Skip to content

Latest commit

 

History

History
107 lines (85 loc) · 4.51 KB

README.zh_CN.md

File metadata and controls

107 lines (85 loc) · 4.51 KB
Raw

English | 中文

简介

智元灵犀X1 是由智元研发并开源的模块化、高自由度人形机器人，X1的软件系统基于智元开源组件 AimRT 作为中间件实现，并且采用强化学习方法进行运动控制。

本工程为智元灵犀X1所使用的强化学习训练代码，可配合智元灵犀X1配套的推理软件进行真机和仿真的行走调试，或导入其他机器人模型进行训练。

代码运行

安装依赖

  1. 创建一个新的python3.8虚拟环境:
    • conda create -n myenv python=3.8.
  2. 安装 pytorch 1.13 和 cuda-11.7:
    • conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia
  3. 安装 numpy-1.23:
    • conda install numpy=1.23.
  4. 安装 Isaac Gym:
    • 下载并安装 Isaac Gym Preview 4 https://developer.nvidia.com/isaac-gym.
    • cd isaacgym/python && pip install -e .
    • Run an example with cd examples && python 1080_balls_of_solitude.py.
    • Consult isaacgym/docs/index.html for troubleshooting.
  5. 安装训练代码依赖：
    • Clone this repository.
    • pip install -e .

使用

Train:

python scripts/train.py --task=x1_dh_stand --run_name=<run_name> --headless

  • 训练好的模型会存/log/<experiment_name>/exported_data/<date_time><run_name>/model_<iteration>.pt 其中 <experiment_name> 在config文件中定义.

Play:

python /scripts/play.py --task=x1_dh_stand --load_run=<date_time><run_name>

生成jit模型:

python scripts/export_policy_dh.py --task=x1_dh_stand --load_run=<date_time><run_name>

  • jit模型会存在 log/exported_policies/<date_time>

生成onnx模型:

python scripts/export_onnx_dh.py --task=x1_dh_stand --load_run=<date_time>

  • onnx模型会存在 log/exported_policies/<date_time>

参数说明：

  • task: Task name
  • resume: Resume training from a checkpoint
  • experiment_name: Name of the experiment to run or load.
  • run_name: Name of the run.
  • load_run: Name of the run to load when resume=True. If -1: will load the last run.
  • checkpoint: Saved model checkpoint number. If -1: will load the last checkpoint.
  • num_envs: Number of environments to create.
  • seed: Random seed.
  • max_iterations: Maximum number of training iterations.

添加新环境

1.在 envs/目录下创建一个新文件夹，在新文件夹下创建一个配置文件<your_env>_config.py和环境文件<your_env>_env.py，这两个文件要分别继承LeggedRobotCfg和LeggedRobot

2.将新机器的urdf, mesh, mjcf放到 resources/文件夹下

  • 在<your_env>_config.py里配置新机器的urdf path，PD gain，body name, default_joint_angles, experiment_name等

3.在humanoid/envs/__init__.py里注册你的新机器

sim2sim

使用mujoco来进行sim2sim验证：

python scripts/sim2sim.py --task=x1_dh_stand --load_model /path/to/exported_policies/

手柄使用

我们使用Logitech f710手柄，在启动play.py和sim2sim.py时，按住4的同时转动摇杆可以控制机器人前后，左右和旋转。

按键 命令
4 + 1- 前进
4 + 1+ 后退
4 + 0- 左平移
4 + 0+ 右平移
4 + 3- 逆时针旋转
4 + 3+ 顺时针旋转

目录结构

.
|— humanoid           # 主要代码目录
|  |—algo             # 算法目录
|  |—envs             # 环境目录
|  |—scripts          # 脚本目录
|  |—utilis           # 工具、功能目录
|— logs               # 模型目录
|— resources          # 资源库
|  |— robots          # 机器人urdf, mjcf, mesh
|— README.md          # 说明文档

参考项目: