m0_47719040的博客

本节将详细介绍skrl中的API，我们只做Pytorch部分的说明。

在本节中，您将学习如何使用 skrl 库的各种组件来创建强化学习任务。进入安装 isaac lab 时创建的conda虚拟环境在该环境下进入 isaac sim文件夹中运行终端中输入运行你的代码，进行训练。

本节将详细介绍RSL-RL Wrapper包装器。

RL Games 是由 NVIDIA 开发的一个专注于强化学习（Reinforcement Learning, RL）的高性能开源框架，主要用于快速训练和部署强化学习模型。其设计目标是为复杂环境（如机器人控制、游戏AI、多智能体系统等）提供高效的训练工具，同时支持分布式训练和GPU加速。本文介绍了rl_games强化学习库的一些基本功能。此外，本文还提供了使用类似IsaacGymEnvs包的结构（IsaacLab可参考）创建新环境和算法，为 rl_games 的扩展指南。

第十二讲、Isaaclab中使用RL对智能体进行训练本节将详细介绍RL-Games Wrapper包装器。进入安装 isaac lab 时创建的conda虚拟环境在该环境下进入 isaac sim文件夹中运行终端中输入运行你的代码，进行训练。

本节以spot四足机器人为例展开，具体内容包含以下部分做了些什么。明确spot.usd的结构。运用的policy.pt的输入输出分别是什么。如何控制spot.usd中的joint运动。