google-deepmind/robotics-antigravity-plugin
硬件与物联网为 Gemini 系编码 Agent 提供机器人技能,可在 MuJoCo 仿真中开发并在真实机械臂上运控。
项目介绍
这是一个面向 Google Antigravity 的插件,把机器人相关的「技能」打包给 Agent 使用。Agent 负责编写控制器,先在 MuJoCo 仿真里测试,再尝试把同一份代码放到真实机械臂上运行;也支持只做仿真、不接硬件。项目定位在闭环控制、硬件快速接入和持续迭代的机器人应用,适合希望把空间推理、多模态感知和代码生成直接接进机器人回路的使用者。
README 给出的示例提示词分两类:纯仿真的任务(骑自行车的鹈鹕、LeRobot SO-101 分拣杂货、双臂 Franka 搭建咖啡店场景)和真实机器人任务(启动 SO-101 或 I2RT YAM 臂抓取物体并录制视频)。底层模型背景见 Gemini Robotics。
快速使用
- 安装最新版 Google Antigravity。
- 用 Antigravity 命令行安装插件:
agy plugin install https://github.com/google-deepmind/robotics-antigravity-plugin
也可以手动克隆后复制到本地插件目录,并重启 Antigravity:
git clone https://github.com/google-deepmind/robotics-antigravity-plugin.git
mkdir -p ~/.gemini/config/plugins
cp -r robotics-antigravity-plugin/plugins/* ~/.gemini/config/plugins/
也可以用 npx skills 安装单个技能:
npx skills add google-deepmind/robotics-antigravity-plugin
- 如果插件是从这个 GitHub 仓库安装而不是从 Antigravity Marketplace 安装,七个 MuJoCo API 技能不会自带,需要从官方 MuJoCo 技能目录补齐:
npx skills add google-deepmind/mujoco
- 调用 Gemini 感知模型的技能,在运行前设置环境变量
GEMINI_API_KEY。
完成后即可在 Agent 会话里按 README 示例提出仿真或机器人任务,再运行生成的控制器,查看轨迹或录制的视频。
使用约束
- 走 Antigravity 路线需要安装 Google Antigravity;仓库围绕其插件发现清单和
plugins/robotics目录组织。 - 真实机器人场景需要兼容硬件,例如 SO-101 或 I2RT YAM Pro 机械臂,以及插件提供的启动技能;只用仿真则不需要机器人。
- 部分技能会在运行时下载第三方软件或机器人模型,或调用 Gemini API 等第三方服务,这些内容遵循各自的许可证和条款,与仓库的 Apache-2.0 许可证分开。
安全提醒
运行中的机器人可能伤人并损坏设备。README 要求操作者留在机器人旁、保持工作区清空、把断电方式放在手边,并对机器人的安全运行负责。
HotRepo 点评
仓库在 2026-11-19 记录到 109 stars、10 forks,并在当天的 Python 新项目榜上以约一小时新增 5 stars 出现。样本时间很短,没有足够数据判断走势。从技术形态看,它没有发布运行时,而是以「Agent 插件 + 技能」的形式分发;除 Marketplace 版本外,MuJoCo API 技能特意交给 MuJoCo 项目维护,这种拆分方式值得留意。
本文由 AI 根据项目 README 生成,更新于 ,以项目官方文档为准。
Hacker News 讨论
相关推荐
- google-deepmind/mujoco面向机器人、生物力学和机器学习研究的通用物理引擎,用于对多关节结构和接触进行快速、准确的仿真。
- mit-han-lab/pear在仿真中用强化学习训练推理模型,使其直接控制真实机器人的后训练引擎。
- rerun-io/rerun开源 SDK 与查看器,用于记录、可视化和查询机器人及传感器多模态时序数据。
- intrinsic-ai/intrinsic-core面向工业机器人的本地运行时、SDK 与实时控制框架,基于 ROS 2 提供运动规划、6-DoF 感知和硬件抽象。
- NVIDIA/skills面向 Claude Code、Codex 等编程 Agent 的 NVIDIA 官方技能目录,让 Agent 按 NVIDIA 产品正确调用 Physical AI、仿真、CUDA 与 RAG 工作流。