说明

这是云深处四足机器狗isaaclab训练环境的安装指南。
我在之前写了对应版本的IsaacSim IsaacLab的安装方法：
https://blog.csdn.net/ModestCoder_/article/details/155579590

前置条件

✅ 已安装 Isaac Sim 5.1.0
✅ 已安装 Isaac Lab 2.3.0
✅ Conda 环境 isaaclab 已激活

---

快速安装

1. 克隆仓库（包含子模块）

# 进入工作目录
cd ~/workspace  # 或你的项目目录

# 克隆仓库并递归获取子模块
git clone --recurse-submodules https://github.com/DeepRoboticsLab/rl_training.git

# 进入目录
cd rl_training

💡 注意: 必须使用 --recurse-submodules 参数，因为项目依赖子模块 deep_robotics_model

2. 安装扩展

# 确保 conda 环境已激活
conda activate isaaclab

# 安装 rl_training 扩展（使用 -e 可编辑模式）
python -m pip install -e source/rl_training

3. 验证安装

# 列出所有可用环境
python scripts/tools/list_envs.py

预期输出:

- Rough-Deeprobotics-Lite3-v0
- Rough-Deeprobotics-M20-v0

✅ 如果看到这两个环境，说明安装成功！

---

训练与测试

训练 Lite3

# 无头模式训练（推荐）
python scripts/reinforcement_learning/rsl_rl/train.py \
    --task=Rough-Deeprobotics-Lite3-v0 \
    --headless

# 带 GUI 训练（调试用）
python scripts/reinforcement_learning/rsl_rl/train.py \
    --task=Rough-Deeprobotics-Lite3-v0

训练 M20

python scripts/reinforcement_learning/rsl_rl/train.py \
    --task=Rough-Deeprobotics-M20-v0 \
    --headless

播放训练好的策略

# 播放最新的模型
python scripts/reinforcement_learning/rsl_rl/play.py \
    --task=Rough-Deeprobotics-Lite3-v0 \
    --num_envs=10

# 带键盘控制（单个机器人）
python scripts/reinforcement_learning/rsl_rl/play.py \
    --task=Rough-Deeprobotics-Lite3-v0 \
    --num_envs=1 \
    --keyboard

键盘控制说明:

• ↑ / Numpad 8: 向前移动
• ↓ / Numpad 2: 向后移动
• → / Numpad 4: 向左移动
• ← / Numpad 6: 向右移动
• Z / Numpad 7: 左转
• X / Numpad 9: 右转

录制视频

# 需要先安装 ffmpeg
sudo apt install ffmpeg

# 录制 200 帧视频
python scripts/reinforcement_learning/rsl_rl/play.py \
    --task=Rough-Deeprobotics-Lite3-v0 \
    --num_envs=10 \
    --video \
    --video_length 200

---

高级用法

多 GPU 训练

# 使用 2 个 GPU，每个 GPU 2048 个环境
python -m torch.distributed.run \
    --nnodes=1 \
    --nproc_per_node=2 \
    scripts/reinforcement_learning/rsl_rl/train.py \
    --task=Rough-Deeprobotics-Lite3-v0 \
    --headless \
    --distributed \
    --num_envs=2048

查看训练日志

# 启动 TensorBoard
tensorboard --logdir=logs

# 浏览器访问
# http://localhost:6006

恢复训练

python scripts/reinforcement_learning/rsl_rl/train.py \
    --task=Rough-Deeprobotics-Lite3-v0 \
    --headless \
    --resume \
    --load_run run_folder_name \
    --checkpoint model.pt

---

资源链接

• GitHub: https://github.com/DeepRoboticsLab/rl_training
• 视频教程:
  • Bilibili
  • YouTube
• Discord: https://discord.gg/gdM9mQutC8

---