Ubuntu20.04本地配置IsaacLab 4.2.0的G1训练环境（二）：训练与推理

写在前面，本文档的实现需要IsaacLab的成功安装，可参考（一）。

训练

在IsaacLab目录下，isaaclab的conda虚拟环境下，执行：

./isaaclab.sh -p source/standalone/workflows/rsl_rl/train.py --task=Isaac-Velocity-Rough-G1-v0 --headless

这里的headless意思是不开GUI可视化界面，若出现如下界面，说明正在训练。

此时，可通过tensorboard查看训练进程各项数据。新开一个终端，确保进入了isaaclab虚拟环境。执行：

tensorboard --logdir logs/rsl_rl/g1_rough/xxx（这里是开始训练的时间，tab补全即可）

终端出现http://localhost:6006/或类似的链接，在浏览器中打开即出现如下画面：

推理

待3000回合（若没有特别指定，默认3000回合）训练完成后，进行推理测试，在终端中执行：

./isaaclab.sh -p source/standalone/workflows/rsl_rl/play.py --task=Isaac-Velocity-Rough-G1-v0 --num_envs=32

出现如下可视化界面，其中共有32个机器人（分布比较散），这个是与num_envs对应的。

补充：IsaacLab的操作是鼠标滚轮控制放大缩小，按住滚轮可以平移，左键是旋转。