wheel_legged_genesis 开源项目复现与问题记录

Reinforcement learning of wheel-legged robots based on Genesis

System Requirements

Ubuntu 20.04/22.04/24.04

python >= 3.10


开始配置环境!

点击releases后进入,下载对应最新版本的代码:

将下载后的代码包解压到你的自定义路径下,开始配置相关的项目环境:

conda create -n wlg python=3.10

conda activate wlg

这里我的CUDA版本装的是12.1,所以安装对应的pytorch版本

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

现在需要下载Genesis:

GitHub - Genesis-Embodied-AI/Genesis: A generative world for general-purpose robotics & embodied AI learning.

cd wheel_legged_genesis-0.0.7

pip install genesis-world # Requires Python >=3.9;

git clone https://github.com/Genesis-Embodied-AI/Genesis.git

cd Genesis

pip install -e .

cd ..

再install tensorboard:

pip install tensorboard

pip install pygame

pip install opencv-python

最后install rsl-rl:

cd rsl_rl && pip install -e .

好了,下面开始测试并运行代码:

test:

cd wheel_legged_genesis-0.0.7

python locomotion/wheel_legged_eval.py

遇到如下报错:

解决方法:

在项目的utils目录下打开终端,使用pycharm编辑器,创建一个__init__.py文件:

touch init.py

再次运行代码,遇到如下error:

这个需要将代码中的所有相对路径设置为绝对路径,就不一一展示了。

需要注意的是代码中的参数需要修改如下:

python 复制代码
def main():
    parser = argparse.ArgumentParser()
    parser.add_argument("-e", "--exp_name", type=str, default="wheel-legged-walkingv0.0.7")
    parser.add_argument("--ckpt", type=int, default=4000)
    args = parser.parse_args()

再次运行代码,直到出现如下画面:

说明代码运行成功!环境配置无误!


参考:
GitHub - Albusgive/wheel_legged_genesis: Reinforcement learning of wheel-legged robots based on Genesis

GitHub - Genesis-Embodied-AI/Genesis: A generative world for general-purpose robotics & embodied AI learning.

相关推荐
TL滕21 小时前
从0开始学算法——第二十一天(高级链表操作)
笔记·学习·算法
黑客思维者21 小时前
机器学习014:监督学习【分类算法】(逻辑回归)-- 一个“是与非”的智慧分类器
人工智能·学习·机器学习·分类·回归·逻辑回归·监督学习
草梅友仁21 小时前
墨梅博客 MVP 发布与草梅 Auth 更新 | 2025 年第 51 周草梅周报
开源·github·ai编程
旖旎夜光1 天前
Linux知识(1)(下)
linux·学习
秋深枫叶红1 天前
嵌入式第三十九篇——linux系统编程——信号通信、共享内存
linux·运维·服务器·学习
arron88991 天前
以目标检测基础知识学习分割模型算法
学习·算法·目标检测
咸鱼加辣1 天前
【nginx面试题】nginx虚拟
运维·nginx·github
JAVA+C语言1 天前
Python新手学习
开发语言·python·学习
龚子亦1 天前
【GameFramework框架】FSM使用
学习·unity·游戏开发·游戏框架
roman_日积跬步-终至千里1 天前
【人工智能导论】07-学习-CNN:卷积+池化+多层堆叠,有效处理图像等结构化数据
人工智能·学习·cnn