GUARD环境配置与安装

---

一、安装环境

安装环境官方代码：

conda create --name venv python=3.8
conda activate venv
pip install -r requirements.txt

安装成功截图（很奇怪这里第一遍安装的时候各种报错，第二遍直接成功很顺畅）

1、解决mpi4py报错

按照官方readme.md文档流程安装环境时出现了mpi4py安装失败的报错。
报错原因：缺少 MPI（消息传递接口）的头文件，在进行编译时，编译器找不到 mpi.h 文件。要解决这个问题，需要安装一个 MPI 实现，如 MPICH 或 Open MPI。对于 Debian/Ubuntu 系统：

sudo apt install libmpich-dev    # 安装 MPICH
sudo apt install libopenmpi-dev  # 安装 Open MPI

2、解决mujoco报错

后续运行代码python cpo.py --task Goal_Point_8Hazards --seed 1时发现mujoco也出现报错ModuleNotFoundError。
报错原因：尽管在pip install -r requirements.txt已经尝试过安装相关的 mujoco-py，但MuJoCo 不是一个可以通过简单 pip install mujoco 安装的 Python 包，需要安装 MuJoCo 的物理引擎，并确保配置适当的环境变量。

安装 MuJoCo 物理引擎并配置适当的环境变量
访问 MuJoCo 官网 下载mujoco200 linux版本解压至.mujoco目录下，并修改文件名为mujoco200（这步很重要，因为网上教程大多是基于这个路径）。

添加环境变量：
vim ~/.bashrc 在最后添加下面三行：

export LD_LIBRARY_PATH=~/.mujoco/mujoco200/bin${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} 
export MUJOCO_KEY_PATH=~/.mujoco${MUJOCO_KEY_PATH}
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/nvidia

source ~/.bashrc

检查环境变量：

echo $LD_LIBRARY_PATH
echo $MUJOCO_KEY_PATH

输出结果应是 MuJoCo 库的路径：

(base) qxt@user-System-Product-Name:~/.mujoco/mujoco200/bin$ echo $LD_LIBRARY_PATH
/data/qxt/.mujoco/mujoco200/bin
(base) qxt@user-System-Product-Name:~/.mujoco/mujoco200/bin$ echo $MUJOCO_KEY_PATH
/data/qxt/.mujoco

测试：

cd ~/.mujoco/mujoco200/bin
./simulate ../model/humanoid.xml

出现这个界面表示安装成功。

但是我一直出现报错：

Invalid MIT-MAGIC-COOKIE-1 key
ERROR: could not initialize GLFW

网上说法1、Invalid MIT-MAGIC-COOKIE-1 key是因为 X11 的 xauth 授权信息不匹配导致的。需要确保你的 xauth 授权正确，并且被正确添加到你的 SSH 会话中。2、 could not initialize GLFWGLFW 是用于创建窗口和处理输入的库，MuJoCo 使用它来显示图形界面。这个错误可能是因为 GLFW 无法找到正确的显示环境。

在尝试了n种方法仍未得到有效解决后，我突然发现在本地用MobaXterm连接服务器可以运行，于是我直接在MobaXterm终端查看 X11 图形服务器的地址

(base) qxt@user-System-Product-Name:~$ echo $DISPLAY
localhost:11.0

然后在VS Code里手动指定

export DISPLAY=:11.0

发现可以运行了。。。

最后，安装：safe_rl_envs

cd safe_rl_envs
pip install -e .

---

二、开始训练

1、配置环境参数

预配置环境集safe_rl_env_config.py，训练流程将通过--task <env name>自动创建预配置环境。

2、训练（以 CPO 为例）

cd safe_rl_lib/cpo
conda activate venv
python cpo.py --task Goal_Point_8Hazards --seed 1

训练日志（例如，config、model）将保存在cpo/logs/中。

---