2025年8月11日：由于缺乏广泛的社区使用，此项目已被弃用，不再计划接收任何额外的更新或支持。

目录：

• 简介
• 安装
• 使用
• 环境
• 设计与定制
• 故障排除

简介

MiniWorld 是一个简约的 3D 室内环境模拟器，用于强化学习与机器人研究。它可以用来模拟包含房间、门、走廊和各种对象（例如：办公室和家庭环境、迷宫）的环境。MiniWorld 可以被视为 VizDoom 或 DMLab 的更简单替代品。它完全使用 Python 编写，旨在方便学生修改或扩展。

特性：

• 依赖少，不易出错，易于安装
• 易于创建自己的关卡或修改现有关卡
• 性能良好，帧率高，支持多进程
• 轻量级，下载体积小，内存需求低
• 采用宽松的 MIT 许可证提供
• 附带各种免费的 3D 模型和纹理
• 提供完全可观测的俯视/鸟瞰视图
• 支持领域随机化，用于从模拟到现实的迁移
• 能够在墙壁上显示字母数字字符串
• 能够生成与相机图像（RGB-D）匹配的深度图

局限性：

• 图形基础，远未达到照片级真实感
• 物理模拟非常基础，不足以支持机器人手臂或操作任务

使用 MiniWorld 的出版物和投稿列表（请提交 Pull Request 以添加缺失条目）：

• Towards real-world navigation with deep differentiable planners (VGG, Oxford, CVPR 2022)
• Decoupling Exploration and Exploitation for Meta-Reinforcement Learning without Sacrifices (Stanford University, ICML 2021)
• Rank the Episodes: A Simple Approach for Exploration in Procedurally-Generated Environments (Texas A&M University, Kuai Inc., ICLR 2021)
• DeepAveragers: Offline Reinforcement Learning by Solving Derived Non-Parametric MDPs (NeurIPS Offline RL Workshop, Oct 2020)
• Pre-trained Word Embeddings for Goal-conditional Transfer Learning in Reinforcement Learning (University of Antwerp, Jul 2020, ICML 2020 LaReL Workshop)
• Temporal Abstraction with Interest Functions (Mila, Feb 2020, AAAI 2020)
• Addressing Sample Complexity in Visual Tasks Using Hindsight Experience Replay and Hallucinatory GANs (Offworld Inc, Georgia Tech, UC Berkeley, ICML 2019 Workshop RL4RealLife)
• Avoidance Learning Using Observational Reinforcement Learning (Mila, McGill, Sept 2019)
• Visual Hindsight Experience Replay (Georgia Tech, UC Berkeley, Jan 2019)

此模拟器是在 Mila 工作期间创建的。

安装

要求：

• Python 3.7+
• Gymnasium
• NumPy
• Pyglet (OpenGL 3D 图形库)
• 用于 3D 图形加速的 GPU（可选）

你可以通过 PyPI 安装：

python3 -m pip install miniworld

你也可以从源码安装：

git clone https://github.com/Farama-Foundation/Miniworld.git
cd Miniworld
python3 -m pip install -e .

如果遇到任何问题，请查看故障排除指南。

使用

有一个简单的 UI 应用程序，允许你手动控制模拟或真实机器人。manual_control.py 应用程序将启动 Gym 环境，显示相机图像并将动作（键盘命令）发送回模拟器或机器人。--env-name 参数指定要加载的环境。有关更多信息，请参阅可用环境列表。

./manual_control.py --env-name MiniWorld-Hallway-v0

# 显示环境的俯视图
./manual_control.py --env-name MiniWorld-Hallway-v0 --top_view

还有一个用于运行自动化测试的脚本 (run_tests.py) 和一个用于收集性能指标的脚本 (benchmark.py)。

离屏渲染（集群和 Colab）

在集群或 Colab 环境中运行 MiniWorld 时，你需要渲染到离屏显示器。你可以通过设置环境变量 PYOPENGL_PLATFORM 为 egl 来离屏运行 gym-miniworld，例如：

PYOPENGL_PLATFORM=egl python3 your_script.py

或者，如果这不起作用，你也可以尝试使用 xvfb 运行 MiniWorld，例如：

xvfb-run -a -s "-screen 0 1024x768x24 -ac +extension GLX +render -noreset" python3 your_script.py

引用

如需引用此项目，请使用：

@article{MinigridMiniworld23,
  author       = {Maxime Chevalier-Boisvert and Bolun Dai and Mark Towers and Rodrigo de Lazcano and Lucas Willems and Salem Lahlou and Suman Pal and Pablo Samuel Castro and Jordan Terry},
  title        = {Minigrid \& Miniworld: Modular \& Customizable Reinforcement Learning Environments for Goal-Oriented Tasks},
  journal      = {CoRR},
  volume       = {abs/2306.13831},
  year         = {2023},
}

MiniWorld 快速上手指南

MiniWorld 是一个轻量级的 3D 室内环境模拟器，专为强化学习和机器人研究设计。它使用 Python 编写，易于修改和扩展。

环境准备

系统要求：

• Python 3.7 或更高版本
• 支持 OpenGL 的显卡（可选，用于 3D 图形加速）

前置依赖：

• Gymnasium
• NumPy
• Pyglet (用于 OpenGL 3D 图形渲染)

安装步骤

推荐使用 pip 从 PyPI 安装：

python3 -m pip install miniworld

或者，你也可以从源代码安装：

git clone https://github.com/Farama-Foundation/Miniworld.git
cd Miniworld
python3 -m pip install -e .

注意： 由于项目已停止维护，若安装过程遇到网络问题，可尝试使用 -i https://pypi.tuna.tsinghua.edu.cn/simple 参数指定国内 PyPI 镜像源。

基本使用

安装完成后，你可以通过一个简单的 UI 应用程序手动控制模拟环境。

1. 运行手动控制程序： 以下命令将启动 Gym 环境，显示摄像头图像，并允许你通过键盘命令控制智能体。

   ./manual_control.py --env-name MiniWorld-Hallway-v0
   

2. 显示俯视视角： 你可以添加 --top_view 参数来获得环境的俯视视角。

   ./manual_control.py --env-name MiniWorld-Hallway-v0 --top_view
   

在无头服务器或 Colab 中运行： 如果你在集群或 Colab 等没有显示器的环境中运行，需要设置离屏渲染。在运行脚本前设置环境变量：

PYOPENGL_PLATFORM=egl python3 your_script.py

如果上述方法无效，可以尝试使用 xvfb 虚拟显示：

xvfb-run -a -s "-screen 0 1024x768x24 -ac +extension GLX +render -noreset" python3 your_script.py

现在，你已经可以开始使用 MiniWorld 创建和探索 3D 环境了。更多环境列表和自定义方法，请参考项目文档。