- 博客(8)
- 收藏
- 关注
RSS订阅原创 Mujoco足式机器人强化学习训练07+（使用星图ai云服务器模型训练)
本文介绍了在优快云星图AI GPU服务器上部署Mujoco Playground环境的实践方法。作者通过对比AutoDL平台，总结了星图AI的优缺点：价格优势明显但功能尚不完善。文章详细说明了创建实例、上传数据（使用Filezilla）、SSH连接等操作步骤，重点分享了环境配置中的关键问题：由于GitHub加速服务不稳定，作者采用手动下载mujoco-mjx压缩包的方式绕过代理限制，并修改pyproject.toml文件完成本地安装。文中还提供了完整的配置文件内容，为在星图AI平台部署类似强化学习环境提供
2026-02-24 23:02:19
908
原创 Mujoco足式机器人强化学习训练07（使用AUTODL云服务器模型训练)
本文介绍了在Autodl云服务器上训练MuJoCo强化学习模型的具体流程。主要包括：创建实例并配置自定义镜像（mujoco_rl），使用Filezilla上传数据，通过SSH连接服务器进行模型训练，以及使用Tensorboard监控训练过程。文章还详细说明了如何设置离线训练环境，通过screen工具保持训练任务持续运行。该方案解决了本地电脑显存不足的问题，为MuJoCo强化学习实验提供了可行的云端部署方案。
2026-02-12 15:09:52
996
原创 Mujoco足式机器人强化学习训练06（环境注册、训练)
本文介绍了Mujoco Playground中环境注册的两个关键部分：训练环境注册和PPO环境注册。训练环境注册包括env/task注册、config参数配置和randomizer随机化设置；PPO环境注册则涉及默认参数配置。文章提供了相关代码示例和文件路径说明，为机器人强化学习训练的环境设置提供了实践指导。
2026-02-09 09:20:54
805
原创 Mujoco足式机器人强化学习训练05（XML机器人模型文件)
本文介绍了Mujoco仿真环境中XML文件夹的使用方法，重点解析了机器人模型文件和环境文件的配置。文章以scene_mjx_feetonly_rough_terrain.xml为例，详细说明了文件结构：首先引入机器人模型，然后创建地形，最后设置关键帧。特别讲解了粗糙地形的实现方式，即通过高度场（hfield）将黑白PNG图像转换为三维地形。作者指出使用全碰撞模型比仅足端碰撞效果更好，并提醒高度场地形会降低训练速度且无法在训练中修改。文章为Mujoco机器人仿真提供了实用的配置指南。
2026-02-08 16:58:43
1182
原创 Mujoco足式机器人强化学习训练04（四足机器人)
本文介绍了mujoco_playground中的joystick.py脚本，该脚本为Go1机器人构建操纵杆环境，主要功能包括随机生成三维速度指令、加入传感器噪声与扰动、设计多种奖励函数等。文章详细解析了代码结构，包括参数设置（如控制参数、奖励系数、速度指令范围）、机器人模型导入方式以及初始化过程。该环境支持软关节限位、命令采样等功能，可用于训练鲁棒的步态控制策略。参数配置部分特别说明了KP、KD值的覆写机制以及动作缩放系数的调整方法。
2026-02-08 14:19:16
1441
原创 Mujoco足式机器人强化学习训练03（四足机器人)
本文梳理了Mujoco Playground中go1机器人的训练架构。主要包含三个部分：1)工程文件结构，包括6个训练脚本和XML模型文件；2)go1_constants.py定义路径拼接和传感器全局变量；3)base.py基类实现感知数据提取和环境初始化。整体架构通过全局变量实现传感器数据获取，基类封装了Mujoco仿真接口，为不同训练任务提供统一支持。
2026-02-04 20:54:16
872
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人