Walk in the Park 项目使用教程-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00413/article/details/142810407

Walk in the Park 项目使用教程

walk_in_the_park 项目地址: https://gitcode.com/gh_mirrors/wa/walk_in_the_park

1. 项目介绍

Walk in the Park 是一个用于训练模拟或真实 A1 四足机器人行走的开源项目。该项目基于模型自由强化学习（Model-Free Reinforcement Learning），旨在通过简单的代码实现快速训练机器人行走。项目的主要目标是提供一个易于理解和使用的框架，帮助研究人员和开发者快速上手并进行相关实验。

项目的主要特点包括：

支持模拟和真实机器人训练。
提供详细的配置文件和训练脚本。
基于 Python 和常用的机器学习库（如 TensorFlow 或 PyTorch）。

2. 项目快速启动

2.1 安装依赖

首先，克隆项目到本地：

git clone https://github.com/ikostrikov/walk_in_the_park.git
cd walk_in_the_park

安装项目所需的依赖：

pip install -r requirements.txt

2.2 安装机器人 SDK

如果需要在真实机器人上进行训练，需要安装机器人 SDK。首先安装依赖：

cd real/third_party/unitree_legged_sdk
mkdir build
cd build
cmake ..
make

然后将生成的 robot_interface_XXX.so 文件复制到项目目录中。

2.3 运行模拟训练

使用以下命令启动模拟训练：

MUJOCO_GL=egl XLA_PYTHON_CLIENT_PREALLOCATE=false python train_online.py --env_name=A1Run-v0 \
--utd_ratio=20 \
--start_training=1000 \
--max_steps=100000 \
--config=configs/droq_config.py

2.4 在真实机器人上训练

如果需要在真实机器人上进行训练，只需在上述命令中添加 --real_robot=True 参数：

MUJOCO_GL=egl XLA_PYTHON_CLIENT_PREALLOCATE=false python train_online.py --env_name=A1Run-v0 \
--utd_ratio=20 \
--start_training=1000 \
--max_steps=100000 \
--config=configs/droq_config.py \
--real_robot=True

3. 应用案例和最佳实践

3.1 应用案例

Walk in the Park 项目可以应用于多种场景，包括但不限于：

机器人研究：用于开发和测试新的强化学习算法。
教育：作为教学工具，帮助学生理解强化学习和机器人控制。
工业应用：用于开发和测试工业机器人的行走和控制算法。

3.2 最佳实践

参数调优：在训练过程中，根据具体需求调整 --utd_ratio、--start_training 和 --max_steps 等参数，以获得最佳的训练效果。
数据可视化：使用 TensorBoard 等工具实时监控训练过程，分析训练数据，优化模型性能。
多环境训练：尝试在不同的模拟环境中进行训练，以提高模型的泛化能力。