pick你的第一个人形机器人——青龙强化学习环境测试

最近感受到的大趋势是具身智能，强化学习，模仿学习做人形机器人，这个赛道很火，颇有前些年全力投入做自动驾驶的架势，正好最近用强化学习解决POMDP问题接触到了强化学习，闲逛博客发现了上海人工智能实验室青龙开源强化学习环境。正好以此来练练手，了解了解人形机器人。

一、环境配置

• 本地环境
  • 系统：ubuntu22.04
  • CPU: Intel® Core™ i9-14900K
  • GPU: NVIDIA GeForce RTX 4090
  • Docker version 26.0.0, build 2ae903e
  • Driver Version: 535.171.04
  • CUDA Version: 12.2

conda安装可以参考我配置pytorch环境的博客Ubuntu20.04系统配置Pytorch环境(GPU版)

1.创建虚拟环境

conda create -n AzureLoong python=3.8

2.激活虚拟环境

conda activate AzureLoong

3.安装pytorch

pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117

4.克隆源码

git clone https://atomgit.com/openloong/gymloong

5.安装Issac gym

cd ./gymloong/isaacgym/python
pip install -e .

6.测试示例

cd ./examples 
python joint_monkey.py

此时有可能会报错，报错信息如下：

ImportError: libpython3.8.so.1.0: cannot open shared object file: No such file or directory

在命令行中输入以下指令

sudo find / -name libpython3.8.so.1.0

找到AzureLoong中的libpython3.8.so.1.0，如图所示

使用以下命令将其复制到/usr/lib目录下

sudo cp /home/kemove/miniconda3/envs/AzureLoong/lib/libpython3.8.so.1.0  /usr/lib/

重新以下执行指令，出现以下界面说明安装成功

cd ./examples 
python joint_monkey.py

7.安装gpu_rl

##注意这里使用自己的路径，我这里使用的是本地的绝对路径
cd /home/kemove/gymloong/AzureLoong/gpu_rl
pip install -e .

这里会报一个错，是setuptools版本太高了，重新安装其指定的版本，然后重新执行安装gpu_rl的指令即可

##安装指定版本
pip install setuptools==59.5.0
##重新安装gpu_rl
pip install -e .

8.安装gpuGym

##注意这里使用自己的路径，我这里使用的是本地的绝对路径
cd /home/kemove/gymloong/AzureLoong
pip install -e .

9.安装WandB

pip install wandb

二、开始训练

1.进入到训练脚本所在的路径

##注意这里使用自己的路径，我这里使用的是本地的绝对路径
cd /home/kemove/gymloong/AzureLoong/gpugym/scripts

2.执行以下指令开始训练

python train.py --task=AzureLoong

训练正常开始会弹出以下画面，按V暂停可视化，命令行中显示了每轮训练中奖励的平均数值

三、训练成果

训练结束后，输入以下指令展示训练的结果

python play.py --task=AzureLoong

训练结果如下图所示，图中的小点点是一个个小机器人，它们跑到了四面八方，目前我还不理解这结果能说明什么，等以后再研究吧

目前只是跑通了训练的demo，该框架的研究以后再补坑，先研究决策规划去了。