首页
/ VideoMimic项目环境配置全指南:从零搭建真实视频到机器人动作仿真系统

VideoMimic项目环境配置全指南:从零搭建真实视频到机器人动作仿真系统

2025-07-08 12:53:10作者:幸俭卉

项目概述

VideoMimic是一个创新的真实视频到仿真(Real-to-Sim)转换系统,能够将人类动作视频转化为机器人可执行的运动数据。该系统通过先进的计算机视觉和深度学习技术,实现了从视频输入到机器人动作控制的全流程处理。

环境配置特点

VideoMimic项目需要配置两个独立的conda环境,这是由于核心组件对CUDA和Python版本的特殊要求:

  1. 主环境(vm1rs)

    • Python 3.12
    • CUDA 12.4+
    • 负责人体预处理、运动优化和动作重定向
  2. 重建环境(vm1reocn)

    • Python 3.10
    • CUDA 11.8
    • 专用于MegaSam重建、NKSR网格化和GeoCalib重力校准

技术说明:这种双环境设计源于MegaSam组件对xformers 0.0.27及以下版本的依赖,而这些版本仅支持CUDA 11.8环境编译。同时NKSR组件也绑定在CUDA 11.8上。

系统要求

  • 操作系统:推荐Ubuntu 24.04
  • 硬件配置
    • NVIDIA GPU(建议A5000/A6000/A100系列)
    • 至少10GB可用磁盘空间用于模型和数据存储
  • 软件依赖
    • Conda包管理器
    • 正确版本的CUDA工具包

详细安装指南

1. 主环境(vm1rs)配置

基础环境创建

conda create -n vm1rs python=3.12
conda activate vm1rs
pip install -r requirements.txt

人体检测与姿态估计组件

  1. Grounded-SAM-2(边界框和分割)

    cd third_party/
    git clone Grounded-SAM-2仓库地址
    cd Grounded-SAM-2
    export CUDA_HOME=/usr/local/cuda-12.4
    pip install -e .
    pip install --no-build-isolation -e grounding_dino
    pip install transformers
    cd ../..
    
  2. ViTPose(2D姿态估计)

    pip install -U openmim
    pip install --upgrade setuptools
    mim install mmcv==1.3.9
    cd third_party/
    git clone ViTPose仓库地址
    cd ViTPose
    pip install -v -e .
    cd ../..
    
  3. VIMO(3D人体网格重建)

    pip install VIMO仓库地址
    
  4. BSTRO(接触检测)

    cd third_party/
    git clone --recursive bstro仓库地址
    cd bstro
    python setup.py build develop
    cd ../..
    

运动优化组件

  1. MegaHunter + PyRoki
    pip install -U "jax[cuda12]"
    pip install jaxls仓库地址
    git clone pyroki仓库地址
    cd pyroki
    pip install -e .
    cd ../..
    

核心依赖

pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1

2. 重建环境(vm1reocn)配置

cd third_party/
git clone --recursive megasam-package仓库地址
cd megasam-package
conda env create -f environment.yml
conda activate vm1recon

关键组件安装

  1. xformers特定版本

    wget xformers下载链接
    conda install xformers-0.0.22.post7-py310_cu11.8.0_pyt2.0.1.tar.bz2
    
  2. NKSR网格化

    conda install pytorch-lightning=1.9.4 tensorboard pybind11
    pip install nksr -f nksr下载链接
    
  3. GeoCalib重力校准

    git clone GeoCalib仓库地址
    cd GeoCalib
    pip install -e .
    cd ../..
    

环境使用指南

根据任务类型选择正确的环境:

# 人体检测、姿态估计和动作重定向
conda activate vm1rs

# 场景重建和网格化处理
conda activate vm1reocn

常见问题解决方案

编译错误处理

遇到g++-11相关错误时:

sudo apt update
sudo apt install g++-11
export CC=/usr/bin/gcc-11
export CXX=/usr/bin/g++-11

内存优化建议

  • MegaSam处理300帧约需24GB显存
  • Align3r处理150帧约需80GB显存
  • 可通过--end-frame--stride参数减少处理帧数

CUDA版本冲突

  • 确认主环境使用CUDA 12.4+
  • 重建环境必须使用CUDA 11.8
  • 通过nvcc --version检查当前CUDA版本

技术深度解析

VideoMimic系统的双环境设计反映了当前AI领域的一个常见挑战:不同前沿模型对底层框架的版本依赖往往存在冲突。主环境采用较新的CUDA 12.4和Python 3.12以获得最佳性能,而重建环境则为了兼容MegaSam等特定组件保留了CUDA 11.8的支持。

系统整合了多种先进技术:

  • Grounded-SAM-2提供精确的物体分割
  • ViTPose实现高精度2D姿态估计
  • VIMO构建3D人体网格
  • MegaSam负责场景重建
  • NKSR实现高效网格化

这种模块化设计使得系统可以灵活应对不同的应用场景,同时也为未来组件的升级替换提供了便利。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K