Isaac-gym(5)：关于强化学习

hongliyu_lvliyu

已于 2023-02-20 15:47:48 修改

阅读量2.7k

点赞数 4

分类专栏： RL 文章标签：深度学习人工智能

于 2022-11-18 11:22:00 首次发布

本文链接：https://blog.csdn.net/hongliyu_lvliyu/article/details/127917645

版权

RL 专栏收录该内容

13 篇文章 42 订阅

订阅专栏

希望和正在或者想要学习使用ISAAC-GYM的朋友一起有一个讨论群，尝试互帮互助，交流学习内容~
目前刚开始尝试，不知道能不能建立起来，如果有意向请私戳！！
——2023.02

官方链接：

https://github.com/NVIDIA-Omniverse/IsaacGymEnvs

1、环境建立示例

import isaacgym
import isaacgymenvs
import torch

envs = isaacgymenvs.make(
	seed=0, 
	task="Ant",     #对应执行时用到的名称
	num_envs=2000, 
	sim_device="cuda:0",
	rl_device="cuda:0",
)
print("Observation space is", envs.observation_space)
print("Action space is", envs.action_space)
obs = envs.reset()
for _ in range(20):
	obs, reward, done, info = envs.step(
		torch.rand((2000,)+envs.action_space.shape, device="cuda:0")
	)

2、运行benchmarks

尝试训练可以终端输入：

python train.py task=Cartpole
python train.py task=Ant

其中train.py位于 ~/IsaacGymEnvs/isaacgymenvs。

默认情况下，会显示一个预览窗口，会降低训练速度。可以在运行时使用v键来禁用查看器更新，并允许训练更快地进行。训练几秒钟后，当效果变好时，再次按下v键恢复观看。
（点击画面，按v后所有对象静止，再按v恢复）

使用esc键或关闭查看器窗口以提前停止训练。

同时，可以选择盲训，在终端中使用Control-C提前停止：

python train.py task=Ant headless=True

train-Ant

3、载入训练的模型/Checkpoints

Checkpoints保存于路径：runs/EXPERIMENT_NAME/nn
其中EXPERIMENT_NAME为 task name，在envs示例注释中有提到；但也可以通过参数experiment来覆盖。

载入一个Checkpoint并断点续训：

python train.py task=Ant checkpoint=runs/Ant/nn/Ant.pth

导入训练模型且仅体现推断效果（不训练）：

python train.py task=Ant checkpoint=runs/Ant/nn/Ant.pth test=True num_envs=64

(num_envs=64 可更改)

如果路径名称中含有“[” 或者 “=” ：

checkpoint="./runs/Ant/nn/last_Antep\=501rew\[5981.31\].pth"

4、配置和命令行参数

train.py中的关键参数包括：

task=TASK
选择要训练的任务。包括：AllegroHand, Ant, Anymal, AnymalTerrain, BallBalance, Cartpole, FrankaCabinet, Humanoid, Ingenuity, Quadcopter, ShadowHand, ShadowHandOpenAI_FF, ShadowHandOpenAI_LSTM, and Trifinger。
对应于：isaacgymenvs/config/task中的文件
train=TRAIN
选择要使用的培训配置。将自动默认为环境的正确配置。
例如：<TASK>PPO
num_envs=NUM_ENVS
选择要使用的环境个数（覆盖任务配置中设置的默认环境数）
seed=SEED
为随机化设置种子值，并覆盖在任务配置中设置的默认种子
test=TEST
如果设置为True，则仅对策略运行推断，不执行任何训练
checkpoint=CHECKPOINT_PATH
设置要加载以进行培训或测试的检查点的路径。
headless=HEADLESS
是否选择使用headless模式
experiment=EXPERIMENT
设置实验的名称
max_iterations=MAX_ITERATIONS
设置要运行的迭代次数。为提供的环境提供了合理的默认值。
sim_device=SIM_DEVICE_TYPE
用于物理模拟的设备。设置为cuda:0（默认值）以使用GPU，设置为cpu以使用CPU。遵循类似PyTorch的设备语法。
rl_device=RL_DEVICE
用于RL算法的设备/ID。默认为cuda:0，并遵循类似PyTorch的设备语法。
graphics_device_id=GRAPHICS_DEVICE_ID
用于渲染的Vulkan图形设备ID。默认值为0。注意-这可能与CUDA设备ID不同，并且不遵循类似PyTorch的设备语法。
pipeline=PIPELINE
要使用的API管道。默认为gpu，也可以设置为cpu

允许将配置文件中的变量直接设置为命令行参数。例如，要设置rl_games训练运行的折扣率，可以使用train.prarams.config.gamma=0.999。同样，也可以设置任务配置中的变量。例如，task.env.enableDebugVis=True。

配置的任务和训练部分的工作方式是通过使用配置组。task的实际配置在isaacgamenvs/config/task/<task>.yaml中，train的配置在isaac gamenvs/cnfig/train/<task>PPO.yaml中。

5、Tasks

tasks的源代码路径：isaacgymenvs/tasks
每个任务都将isaacgymenvs/base/vec_task.py中的VecEnv基类子类化；
建立自己的tasks可以参考：~/IsaacGymEnvs/docs/framework.md
每个tasks的细节可以参考：https://github.com/NVIDIA-Omniverse/IsaacGymEnvs/blob/main/docs/rl_examples.md

6、视频录制

获取模拟器图片的API：env.render(mode='rgb_rray')
获取模拟器视频的API：gym.wrappers.RecordVideo
通过以下示例可以存储视频到video文件夹中：

import gym
import isaacgym
import isaacgymenvs
import torch

envs = isaacgymenvs.make(
	seed=0, 
	task="Ant", 
	num_envs=20, 
	sim_device="cuda:0",
	rl_device="cuda:0",
	graphics_device_id=0,
	headless=False,
	multi_gpu=False,
	virtual_screen_capture=True,
	force_render=False,
)
envs.is_vector_env = True
envs = gym.wrappers.RecordVideo(
	envs,
	"./videos",
	step_trigger=lambda step: step % 10000 == 0, # record the videos every 10000 steps
	video_length=100  # for each video record up to 100 steps
)
envs.reset()
print("the image of Isaac Gym viewer is an array of shape", envs.render(mode="rgb_array").shape)
for _ in range(100):
	envs.step(
		torch.rand((20,)+envs.action_space.shape, device="cuda:0")
	)

7、在训练时存储视频

可以通过切换capture_video=True标志自动捕捉代理游戏的视频，并通过capture_video_len=100调整捕捉频率capture_video_freq=1500和视频长度。可以设置force_render=False，以在未捕捉视频时禁用渲染:

python train.py capture_video=True capture_video_freq=1500 capture_video_len=100 force_render=False

您还可以将视频自动上传到“权重和偏差”：

python train.py task=Ant wandb_activate=True wandb_entity=nvidia wandb_project=rl_games capture_video=True force_render=False

8、其他

多GPU训练
您可以使用torchuron（即torch.distributed）使用此存储库在NGC上运行多GPU训练。
例如：

torchrun --standalone --nnodes=1 --nproc_per_node=2 train.py multi_gpu=True task=Ant <OTHER_ARGS>

其中：
--nproc_per_node=：指定要运行的进程数
multi_gpu=True：必须在训练脚本上设置标志，才能运行多GPU训练。

域随机化
https://github.com/NVIDIA-Omniverse/IsaacGymEnvs/blob/main/docs/domain_randomization.md
再现性和确定性
https://github.com/NVIDIA-Omniverse/IsaacGymEnvs/blob/main/docs/reproducibility.md