1 制作系统盘

（1）下载

https://releases.ubuntu.com/20.04.6/

选择 ubuntu-20.04.6-desktop-amd64.iso下载

（2）制作系统盘

https://rufus.ie/zh/

使用 Rufus 制作系统盘（推荐）
Rufus 是一款免费开源的小工具，制作过程非常直观。
​​下载并运行 Rufus​​：从其官网或可信渠道下载最新版，打开软件。
​​设备选择​​：插入U盘，Rufus 通常会自动识别。如果没有，请手动选择正确的U盘设备。
​​选择镜像​​：点击“选择”按钮，找到并打开你下载的 Ubuntu 20.04 ISO 文件。
​​分区类型​​：在“分区类型”处，建议选择 ​​MBR​​（针对 BIOS 或 UEFI-CSM 启动的电脑）。如果你的电脑是较新的 UEFI 启动模式，也可以选择 GPT。
​​开始写入​​：确认设置无误后，点击“开始”按钮。软件会提示数据将被销毁，确认后便会开始写入镜像。耐心等待直到提示“准备就绪”或“刻录完成”。

2 安装系统

U盘插入电脑，电脑启动后按F2或F1进入Bios界面，选择启动选项，选择从U盘启动
执行默认安装。全部选择默认选项执行。

3 安装中文输入法

下载安装包

https://shurufa.sogou.com/linux

（2）根据官方安装教程，先配置再安装包。注意对于新系统，比如ubuntu24.04输入法是不支持的。

https://shurufa.sogou.com/linux/guide

3 安装miniconda

下载适用于64位系统的 Miniconda安装脚本

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh

使用 bash命令执行下载的脚本。

bash Miniconda3-latest-Linux-x86_64.sh

安装程序初始化后，需要重新启动终端或使用 source命令使更改生效。

source ~/.bashrc

4 配置pip镜像

在 Ubuntu 系统上将 pip 源更换为阿里云镜像，可以显著提升包的下载速度。以下是具体的配置方法，分为永久配置和临时使用两种方式。
永久配置后，每次使用 pip 安装包都会默认从阿里云镜像获取，在终端中依次执行以下两条命令即可：

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
pip config set global.trusted-host mirrors.aliyun.com

这个命令会自动在您的用户目录下创建正确的配置文件。

5 安装cuda

ctrl+alt+T打开终端，终端执行命令“nvidia-smi”，查看cuda版本

在以下cuda官网，选择对应版本的cuda 下载，ubuntu20.04一般选择12.6

https://developer.nvidia.com/cuda-toolkit-archive

6 安装cudnn

官网最新的cudnn安装方式，建议通过针对每个conda环境安装。以下是多种方式，任选其一。
，不再是通过复制文件的方式来全局安装。
先通过conda创建环境

conda create -n py310 python=3.10

激活conda

conda activate py310

然后在conda环境中安装cudnn

conda install nvidia::cudnn cuda-version=12

docker pull nvidia/cuda:12.8.1-cudnn-devel-ubuntu22.04

pip install nvidia-cudnn

pip install nvidia-cudnn-frontend

7 pytorch

选择linux、以上对应安装的cuda版本
https://pytorch.org/get-started/locally/

pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126

8 gymnasium

强化学习API库，OpenAI Gym 的社区继承版，为强化学习研究和开发提供了大量标准化的仿真环境接口，例如经典控制问题、Atari 游戏。

pip install gymnasium

9 stable_baseline3

强化学习常见算法库，这是一个基于 PyTorch 实现的、集成了多种先进且可靠的强化学习算法（如 PPO、DQN）的库，旨在让算法的复现和应用变得更加稳定和便捷

pip install stable-baselines3

简单例子

import gymnasium

from stable_baselines3 import PPO

env = gymnasium.make("CartPole-v1", render_mode="human")

model = PPO("MlpPolicy", env, verbose=1)
model.learn(total_timesteps=10_000)

vec_env = model.get_env()
obs = vec_env.reset()
for i in range(1000):
    action, _states = model.predict(obs, deterministic=True)
    obs, reward, done, info = vec_env.step(action)
    vec_env.render()
    # VecEnv resets automatically
    # if done:
    #   obs = vec_env.reset()

10 mujoco 仿真环境

MuJoCo（Multi-Joint dynamics with Contact）是一个专注于多关节系统接触动力学的高性能物理引擎，在机器人仿真、生物力学和强化学习等领域应用广泛

pip install mujoco

11 robosuite任务场景

这是一个基于 MuJoCo 物理引擎构建的机器人仿真框架，提供了丰富的预定义机器人模型（如机械臂）和任务场景，专门用于机器人操控任务的强化学习与模仿学习研究

git clone https://github.com/ARISE-Initiative/robosuite.git
cd robosuite
# （可选）切到v1.5.1以获得与robomimic示例最匹配的版本：
git checkout v1.5.1
# 安装依赖
pip install -r requirements.txt
# 安装 robosuite（可选）
pip install -e .

简单例子

# test_kinova3.py
import robosuite as suite
import numpy as np
# 创建一个简单的 Lift 环境，机器人换成 Kinova3
env = suite.make(
    env_name="Lift",           # robosuite 提供的任务名，如 Lift、PickPlace、Door 等
    robots="Kinova3",          # 使用 Kinova3 机械臂
    has_renderer=True,
    has_offscreen_renderer=False,
    use_camera_obs=False
)

obs = env.reset()
print("reset obs keys:", obs.keys() if isinstance(obs, dict) else type(obs))
# 随机动作演示若控制器可用：
for _ in range(200):
    action = np.random.uniform(env.action_spec[0], env.action_spec[1])
    obs, reward, done, info = env.step(action)
    env.render()
env.close()

12 robomimic模仿学习算法库

这是一个专注于机器人模仿学习的框架，支持行为克隆、生成对抗模仿学习等多种方法，并能与 robosuite 无缝协作，利用专家演示数据来训练机器人策略

conda create -n robomimic python=3.10.0 -y
conda activate robomimic

git clone https://github.com/ARISE-Initiative/robomimic.git
cd robomimic
pip install -e .