VisionProTeleop Isaac Lab大规模仿真场景 AR 流式传输实战指南【免费下载链接】VisionProTeleopVisionOS App Python Library to stream hand tracking data from Vision Pro, video/audio stream to Vision Pro.项目地址: https://gitcode.com/gh_mirrors/vi/VisionProTeleopVisionProTeleop 是一套专为机器人研究打造的开源生态由 VisionOS 应用Tracking Streamer与 Python 库avp_stream组成。它的核心能力是把 Apple Vision Pro 的手部/头部追踪数据实时流式传输给仿真程序同时将MuJoCo 与 Isaac Lab 的大规模仿真场景以 AR 形式直接呈现在你的眼前。本文面向刚接触仿真遥操作的开发者用最少的代码带你走通仿真场景 AR 流式传输的完整链路。为什么要把 Isaac Lab 仿真场景搬进 AR传统仿真渲染只能停留在 2D 平面屏幕上无论单目还是双目你都失去了空间感。而 VisionProTeleop 提供了一条全新的路径原生 3D 呈现Isaac Lab / MuJoCo 场景会被自动转换为 USD/USDZ 格式交给 Apple RealityKit 做逼真的原生渲染AR 与真实世界融合仿真机器人就摆放在你的房间里你可以绕着它走动、观察、操作低延迟闭环仿真姿态通过 WebRTC 实时推送网络只传输紧凑的位姿数据而非整帧画面延迟极低体验顺滑。简单说这就是把 Isaac Lab 的仿真世界3D 提升到你的物理空间中。项目组成一条完整的仿真流式传输链路组件作用Tracking StreamerVisionOS App流式发送手/头追踪数据接收仿真场景并用 RealityKit 原生渲染avp_streamPython 库接收追踪数据把 MuJoCo / Isaac Lab 仿真场景推送到 Vision ProTracking ManageriOS 配套 App管理录制数据、校准相机、同步设置三者配合即可完成从仿真场景 AR 流式传输到真实机器人遥操作的全流程。核心的 USDZ 导出与场景转换逻辑位于 avp_stream/utils/isaac_usdz_export.py包括 UDIM 纹理合图、材质转换OmniPBR → UsdPreviewSurface等关键步骤。环境准备最省心的安装方法Python 端一条命令即可完成pip install --upgrade avp_streamVisionOS 端从 App Store 安装Tracking Streamer即可无需任何额外网络配置开箱即用。⚠️注意Isaac Lab 本身是极其庞大的依赖因此avp_stream没有把它打包进来。如果你想用 Isaac Lab 作为仿真后端需要先按照 Isaac Lab 的官方安装指南准备好环境。一步接入用 configure_isaac() 开启 AR 流式传输在创建好 Isaac Lab 环境之后只需三行核心代码from avp_stream import VisionProStreamer streamer VisionProStreamer(ipavp_ip) # avp_ip 为 Vision Pro 在 App 中显示的 IP streamer.configure_isaac( sceneenv.scene, # Isaac Lab 的 InteractiveScene 对象 relative_to[0, 0, 0.8, 90], # 场景在 AR 中的摆放位置 include_groundFalse, # 是否包含地面 env_indices[0], # 只流式传输第 1 个环境 ) streamer.start_webrtc() while simulation_app.is_running(): env.step(action) streamer.update_sim() # 把最新位姿推送到 Vision Proconfigure_isaac()会把整个 Isaac Lab 场景自动导出为 USD再以 WebRTC 通道实时同步位姿更新。你几乎不需要关心序列化、传输、渲染的细节。关键参数把仿真场景精确摆放到 AR 空间AR 流式传输最大的特点是与真实世界融合所以你必须决定仿真世界坐标系落在物理空间的哪里这个由relative_to参数控制4 维格式[x, y, z, yaw°]— 平移 绕 Z 轴旋转角度制7 维格式[x, y, z, qw, qx, qy, qz]— 完整四元数姿态# 把场景世界原点放到地面以上 0.8 米处绕 Z 轴旋转 90° streamer.configure_isaac(sceneenv.scene, relative_to[0, 0, 0.8, 90])默认行为VisionOS 会自动检测物理地面把原点放在地面上站着时在你的脚底坐着时在你的椅子下。针对不同机器人推荐设置也不同——参考下表机器人世界坐标系位置推荐配置Unitree G1 人形机器人世界坐标系落在地面使用默认即可Google Robot世界坐标系落在地面使用默认即可ALOHA 2 双臂系统世界坐标系在台面上Z 轴方向加偏移多环境并行大规模 Isaac Lab 场景的流式技巧Isaac Lab 天然支持并行环境如批量强化学习训练VisionProTeleop 也支持按需选取streamer.configure_isaac( scenescene, relative_to[0, 0.5, -0.3, 0], # 放到舒适的观察高度 include_groundFalse, env_indices[0], # 只流第 1 个环境节省带宽 streaming_hz60, # 流式更新频率 60Hz )env_indices控制哪些环境被流式传输大规模训练时只挑要看的几个效率极高include_ground决定是否带上地面平面避免遮挡 AR 视野streaming_hz调节位姿推送频率在流畅度与带宽之间做平衡。 小技巧真实遥操作通常只关注 1~2 个环境env_indices[0]是性能与体验的最佳平衡点。上手即用的两个实战示例项目 examples 目录里提供了开箱即用的完整脚本覆盖不同难度1️⃣ Franka Panda 机械臂遥操作— examples/15_franka_visionpro_teleop.py用右手腕位置控制机械臂末端捏合手势控制夹爪开合全程在 AR 中看到机械臂实时跟随你的手python examples/15_franka_visionpro_teleop.py --ip vision_pro_ip2️⃣ Unitree G1 人形机器人自由落体— examples/13_g1_freefall.py在 Isaac Lab 中让 G1 从高处自由落体并与地面交互直观展示大规模物理仿真的 AR 呈现python examples/13_g1_freefall.py --num-envs 4 --ip vision_pro_ip另外想先体验 MuJoCo 场景流式传输无需 Isaac Lab可以运行 examples/09_mujoco_streaming.py 回放预录轨迹。坐标系切换手部追踪数据无缝对齐仿真世界做遥操作时你最需要的是手部追踪数据位于仿真坐标系中而非 Vision Pro 原生坐标系。好消息是调用configure_isaac()后坐标原点自动切换为sims.set_origin(sim) # 仿真世界坐标系默认用于遥操作 s.set_origin(avp) # Vision Pro 原生地面坐标系通用手部追踪原点手部追踪坐标系适用场景avpVision Pro 地面坐标系通用手部追踪sim仿真世界坐标系遥操作、机器人控制这一点是新手最容易踩坑的地方——坐标系不对齐手和机械臂就会各说各话。性能表现大规模仿真流式传输值得信任吗由于传输的是紧凑位姿而非完整渲染帧网络开销大幅降低。项目自带的基准测试数据benchmarks/ 目录对比了有线/无线、单目/立体等多种模式有线模式延迟表现最优无线模式在便捷性上胜出。无论是本地局域网还是跨网络的 External Network 模式WebRTC TURN 中继穿透 NAT都能保持稳定流畅的仿真场景 AR 流式传输体验。常见问题速查 QVision Pro 连接不上确认设备在同一局域网且 Vision Pro 上的 Tracking Streamer 已启动并显示了 IP。Q场景没显示或者位置不对检查relative_to参数并确认 VisionOS 已识别物理地面include_groundFalse时注意场景锚点。Q手和机械臂位置对不上检查是否使用了originsim坐标系这是遥操作模式的默认且正确选择。Q画面卡顿、延迟高降低streaming_hz或只保留env_indices中必要的环境优先使用有线连接。总结VisionProTeleop 把Isaac Lab 大规模仿真场景的 AR 流式传输做到了三行代码接入的简单程度configure_isaac()完成场景转换update_sim()实时推送位姿relative_to与origin完成空间对齐。无论是单臂遥操作、人形机器人仿真还是大规模并行环境的可视化这套生态都能让仿真世界真正走进你的房间。 下一步克隆仓库git clone https://gitcode.com/gh_mirrors/vi/VisionProTeleop运行 examples 目录下的示例脚本开启你的第一次仿真场景 AR 流式传输体验吧【免费下载链接】VisionProTeleopVisionOS App Python Library to stream hand tracking data from Vision Pro, video/audio stream to Vision Pro.项目地址: https://gitcode.com/gh_mirrors/vi/VisionProTeleop创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
VisionProTeleop Isaac Lab大规模仿真场景 AR 流式传输实战指南【免费下载链接】VisionProTeleopVisionOS App Python Library to stream hand tracking data from Vision Pro, video/audio stream to Vision Pro.项目地址: https://gitcode.com/gh_mirrors/vi/VisionProTeleopVisionProTeleop 是一套专为机器人研究打造的开源生态由 VisionOS 应用Tracking Streamer与 Python 库avp_stream组成。它的核心能力是把 Apple Vision Pro 的手部/头部追踪数据实时流式传输给仿真程序同时将MuJoCo 与 Isaac Lab 的大规模仿真场景以 AR 形式直接呈现在你的眼前。本文面向刚接触仿真遥操作的开发者用最少的代码带你走通仿真场景 AR 流式传输的完整链路。为什么要把 Isaac Lab 仿真场景搬进 AR传统仿真渲染只能停留在 2D 平面屏幕上无论单目还是双目你都失去了空间感。而 VisionProTeleop 提供了一条全新的路径原生 3D 呈现Isaac Lab / MuJoCo 场景会被自动转换为 USD/USDZ 格式交给 Apple RealityKit 做逼真的原生渲染AR 与真实世界融合仿真机器人就摆放在你的房间里你可以绕着它走动、观察、操作低延迟闭环仿真姿态通过 WebRTC 实时推送网络只传输紧凑的位姿数据而非整帧画面延迟极低体验顺滑。简单说这就是把 Isaac Lab 的仿真世界3D 提升到你的物理空间中。项目组成一条完整的仿真流式传输链路组件作用Tracking StreamerVisionOS App流式发送手/头追踪数据接收仿真场景并用 RealityKit 原生渲染avp_streamPython 库接收追踪数据把 MuJoCo / Isaac Lab 仿真场景推送到 Vision ProTracking ManageriOS 配套 App管理录制数据、校准相机、同步设置三者配合即可完成从仿真场景 AR 流式传输到真实机器人遥操作的全流程。核心的 USDZ 导出与场景转换逻辑位于 avp_stream/utils/isaac_usdz_export.py包括 UDIM 纹理合图、材质转换OmniPBR → UsdPreviewSurface等关键步骤。环境准备最省心的安装方法Python 端一条命令即可完成pip install --upgrade avp_streamVisionOS 端从 App Store 安装Tracking Streamer即可无需任何额外网络配置开箱即用。⚠️注意Isaac Lab 本身是极其庞大的依赖因此avp_stream没有把它打包进来。如果你想用 Isaac Lab 作为仿真后端需要先按照 Isaac Lab 的官方安装指南准备好环境。一步接入用 configure_isaac() 开启 AR 流式传输在创建好 Isaac Lab 环境之后只需三行核心代码from avp_stream import VisionProStreamer streamer VisionProStreamer(ipavp_ip) # avp_ip 为 Vision Pro 在 App 中显示的 IP streamer.configure_isaac( sceneenv.scene, # Isaac Lab 的 InteractiveScene 对象 relative_to[0, 0, 0.8, 90], # 场景在 AR 中的摆放位置 include_groundFalse, # 是否包含地面 env_indices[0], # 只流式传输第 1 个环境 ) streamer.start_webrtc() while simulation_app.is_running(): env.step(action) streamer.update_sim() # 把最新位姿推送到 Vision Proconfigure_isaac()会把整个 Isaac Lab 场景自动导出为 USD再以 WebRTC 通道实时同步位姿更新。你几乎不需要关心序列化、传输、渲染的细节。关键参数把仿真场景精确摆放到 AR 空间AR 流式传输最大的特点是与真实世界融合所以你必须决定仿真世界坐标系落在物理空间的哪里这个由relative_to参数控制4 维格式[x, y, z, yaw°]— 平移 绕 Z 轴旋转角度制7 维格式[x, y, z, qw, qx, qy, qz]— 完整四元数姿态# 把场景世界原点放到地面以上 0.8 米处绕 Z 轴旋转 90° streamer.configure_isaac(sceneenv.scene, relative_to[0, 0, 0.8, 90])默认行为VisionOS 会自动检测物理地面把原点放在地面上站着时在你的脚底坐着时在你的椅子下。针对不同机器人推荐设置也不同——参考下表机器人世界坐标系位置推荐配置Unitree G1 人形机器人世界坐标系落在地面使用默认即可Google Robot世界坐标系落在地面使用默认即可ALOHA 2 双臂系统世界坐标系在台面上Z 轴方向加偏移多环境并行大规模 Isaac Lab 场景的流式技巧Isaac Lab 天然支持并行环境如批量强化学习训练VisionProTeleop 也支持按需选取streamer.configure_isaac( scenescene, relative_to[0, 0.5, -0.3, 0], # 放到舒适的观察高度 include_groundFalse, env_indices[0], # 只流第 1 个环境节省带宽 streaming_hz60, # 流式更新频率 60Hz )env_indices控制哪些环境被流式传输大规模训练时只挑要看的几个效率极高include_ground决定是否带上地面平面避免遮挡 AR 视野streaming_hz调节位姿推送频率在流畅度与带宽之间做平衡。 小技巧真实遥操作通常只关注 1~2 个环境env_indices[0]是性能与体验的最佳平衡点。上手即用的两个实战示例项目 examples 目录里提供了开箱即用的完整脚本覆盖不同难度1️⃣ Franka Panda 机械臂遥操作— examples/15_franka_visionpro_teleop.py用右手腕位置控制机械臂末端捏合手势控制夹爪开合全程在 AR 中看到机械臂实时跟随你的手python examples/15_franka_visionpro_teleop.py --ip vision_pro_ip2️⃣ Unitree G1 人形机器人自由落体— examples/13_g1_freefall.py在 Isaac Lab 中让 G1 从高处自由落体并与地面交互直观展示大规模物理仿真的 AR 呈现python examples/13_g1_freefall.py --num-envs 4 --ip vision_pro_ip另外想先体验 MuJoCo 场景流式传输无需 Isaac Lab可以运行 examples/09_mujoco_streaming.py 回放预录轨迹。坐标系切换手部追踪数据无缝对齐仿真世界做遥操作时你最需要的是手部追踪数据位于仿真坐标系中而非 Vision Pro 原生坐标系。好消息是调用configure_isaac()后坐标原点自动切换为sims.set_origin(sim) # 仿真世界坐标系默认用于遥操作 s.set_origin(avp) # Vision Pro 原生地面坐标系通用手部追踪原点手部追踪坐标系适用场景avpVision Pro 地面坐标系通用手部追踪sim仿真世界坐标系遥操作、机器人控制这一点是新手最容易踩坑的地方——坐标系不对齐手和机械臂就会各说各话。性能表现大规模仿真流式传输值得信任吗由于传输的是紧凑位姿而非完整渲染帧网络开销大幅降低。项目自带的基准测试数据benchmarks/ 目录对比了有线/无线、单目/立体等多种模式有线模式延迟表现最优无线模式在便捷性上胜出。无论是本地局域网还是跨网络的 External Network 模式WebRTC TURN 中继穿透 NAT都能保持稳定流畅的仿真场景 AR 流式传输体验。常见问题速查 QVision Pro 连接不上确认设备在同一局域网且 Vision Pro 上的 Tracking Streamer 已启动并显示了 IP。Q场景没显示或者位置不对检查relative_to参数并确认 VisionOS 已识别物理地面include_groundFalse时注意场景锚点。Q手和机械臂位置对不上检查是否使用了originsim坐标系这是遥操作模式的默认且正确选择。Q画面卡顿、延迟高降低streaming_hz或只保留env_indices中必要的环境优先使用有线连接。总结VisionProTeleop 把Isaac Lab 大规模仿真场景的 AR 流式传输做到了三行代码接入的简单程度configure_isaac()完成场景转换update_sim()实时推送位姿relative_to与origin完成空间对齐。无论是单臂遥操作、人形机器人仿真还是大规模并行环境的可视化这套生态都能让仿真世界真正走进你的房间。 下一步克隆仓库git clone https://gitcode.com/gh_mirrors/vi/VisionProTeleop运行 examples 目录下的示例脚本开启你的第一次仿真场景 AR 流式传输体验吧【免费下载链接】VisionProTeleopVisionOS App Python Library to stream hand tracking data from Vision Pro, video/audio stream to Vision Pro.项目地址: https://gitcode.com/gh_mirrors/vi/VisionProTeleop创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
