legged-gym环境配置

已于 2025-04-24 17:21:52 修改
阅读量146 收藏 1
点赞数 1
文章标签： python
于 2025-04-23 20:03:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Docter_Wei1201/article/details/147461821
版权

耗时两周时间才跑通的legged-gym开源项目，里面遇到了很多问题，在这分享一下自己的经验。一开始想在实验室的服务器上运行的，但是最后遇到问题：段错误。一直也没有找到很好的方式，可能跟我一开始更新显示驱动有关系吧。后来用的学弟的电脑：机械革命4060的显卡。（吐槽一句机械革命装双系统真的麻烦），接下来从头说一下这个项目的历程吧。

1.装双系统（这里没有太大的问题）

引用一下大佬的教程，真的很nice啊，装机强推。Windows 和 Ubuntu 双系统的安装和卸载_哔哩哔哩_bilibili

2.装完系统最麻烦的问题就是装驱动

进入系统建议先更新一下自己的库，亲测有效，可以解决很多库冲突的问题。

安装NVIDIA驱动

直接在更新与系统里面，选择NVIDIA驱动的更新（此处选择没有server的版本，我选择的是535的）

安装cuda

这里我选用的版本是12.1，这里在cuda的范围内就可以，并且后面安装pytorch的时候需要注意版本是否符合。

【服务器重装】ubuntu20.04-深度学习服务器环境配置_哔哩哔哩_bilibili

3.legged的环境配置

Ubuntu20.04 运行 Legged Gym（腿足强化学习）-CSDN博客

遇到的版本问题解决方案：

legged gym（包含isaac gym）丝滑安装教程_legged gym安装-CSDN博客

4.项目实战

（1）添加自己的机器人

isaacgym(legged_gym)学习 （一）—— 添加自己的机器人模型并训练_isaacgym在训练自己的模型过程中机器人倒了-CSDN博客

【动手学具身智能】legged_gym项目实践（一）启动训练与测试结果_isaacgym导入宇树h1-CSDN博客

Docter_Wei1201
关注
【Legged Gym 01】配置Ubuntu系统上的Isaac Gym和Legged Gym环境
xuzhengzhe的博客
09-05 2009
开始教程之前，让我们先简单了解一下Isaac Gym和Legged Gym。
【Legged Gym】Legged Gym训练参数详解与自定义任务实现
xuzhengzhe的博客
09-07 3243
Legged Gym 允许用户通过自定义 task 来实现新的任务。task 类定义了机器人在环境中需要完成的任务目标和评估标准。要创建自定义任务，你需要继承 Legged Gym 的 Task 基类，并实现必要的方法，如__init__reset和step。这些方法定义了任务的初始化、重置和每个时间步的行为。
Legged Gym从零快速配置
weixin_46587349的博客
02-18 251
找到符合自己的cuda版本,eg.12.1, 在pytorch.org里下载。
isaacgym(legged_gym)学习 （二）—— 设置环境地形
weixin_45315065的博客
01-08 7613
如何设置isaacgym中的环境地形，来实现特殊任务需要的训练！！！！文件中我们可以不用管这个。mesh_type = 'trimesh' # 地形网格类型：'trimesh'（三角形网格），可选值包括 'none', 'plane', 'heightfield', 'trimesh'horizontal_scale = 0.1 # 水平缩放比例，单位：米vertical_scale = 0.005 # 垂直缩放比例，单位：米border_size = 25 # 边界大小，单位：米。
Isaac gym、IsaacGymEnvs、legged_gym、humanoid-gym安装汇总
weixin_45355406的博客
12-11 2631
Isaac gym、IsaacGymEnvs、legged_gym、humanoid-gym 安装汇总
机器人训练环境isaac gym以及legged_gym项目的配置问题
Qrange123的博客
12-24 6824
isaac gym是现阶段主流的机器人训练环境之一，而“下载Isaac Gym Preview 4（readme教程上写的是3，但是4向下兼容）。成功运行：进入该位置：输入：再回到 legged_gym目录下，到有setup.py文件的位置，再次输入完成配置。
【具身相关】legged_gym, isaacgym、rsl_rl关系梳理及相关笔记
几度热忱的博客
03-12 1997
【legged_gym】legged_gym, isaacgym代码逻辑梳理 总体关系 IsaacGym legged_gym rsl_rl 三者的关系 legged_gym代码库介绍 环境模块env
legged_gym代码阅读及解释
Guanhj_BIT_1995的博客
02-08 4753
legged_gym是苏黎世联邦理工大学（ETH）机器人系统实验室开源的基于英伟达推出的仿真平台Issac gym（目前该平台已不再更新维护）的足式机器人仿真框架。注意：该框架完全运行起来依赖强化学习框架rsl_rl和Issac gym，本文不对强化学习框架rsl_rl和仿真平台脚本进行描述解释。legged_gym ├──envs ├──__init__.py └──机器人文件夹
legged-gym包
12-11
综合上述信息，我们可以推断“legged-gym包”很可能是一个用于模拟、训练和测试腿式机器人的软件环境。这个软件包可能包括了与腿式机器人运动学和动力学相关的算法、模拟器以及与之相关的工具和接口。通过这个软件包...
包含了legged-gym所需要的各种资源包，都是对应版本
04-23
需要配置环境，才能运行
pybullet-gym:用于OpenAI Gym强化学习研究平台的OpenAI Gym MuJoCo环境的开源实现
05-02
PyBullet体育馆 PyBullet Gymperium是OpenAI Gym MuJoCo... 为了展示新环境的可用性，将 Reinforcement学习库中的多个RL代理配置为开箱即用。 为了简化实施环境的研究，每个环境都配备了经过预训练的代理，这些代理可以
【记录】Python调用大模型（以Deepseek和Qwen为例）
最新发布
weixin_44194088的博客
04-29 172
预备（以BERTopic聚合主题为例）
用Java模拟打字：深入解析 java.awt.Robot 的键盘控制艺术
码觉客的博客
04-28 1210
通过，我们可以实现强大的键盘自动化功能。对于简单的字符（英文字母、数字、基础标点等），可以通过模拟单个按键的按下和释放（可能需要配合 Shift 等修饰键）来实现，这需要建立字符到键码的映射并注意按键时序和延迟。对于复杂字符、中文或长文本，由于Robot不理解输入法逻辑，最可靠和常用的方法是将文本复制到系统剪贴板，然后模拟按下系统的粘贴快捷键。无论使用哪种方法，理解Robot的工作原理（模拟物理按键），处理好窗口焦点，并加入适当的延迟，是确保模拟输入成功的关键。虽然Robot。
Python项目--基于计算机视觉的手势识别控制系统
exlink2012的专栏
04-23 2777
随着人机交互技术的快速发展，传统的键盘、鼠标等输入设备已经不能满足人们对自然、直观交互的需求。手势识别作为一种非接触式的人机交互方式，具有操作自然、交互直观的特点，在智能家居、游戏控制、虚拟现实等领域有着广泛的应用前景。 本项目旨在开发一个基于计算机视觉的手势识别控制系统，通过摄像头捕获用户的手部动作，实时识别手势类型，并将识别结果转化为相应的控制命令，实现对计算机或其他设备的非接触式控制。
京东商品详情API数据爬取难度分析与解决方案
Asher18870278351的博客
04-28 761
京东商品数据爬取是一项技术要求高、维护成本大的工程，需要综合运用网络爬虫、密码学分析和分布式系统等多领域知识。成功的爬虫系统需要在技术实现、资源投入和合规边界之间找到平衡点。随着电商平台安全技术的不断升级，爬取方也需要持续迭代技术手段，同时更应关注数据获取的合法合规性。
基于亚马逊云科技搭建企业问答系统
正在自我救赎的菜鸟。本人所有内容均不收费，可随意转发，复制
04-27 1019
在当今信息密集的企业环境中，如何快速、安全地构建专属知识库成为提升效率的关键。本教程将手把手教你如何从零开始，借助 Amazon Bedrock 控制台与 DeepSeek 大语言模型，将企业内部文档转化为可交互的问答系统（RAG 架构）。无需任何编程经验，只需按照步骤操作，即可轻松完成搭建与体验。
JVM的内存管理、垃圾回收、类加载和参数调优
andrew_1219的博客
04-29 625
在面试中通常会考察JVM判断候选人的技术热情，对于Javaer还是比较重要的，整理一下JVM相关的知识点，包括JVM的内存管理、垃圾回收、类加载机制、JVM调优参数
实验3 函数与代码复用
2202_75500160的博客
04-25 247
目的：理解函数封装与递归思想。
legged_gym go2
03-22
<think>嗯，用户想要找关于legged_gym和Go2相关的技术资料或教程，特别是关于机器人仿真框架的内容。首先，我需要确认legged_gym是什么，以及Go2机器人的背景。根据用户提供的引用[1]和[2]，legged_gym是ETH Zurich开发的一个基于NVIDIA Isaac Gym的开源项目，主要用于腿足式机器人的强化学习研究。而Go2应该是宇树科技（Unitree）的Go1或后续型号的机器人，可能是Go2。 接下来，用户可能需要具体的安装配置教程、如何将legged_gym与Go2模型结合使用，或者相关的强化学习训练方法。引用中提到的Isaac Gym环境安装教程和相关训练步骤可能是关键。需要检查是否有官方文档或社区资源支持这些内容。此外，用户可能对实际应用案例和优化方法感兴趣，比如如何调整参数以适应Go2的动力学模型，或者如何处理仿真到现实的迁移问题。 另外，用户的问题中提到了“simulation framework”，可能需要解释legged_gym在仿真中的作用，以及如何与其他工具如ROS或Gazebo集成。可能需要建议用户查阅ETH Zurich的官方GitHub仓库，以及Unitree的开发者资源，寻找是否有现成的模型或接口。同时，社区论坛如GitHub Issues、ROS Answers或者Reddit的机器人学习板块可能有相关讨论。 需要注意的是，用户可能遇到的环境配置问题，比如Ubuntu版本、CUDA支持、Python依赖等，这些在引用中提到的教程里可能有详细说明。此外，强化学习的训练流程、奖励函数设计、策略优化等也是用户潜在的需求点。最后，应该提醒用户关注仿真与真实机器人的差异，以及如何进行有效的策略迁移，确保学习的模型能够在实际Go2机器人上运行。</think>### 关于Legged Gym与Go2机器人的仿真框架技术资料 Legged Gym是基于NVIDIA Isaac Gym开发的腿足机器人强化学习框架[^2]，而Go2是宇树科技（Unitree）推出的四足机器人。以下是相关技术资料和教程的整理： --- #### 1. **Legged Gym的核心资源** - **官方代码仓库**： ETH Zurich的[Legged Gym GitHub仓库](https://github.com/leggedrobotics/legged_gym)包含环境配置、训练脚本和示例。 - **关键依赖**： 需要配置NVIDIA Isaac Gym（需CUDA支持）和PyTorch，具体步骤参考引用[1]的安装教程。 - **训练示例**： ```bash # 示例训练命令（需在Isaac Gym环境中运行） python scripts/train.py --task=go2_flat ``` --- #### 2. **Go2机器人仿真集成** - **模型适配**： Legged Gym默认支持ANYmal等机器人模型，若需集成Go2，需完成以下步骤： 1. 从Unitree官方获取Go2的URDF模型文件。 2. 修改Legged Gym的`resources/robots`目录，添加Go2的动力学参数[^1]。 3. 调整奖励函数以适应Go2的运动特性（如步态稳定性）。 - **仿真到现实（Sim2Real）**： ETH团队提出了域随机化（Domain Randomization）方法，可通过修改`configs/ppo_go2.yaml`中的噪声参数提升策略迁移性[^2]。 --- #### 3. **推荐教程与实践指南** - **Isaac Gym基础教程**： - [官方文档](https://developer.nvidia.com/isaac-gym)中的“Getting Started”部分。 - 引用[1]提到的配置教程，详细说明Ubuntu环境依赖和常见错误修复。 - **Legged Gym进阶应用**： - 使用`legged_gym`训练自定义任务（如爬楼梯、抗扰动）：需修改`envs/legged_robot.py`中的观测空间和奖励函数。 - 可视化工具：通过`isaacgym.gymutil`实时监控关节状态和足端力。 --- #### 4. **社区与扩展资源** - **GitHub Issues**： 在Legged Gym仓库的Issues中搜索“Go2”或“Unitree”，部分用户已分享适配经验。 - **ROS集成**： 若需与ROS通信，可通过`rosbridge`将Legged Gym的策略部署到真实Go2机器人。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值