Ubuntu18.04安装mojoco200、mujoco_py以及gym

引言

都说在虚拟机上跑Ubuntu是没有灵魂的，最近装了双系统（Windows10和Ubuntu18.04），并且配了一个DRL环境。

项目	版本号
mucojo	mujoco200
mujoco_py	2.0.2.13
gym	0.15.3

注意：最新版gym与mujoco_py冲突（2021年8月14日）

1 准备工作

提前安装好Anaconda、pycharm，并下载好mujoco的许可文件(mjkey.txt和freelicense.txt)、mujoco200。

2 安装过程

2.1 配置mujoco

下载完相关文件就可以开始安装了[1]。
1 在主目录下新建 .mujoco文件夹。(.开头的文件默认隐藏，按Ctrl+H键显示或隐藏)
2 将下载的mujoco200_linux解压到.mujoco文件夹下,修改文件夹名字为mujoco200。
3 将下载的mjkey.txt和freelicense.txt 文件拷贝到.mujoco\mujoco200\bin文件夹下。
4 新建两个系统环境变量
打开.bashrc文件.添加如下两行代码。注意第二行代码需修改XXX(xxx为本计算机名)。

# MUJOCO200 START
export MUJOCO_KEY_PATH=~/.mujoco${MUJOCO_KEY_PATH}
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/XXX/.mujoco/mujoco200/bin
# MUJOCO200 END

2.2 安装mujoco_py

打开终端，查看Anaconda环境

conda env list

2 在Anaconda里创建一个名为gym的环境

conda create -n drl python==3.6

3 激活drl环境

conda activate drl

4 进入.mujoco文件夹

cd /home/xxx/.mujoco

5 下载mujoco-py

git clone git://github.com/openai/mujoco-py.git

6 进入mujoco-py文件夹

cd mujoco-py/

7 更新

sudo apt-get update

8 安装依赖

pip3 install -r requirements.txt

2.3 安装gym

1 进入.mujoco文件夹

cd /home/xxx/.mujoco

2 下载gym

git clone git://github.com/openai/gym.git

3 进入gym文件夹

cd gym/

4 安装gym

pip install -e '.[all]'

3 测试

3.1查看当前环境的安装包

conda list

3.2 测试mujoco_py安装是否成功

在pycharm中新建测试脚本[2]

import mujoco_py
from os.path import dirname
model = mujoco_py.load_model_from_path(dirname(dirname(mujoco_py.__file__))  +"/xmls/claw.xml")
sim = mujoco_py.MjSim(model)

print(sim.data.qpos)
# [ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.]

sim.step()
print(sim.data.qpos)
# [  2.09217903e-06  -1.82329050e-12  -1.16711384e-07  -4.69613872e-11
#   -1.43931860e-05   4.73350204e-10  -3.23749942e-05  -1.19854057e-13
#   -2.39251380e-08  -4.46750545e-07   1.78771599e-09  -1.04232280e-08]

3.3 测试gym安装是否成功

import gym
env = gym.make("CartPole-v1") # 创建游戏环境
observation = env.reset() # 游戏回到初始状态
for _ in range(1000):
		env.render() # 显示当前时间戳的游戏画面
		action = env.action_space.sample() # 随机生成一个动作
		# 与环境交互，返回新的状态，奖励，是否结束标志，其他信息
		observation, reward, done, info = env.step(action)
		if done:#游戏回合结束，复位状态
				observation = env.reset()
env.close()

如果测试通过，则祝贺你，成功了！

结语

最后欢迎大家点赞👍，收藏⭐，转发🚀，
如有问题、建议，请您在评论区留言💬哦。

参考

[1]win10安装mujoco150、mujoco_py、gym
[2]openai /mujoco-py