unitree rl gym项目实践记录1：部署unitree rl gym项目

以下是关于Unitree RL Gym项目部署的步骤和注意事项：

主要按照宇树项目的文档进行：项目中文文档

安装配置文档

本机系统

操作系统：使用 Ubuntu 22.04
显卡：Nvidia 显卡1660 6G
用ubuntu-drivers devices查看推荐的显卡驱动，这个就是：driver : nvidia-driver-580 - distro non-free recommended

复制代码

  (rlgym) wen@wen-MS-7D22:~/unitree_rl_gym$ ubuntu-drivers devices
  == /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
  modalias : pci:v000010DEd00002184sv000010DEsd00001366bc03sc00i00
  vendor   : NVIDIA Corporation
  model    : TU116 [GeForce GTX 1660]
  driver   : nvidia-driver-580-open - distro non-free
  driver   : nvidia-driver-535 - distro non-free
  driver   : nvidia-driver-418-server - distro non-free
  driver   : nvidia-driver-580 - distro non-free recommended
  driver   : nvidia-driver-470 - distro non-free
  driver   : nvidia-driver-570-open - distro non-free
  driver   : nvidia-driver-545-open - distro non-free
  driver   : nvidia-driver-570 - distro non-free
  driver   : nvidia-driver-580-server - distro non-free
  driver   : nvidia-driver-450-server - distro non-free
  driver   : nvidia-driver-545 - distro non-free
  driver   : nvidia-driver-535-server - distro non-free
  driver   : nvidia-driver-470-server - distro non-free
  driver   : nvidia-driver-535-server-open - distro non-free
  driver   : nvidia-driver-570-server-open - distro non-free
  driver   : nvidia-driver-580-server-open - distro non-free
  driver   : nvidia-driver-570-server - distro non-free
  driver   : nvidia-driver-535-open - distro non-free
  driver   : xserver-xorg-video-nouveau - distro free builtin

驱动版本 ：580 ，安装指令：

sudo apt install nvidia-driver-580
查驱动支持的CUDA版本，指令：nvidia-smi

复制代码

  (rlgym) @wen-MS-7D22:~/unitree_rl_gym$ nvidia-smi
  Fri Oct 17 19:42:36 2025       
  +-----------------------------------------------------------------------------------------+
  | NVIDIA-SMI 580.65.06              Driver Version: 580.65.06      CUDA Version: 13.0     |
  +-----------------------------------------+------------------------+----------------------+
  | GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
  | Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
  |                                         |                        |               MIG M. |
  |=========================================+========================+======================|
  |   0  NVIDIA GeForce GTX 1660        Off |   00000000:01:00.0  On |                  N/A |
  |  0%   44C    P8              1W /  120W |     355MiB /   6144MiB |      1%      Default |
  |                                         |                        |                  N/A |
  +-----------------------------------------+------------------------+----------------------+

  +-----------------------------------------------------------------------------------------+
  | Processes:                                                                              |
  |  GPU   GI   CI              PID   Type   Process name                        GPU Memory |
  |        ID   ID                                                               Usage      |
  |=========================================================================================|
  |    0   N/A  N/A            1824      G   /usr/lib/xorg/Xorg                      115MiB |
  |    0   N/A  N/A            1979      G   /usr/bin/gnome-shell                     38MiB |
  |    0   N/A  N/A            3841      G   .../7024/usr/lib/firefox/firefox        178MiB |
  +-----------------------------------------------------------------------------------------+

安装CUDA 13
*

bash 复制代码

$ wget https://developer.download.nvidia.com/compute/cuda/13.0.2/local_installers/

$ cuda_13.0.2_580.95.05_linux.runsudo sh cuda_13.0.2_580.95.05_linux.run

查看CUDA版本

复制代码

  (rlgym) wen@wen-MS-7D22:~/unitree_rl_gym$ nvcc --version
  nvcc: NVIDIA (R) Cuda compiler driver
  Copyright (c) 2005-2025 NVIDIA Corporation
  Built on Wed_Aug_20_01:58:59_PM_PDT_2025
  Cuda compilation tools, release 13.0, V13.0.88
  Build cuda_13.0.r13.0/compiler.36424714_0

Ubuntu22.04系统、显卡驱动、CUDA toolkit安装好后，可以进行以下的unitree-rl-gym部署

1. 创建虚拟环境

建议在虚拟环境中运行训练或部署程序，推荐使用 Conda 创建虚拟环境。如果您的系统中已经安装了 Conda，可以跳过步骤 1.1。

1.1 下载并安装 MiniConda

MiniConda 是 Conda 的轻量级发行版，适用于创建和管理虚拟环境。使用以下命令下载并安装：

复制代码

mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm ~/miniconda3/miniconda.sh

安装完成后，初始化 Conda：

复制代码

~/miniconda3/bin/conda init --all
source ~/.bashrc

1.2 创建新环境

使用以下命令创建虚拟环境：

复制代码

conda create -n unitree-rl python=3.8

1.3 激活虚拟环境

复制代码

conda activate unitree-rl

2. 安装依赖

2.1 安装 PyTorch

PyTorch 是一个神经网络计算框架，用于模型训练和推理。使用以下命令安装：

复制代码

conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=12.1 -c pytorch -c nvidia

2.2 安装 Isaac Gym

Isaac Gym 是 Nvidia 提供的刚体仿真和训练框架。

2.2.1 下载

从 Nvidia 官网下载 Isaac Gym。

2.2.2 安装

解压后进入 isaacgym/python 文件夹，执行以下命令安装：

复制代码

cd isaacgym/python
pip install -e .

2.2.3 验证安装

运行以下命令，若弹出窗口并显示 1080 个球下落，则安装成功：

复制代码

cd examples
python 1080_balls_of_solitude.py

如有问题，可参考 isaacgym/docs/index.html 中的官方文档。

2.3 安装 rsl_rl

rsl_rl 是一个强化学习算法库。

2.3.1 下载

通过 Git 克隆仓库：

复制代码

git clone https://github.com/leggedrobotics/rsl_rl.git

2.3.2 切换分支

切换到 v1.0.2 分支：

复制代码

cd rsl_rl
git checkout v1.0.2

2.3.3 安装

复制代码

pip install -e .

2.4 安装 unitree_rl_gym

2.4.1 下载

通过 Git 克隆仓库：

复制代码

git clone https://github.com/unitreerobotics/unitree_rl_gym.git

2.4.2 安装

进入目录并安装：

复制代码

cd unitree_rl_gym
pip install -e .

2.5 安装 unitree_sdk2py（可选）

unitree_sdk2py 是用于与真实机器人通信的库。如果需要将训练的模型部署到物理机器人上运行，可以安装此库。

2.5.1 下载

通过 Git 克隆仓库：

复制代码

git clone https://github.com/unitreerobotics/unitree_sdk2_python.git

2.5.2 安装

进入目录并安装：

复制代码

cd unitree_sdk2_python
pip install -e .

总结

按照上述步骤完成后，您已经准备好在虚拟环境中运行相关程序。若遇到问题，请参考各组件的官方文档或检查依赖安装是否正确。