Python。 Code for "TD-MPC2: Scalable, Robust World Models for Continuous Control"
概述
这个开发工具的核心职责、所属技术栈与硬件生态定位。
tdmpc2是面向连续控制任务的开源训练框架，属于世界模型类算法开发工具，核心开发语言为Python，是论文《TD-MPC2: Scalable, Robust World Models for Continuous Control》的官方实现，内置可扩展的世界模型建模、连续控制策略训练、鲁棒性验证等核心功能模块，支持高维连续空间下的机器人控制算法迭代。
该框架适配机器人技术栈的运动控制、VLA策略预训练、复杂动态场景仿真验证等层级，支持开发者通过Python API直接调用内置的世界模型接口，可接入MuJoCo等通用仿真环境，也可对接真实机器人的运动控制链路完成策略部署，无需额外依赖专属硬件适配层。
关键工程信息
工具分类、开发语言、GitHub 社区活跃度与环境要求。
快速接入与环境要求
源码克隆、构建方式、已验证系统环境与版本更新记录。
源码拉取与构建参考
git clone https://github.com/nicklashansen/tdmpc2.git
cd tdmpc2
# 安装 Python 依赖与开发包
pip install -e .推荐运行环境与版本 1
| 版本 / 分支 | 验证环境 | 接入说明 |
|---|---|---|
| main / 最新稳定分支（适配PyTorch 2.x版本） | Ubuntu 22.04 LTS / Python 3.8 ~ 3.11 / PyTorch 2.0+ / CUDA 11.7+ / MuJoCo 2.3+ | 通过pip install -r requirements.txt安装依赖，核心入口为train.py，支持直接传入任务配置启动世界模型与控制策略训练 |
关联实操教程与排障记录
教程 / 实测 / 排障 1
适配与兼容机型
支持接入该 SDK、ROS 驱动或仿真资产的机器人本体。
尚未收录适配机型。
同厂商与同类工具
同一厂商开源的配套仓库或同技术栈开发工具。
来源
本页事实对应的公开页面，以原文为准。
- GitHub nicklashansen/tdmpc2访问 2026-10-26