- 博客(39)
- 收藏
- 关注
RSS订阅原创 XRoboToolkit —— 基于 PICO 4 Ultra 的机器人遥操作方案（一）
视觉-语言-动作模型（Vision-Language-Action models）的快速发展催生了对大规模、高质量机器人演示数据集的迫切需求。尽管遥操作是数据采集的主要方法，但现有方法存在可扩展性有限、设置流程复杂以及数据质量不佳等问题。本文提出XRoboToolkit，这是一个基于OpenXR标准的跨平台扩展现实（XR）机器人遥操作框架。该系统具备低延迟立体视觉反馈、基于优化的逆运动学算法，并支持多种跟踪模态，包括头部、控制器、手部及辅助运动追踪器。
2025-08-22 07:00:00
617
原创 近期人形机器人强化学习运动控制器综述与分析
本文探讨了人形机器人全身控制器(WBC)的关键作用与发展趋势。WBC作为机器人的"运动皮层"，负责将高级指令转化为精确的关节控制，是连接规划层与执行层的核心模块。文章系统分析了18个基于强化学习的WBC系统，揭示了当前主流设计模式：采用50Hz的关节位置输出配合1000Hz的PD控制层；输入通常包含机器人本体感知状态和动作历史；支持多种运动指令模式（如根部速度、全身姿态等）。训练方法主要依赖强化学习结合动作捕捉数据，通过教师-学生框架提升鲁棒性。尽管Unitree平台占据主导地位，但更开
2025-08-09 06:30:00
878
2
原创 结合强化学习和演示学习的人形机器人运动控制方法一览
本文比较分析了基于特征和基于生成对抗网络(GAN)的两种从演示中学习的方法。基于特征的方法通过显式特征匹配提供密集且可解释的奖励，擅长高保真运动模仿，但缺乏对非结构化环境的泛化能力。基于GAN的方法采用对抗性训练隐式学习相似性度量，具有更好的可扩展性和行为多样性，但存在训练不稳定和奖励信号粗糙的问题。研究发现结构化运动表示是提升两类方法性能的关键，它能实现平滑过渡、可控合成和任务集成。作者指出两类方法并非相互排斥，而应根据任务需求（如保真度、多样性、可解释性和适应性）进行选择，为从演示中学习提供了系统性的决
2025-07-26 06:30:00
879
原创 LeRobot 入门教程（五）异步推理
本文介绍了基于SmolVLA的异步推理技术在机器人控制中的应用。通过将动作预测与执行解耦，异步推理消除了传统同步推理中的等待延迟，使机器人行为更加流畅。文章详细讲解了如何安装依赖、启动策略服务器和机器人客户端，并重点说明了关键参数actions_per_chunk和chunk_size_threshold的调整方法。实验表明，异步推理能显著提升机器人响应速度，特别适合大规模模型应用。最后，文章建议用户根据具体硬件和任务需求优化参数配置，以获得最佳性能。
2025-07-14 06:30:00
1086
原创 LeRobot 入门教程（六）—— HopeJR
本文详细介绍了HopeJR机器人系统的安装与配置流程。主要内容包括：1）安装LeRobot软件及依赖项；2）通过脚本识别各硬件组件的USB端口；3）分步校准手部、手套、手臂和外骨骼，包括关节活动范围设置及数据保存；4）远程操作方法，需分别在独立会话中运行手部和手臂控制；5）实验性功能说明，涵盖数据记录、动作回放、策略训练及评估流程。文档提供了完整的命令行参数示例，并强调不同组件需单独校准和使用。所有校准数据将自动保存至指定目录，为后续操作提供基础配置。
2025-07-14 06:30:00
815
原创 机器人具身智能模型评估 LBM1 —— 基于大型行为模型（LBM）的多任务灵巧操控分析
本文评估了大型行为模型（LBM）在机器人操作任务中的性能表现。研究者通过约1700小时的多样化机器人演示数据训练LBM，并设计了严格的评估协议，包括1800次真实世界测试和47000次模拟实验。结果表明，经过微调的LBM在任务成功率、数据效率和分布偏移鲁棒性方面均优于单任务基线模型，特别是在复杂任务和少量演示数据情况下优势更明显。研究还发现LBM性能随着预训练数据规模增加而提升，但未微调的原始LBM表现参差不齐。实验采用了创新的评估方法，包括盲测A/B测试、统计学显著性分析和跨模拟/真实环境的验证。这项工作
2025-07-12 11:40:03
303
原创 Isaac Sim/Lab & ROS2 入门教程 —— 宇树人形机器人 H1 强化学习策略部署
本文介绍了如何通过ROS2和IsaacSim运行H1人形机器人的强化学习运动策略。主要内容包括：1）设置机器人关节配置和初始位置；2）添加IMU传感器；3）配置ROS2节点以发布观测数据和接收动作指令；4）创建模拟环境并发布ROS时钟；5）最终运行ROS2策略实现对机器人的键盘控制。文中详细说明了关节参数设置、传感器配置、ROS2节点创建等关键步骤，并提供了注意事项和验证方法。完成配置后，用户可通过键盘指令控制机器人在平坦地形上的运动。
2025-07-10 06:30:00
935
原创 NVIDIA Isaac GR00T N1.5 人形机器人强化学习入门教程（五）
本文详细介绍了GR00T机器人系统的训练配置与部署方法。主要内容包括：1）具身化动作头微调机制，支持GR1、OXE_DROID等多种机器人类型；2）高级调优参数配置，包括视觉编码器、语言模型等组件的独立调优选项；3）数据转换流程，涵盖视频、状态动作的预处理方法；4）策略部署指南，提供模型加载、客户端交互的代码示例；5）机器人数据转换规范，详细说明数据集结构、元数据格式要求。该系统支持多模态数据处理，通过标准化转换流程和严格的元数据配置，确保不同机器人平台的数据兼容性。
2025-06-17 06:30:00
1957
原创 LeRobot 入门教程（三）在仿真环境和自定义机器人上部署 LeRobot
本教程详细介绍了基于真实世界机器人和仿真环境的模仿学习实现方法，涵盖数据采集、训练策略和评估全流程。在真实机器人部分，重点讲解了远程操作设置、摄像头配置、数据集记录与管理技巧、策略训练（支持GPU/MPS设备）以及模型评估。仿真环境部分则演示了gym-hil的安装使用、模拟数据采集和策略训练。此外，教程还提供了自定义机器人集成指南，包括电机选择、接口继承、传感器/动作特征定义、连接管理和校准配置等核心步骤。所有方法均支持HuggingFace数据集中心和Weights & Biases工具链，为机器
2025-06-16 06:30:00
969
原创 LeRobot 入门教程（四）SO-101机械臂组装教程
《SO-101机器人组装与配置指南》详细介绍了旗舰机器人SO-101的完整搭建流程。从获取3D打印零件、安装LeRobot软件和FeetechSDK，到分步组装6个关节的机械臂结构（含夹爪/手柄选项），指南提供了清晰的螺丝规格和安装位置说明。重点包括：电机ID/波特率设置方法、USB端口识别技巧、领导者/跟随者臂的校准流程，以及故障排查建议。完成组装后，用户可通过配套Python脚本校准机器人，为后续的自主学习任务做好准备。文档附有视频演示和技术支持通道，确保用户顺利完成机器人部署。
2025-06-16 00:21:01
1212
原创 NVIDIA Isaac GR00T N1.5 人形机器人强化学习入门教程（三）模型微调详细步骤
本教程展示了GR00T推理模型的使用方法，包括加载预训练策略、处理数据集和进行推理预测。主要内容包括：(1) 通过HuggingFace加载GR00T-N1.5-3B模型，配置模态转换； (2) 使用LeRobotSingleDataset加载测试数据，分析状态和动作数据结构；(3) 执行推理并理解输出的16步动作预测；(4) 演示微调流程，通过500步训练后模型性能显著提升(MSE从3.25降至0.0056)。教程还提供了可视化关节状态和动作的方法，帮助用户理解模型预测结果。
2025-06-15 06:30:00
743
原创 NVIDIA Isaac GR00T N1.5 人形机器人强化学习入门教程（四）Lerobot、宇树 G1 等不同形态机器人微调教程
本笔记本是一份关于如何在新的数据集上对GR00T-N1预训练模型进行微调的教程。
2025-06-15 06:30:00
859
原创 LeRobot 入门教程（一）软件环境、部署流程及摄像头配置
🤖 LeRobot：开源机器人学习平台 摘要：LeRobot是一个基于PyTorch的开源机器人学习平台，提供模型、数据集和工具，旨在降低机器人技术门槛。平台包含经过验证的模仿学习和强化学习方法，并提供预训练模型、人类演示数据集及模拟环境。安装需从源码获取，支持Python 3.10环境，可选扩展包括仿真环境（如gym-aloha）、电机控制（Dynamixel/Feetech SDK）和实验跟踪（Weights & Biases）。该平台托管在HuggingFace，并设有社区Discord频道
2025-06-14 06:30:00
1552
1
原创 LeRobot 入门教程（二）强化学习训练及 SmolVLA 模型微调
本文介绍了LeRobot框架中基于人类在环的样本高效强化学习（HIL-SERL）工作流，包含真实机器人训练和模拟环境训练两大模块。在真实机器人部分，详细说明了从配置设置、工作空间边界确定、演示数据收集、奖励分类器训练到演员-学习者架构部署的全流程，并强调了人类干预的关键作用。同时介绍了适用于模拟训练的gym_hil环境及其配置使用方法。最后，文章提供了微调SmolVLA基础模型的指南，包括数据集收集、微调步骤和模型评估方法。该工作流实现了人机协作的高效强化学习，适用于各类机器人操作任务。
2025-06-14 06:30:00
1628
原创 NVIDIA Isaac GR00T N1.5 适用于 LeRobot SO-101 机械臂
本文介绍NVIDIA Isaac GR00T N1.5机器人基础模型的使用教程。该跨实体模型支持多模态输入，可通过后训练进行定制。教程详细演示了使用SO-101机械臂数据对模型进行微调的全流程，包括数据集准备(创建/下载数据集、配置模态文件)、模型微调、开环评估以及最终部署到物理机器人的步骤。文章还提供了相关资源链接，鼓励开发者下载模型、贡献数据集并参与LeRobot社区活动。通过本教程，开发者可以快速掌握如何将GR00T N1.5适配到自己的机器人项目。
2025-06-12 18:05:04
1127
原创 Hugging Face 最新开源 SmolVLA 小模型入门教程（一）
今天，我们介绍SmolVLA，这是一个紧凑型（450M）、开源的视觉-语言-动作模型，专为机器人设计，可在消费级硬件上运行。仅在带有lerobot标签的开源社区共享数据集上进行预训练。SmolVLA-450M在模拟环境（LIBERO、Meta-World）和真实世界任务（SO100、SO101）中，表现优于规模更大的VLA模型及强基线模型如ACT。支持异步推理，响应速度提升30%，任务吞吐量提升2倍。
2025-06-04 10:06:10
2098
2
原创 Cloudini 点云压缩库 ROS & PCL 入门教程
Cloudini是一个高效的点云压缩库，专注于速度与压缩比的平衡。它支持与PCL和ROS无缝协作，也能独立使用。该算法采用两步压缩：先对点云通道进行有损/无损编码，再用LZ4或ZSTD压缩。测试显示在1毫米分辨率下，其压缩率和速度优于ZSTD/LZ4单独使用。特别针对ROS系统提供专用工具，包括point_cloud_transport插件和rosbag转换器。相比Google Draco，Cloudini在保持相似压缩率的同时速度更快。解码器可自动识别LZ4或ZSTD压缩方式，无需预先配置。
2025-05-31 06:30:00
743
原创 机器人具身智能大模型 π0.5— 快速训练、运行和更泛化的 VLA
视觉语言动作模型（VLA）的发展面临如何整合连续动作输出的挑战。第一代VLA采用离散动作标记法，第二代则引入连续生成模块，但会导致VLM骨干网络知识损失和训练效率下降。研究发现，动作专家的梯度会干扰VLM的语言理解能力。为此提出"知识绝缘"方法（π0.5+KI），通过冻结VLM骨干梯度并使用π0-FAST动作标记进行表征学习，同时结合网络数据增强泛化能力。该方法实现了7.5倍训练加速，保持推理速度，并显著提升语义泛化性能。实验显示该方法在新环境中完成复杂任务的能力突出，为下一代深度整合知
2025-05-30 06:30:00
1101
原创 足式机器人全身 MPPI： 利用 MPPI 对足式机器人进行实时全身控制
本研究首次在真实四足机器人上成功部署了基于全身采样的模型预测控制（MPC）系统。采用模型预测路径积分（MPPI）算法，通过并行采样和评估控制轨迹实现实时运动规划。该系统能处理复杂接触场景，完成推箱子、爬越障碍及崎岖地形行走等任务。实验使用Unitree Go1机器人，结合MuJoCo仿真器快速生成运动策略，仅需简单控制策略即可实现稳健操作。硬件验证表明，该方法能有效完成目标导向的箱子推动任务。该成果标志着采样MPC在足式机器人实际应用中的重要突破。
2025-05-30 06:30:00
579
原创 最新 ROS2 Kilted Kaiju 支持 Conda & Pixi Windows 直接安装
世界海龟日快乐 今天，ROS 2 发布团队很高兴地宣布 ROS 2 的第 11 个版本：Kilted Kaiju（代号 Kilted）。除了之前分享过的官方标志外，我们还发布了新的 “乞丐凯诸 ”海龟模型和 “乞丐 ”话语图标：“乞丐”。我们的 Kilted T 恤和礼品活动仍在进行中！如果您想支持我们的发布，您仍然可以购买到所有很酷的商品。所有收益将用于支持开源机器人基金会（OSRF）。Kilted Kaiju 是一个定期发布的版本，将一直支持到 2026 年 11 月。
2025-05-25 16:15:06
889
原创 AMO：灵巧人形机器人全身自适应运动最优控制
本文介绍了一种名为自适应运动优化（AMO）的框架，旨在实现人形机器人的超灵巧全身控制。AMO结合了仿真强化学习（RL）和轨迹优化技术，通过混合运动合成和通用策略训练，解决了人形机器人高自由度（DoF）和非线性动力学带来的控制挑战。AMO框架在模拟和29-DoF Unitree G1人形机器人上进行了验证，展示了其在稳定性和工作空间扩展方面的卓越性能。文章还详细描述了AMO的系统架构、训练方法以及在远程操作和自主任务中的应用。实验结果表明，AMO能够有效跟踪运动指令和躯干指令，并在现实世界中表现出强大的适应性
2025-05-12 06:00:00
1112
原创 openpi 入门教程
OpenPI是由物理智能团队发布的机器人开源模型和软件包，包含两种主要模型：基于流的扩散视觉-语言-动作模型（VLA）的π₀模型和基于FAST动作标记器的自回归VLA的π₀-FAST模型。这些模型已在超过10,000小时的机器人数据上进行了预训练，并提供了基础模型检查点，支持开箱即用或根据用户数据集进行微调。OpenPI的实验性质意味着它可能不适用于所有平台，但鼓励研究人员和从业者进行创造性实验。运行这些模型需要至少具备NVIDIA GPU，推荐使用RTX 4090或更高规格的显卡。OpenPI支持在Ubu
2025-05-11 06:00:00
2758
原创 Newton GPU 机器人仿真器入门教程（零）— NVIDIA、DeepMind、Disney 联合推出
本项目正处于活跃的 alpha 开发阶段。这意味着 API 不稳定，功能可能会被添加或移除，并且随着设计的完善，可能会经常出现未经通知的破坏性更改。Newton 是一个基于英伟达™（NVIDIA®）Warp 的 GPU 加速物理仿真引擎，主要面向机器人专家和仿真研究人员。它扩展和概括了 Warp 现有的 warp.sim 模块，并将 MuJoCo Warp 集成为主要后端。牛顿强调基于 GPU 的计算、可微分性和用户定义的可扩展性，有利于快速迭代和可扩展的机器人仿真。
2025-05-11 06:00:00
1374
原创 具身智能时代的机器人导航和操作仿真器综述
具身智能（EAI）涉及机器人等智能体通过传感器和行动与物理环境进行交互。对于大多数现代机器人应用来说，导航和操作是 EAI 的核心能力。这些任务需要智能体感知、理解环境并与之互动。人工智能的最新进展使得基于学习的方法--如强化学习（RL）和模仿学习（IL）--在训练导航和机械臂方面大有可为。然而，收集真实世界的数据来训练这些智能体的成本过高，尤其是在考虑到机器人设计或传感器的不同实施方案时。模拟器提供了一种具有成本效益和可扩展性的解决方案来解决这一问题，使机器人能够高效地在大型、多样化的数据集上进行训练。
2025-05-09 23:32:40
1166
原创 NVIDIA Isaac Sim 入门教程 - 运动生成控制器（Motion Generators）
机器人任务通常在任务空间中根据所需的末端执行器轨迹进行定义，而控制动作则在关节空间中执行。这自然会产生关节空间和任务空间（操作空间）控制方法。然而，要利用运动控制成功执行交互任务，往往需要对机械臂及其环境都建立精确的模型。虽然可以知道足够精确的机械臂模型，但很难获得详细的环境描述 [SSVO09]。可以通过在交互过程中引入顺应行为来克服这种不匹配造成的规划错误。虽然顺应性可以通过机器人的结构（如弹性致动器、软机械臂）被动实现，但我们对侧重于主动交互控制的控制器设计更感兴趣。这些设计大致分为注释。
2025-04-18 06:30:00
1121
原创 ROS2 安卓手机传感器桥接器（Mobile Sensor Bridge for ROS2）
该软件包提供了一个 ROS2 节点，可直接从安卓智能手机流式传输传感器数据，包括 JPEG 相机流（最高 30 FPS）、空间姿态跟踪和双向音频通信。机器人原型通常需要多个传感器，每个传感器都需要标定和集成。本软件包通过将传感器数据发布为 ROS2 话题，将安卓手机转换为综合传感器套件。该节点使用 rclnodejs 实现，可在 JavaScript 环境中实现 ROS2 的无缝集成。
2025-04-18 06:30:00
588
原创 ROS & ROS2 机器人深度相机激光雷达多传感器标定工具箱
不过，多传感器标定工具箱允许通过编辑 yaml 文件来调整标定目标的参数： <repository>/mutlisensor_calibration/cfg/TargetWithCirclesAndAruco.yaml%YAML:1.0rows: 4cols: 1dt: irows: 4cols: 2dt: frows: 1cols: 12dt: fCAD 模型网格/云通过 GICP 将模型数据与分割点云对齐，用于优化检测到的目标姿态。
2025-04-17 06:30:00
1641
2
原创 NVIDIA Isaac Sim 联合 VS Code 开发调试环境配置
在 Visual Studio Code (VS Code) 中打开 Isaac Sim 软件包主文件夹，即可打开该工作区。注意建议在学习教程和示例时使用 Visual Studio Code。另请参见有关 VS Code 工作区的详细信息，请参阅 Visual Studio Code (VS Code) 文档。
2025-04-17 06:30:00
2186
原创 ROS & ROS2 机器人深度相机激光雷达多传感器标定工具箱入门教程（一）
multisensor_calibration 是一个积极维护的通用标定工具箱，用于辅助基于目标的多传感器标定，支持 ROS 1 和 ROS 2。它提供了多种方法和应用来标定复杂的多传感器系统，例如。
2025-04-14 06:30:00
2457
原创 ROS2 多机器人导航仿真入门教程（一）
RMF 是建立在 ROS 2 基础上的一系列可重复使用、可扩展的库和工具，可实现任何类型机器人系统的异构机群的互操作性。RMF 利用标准化的通信协议与部署机器人的基础设施、环境和自动化系统进行通信，以优化关键资源（如机器人、电梯、门、通道等）的使用。它通过资源分配和通过 RMF 核心（将在本书后面详细介绍）防止共享资源冲突，从而为系统增加智能。RMF 灵活而强大，几乎可以在任何通信层上运行，并与任何数量的物联网设备集成。RMF 的架构设计允许随着环境自动化水平的提高而扩展。
2025-03-27 07:00:00
1223
原创 ROS2 多机器人编队导航仿真入门教程（二）
在本章中，我们将介绍机器人操作系统（ROS）的基础知识，并为您提供构建、调试和理解机器人应用程序所需的所有工具。本章从决策者做出正确决策所需的最一般概念，到工程师开发新机器人应用所需的具体应用程序接口参考，一应俱全。在高级概念和低级 API 命令之间，是维护和支持现场多机器人部署所需的知识。学习 ROS 的一个很好的比喻就是学习机动车的过程。在实际的日常工作中，大多数人都会学习如何启动车辆并在高速公路上安全使用。对于这些人来说，学习 ROS 背后的高级概念以及特定应用的命令可能就足够了。
2025-03-27 07:00:00
1198
原创 MuJoCo XLA (MJX) 强化学习人形机器人四足机器人入门教程（三）
MJX 是用 JAX 编写的 MuJoCo 实现，可以在 GPU/TPU 上进行大批量训练。在本笔记本中，我们将演示如何使用 MJX 训练 RL 策略。在开始大量 RL 工作负载之前，我们先从一个简单的示例开始！xml = """"""接下来，我们使用 MJX 将 MuJoCo 模型和数据放到 GPU 设备上。下面，我们将打印来自 MuJoCo 和 MJX 的 qpos。
2025-03-26 07:00:00
1415
原创 MuJoCo Playground 机器人强化学习入门教程（四）
import osimport jaxMadrona MJX 是 Mujoco 与 Madrona 合作开发的实验性设备上渲染后端。它实现了与 JAX 兼容的批量渲染器，可并行推出多个培训环境。渲染瓶颈在强化学习（Reinforcement Learning）中，一个代理使用一个策略来产生一个动作 x，以响应对模拟状态 x 的观察。环境通过奖励信号 x 对互动进行评估，然后过渡到呈现为 x 的下一个状态。这就形成了过渡 x，即强化学习训练管道的基本数据单元。
2025-03-26 07:00:00
1287
原创 NVIDIA Isaac GR00T N1 人形机器人强化学习入门教程（二）详细步骤
LeRobot 格式1.1 加载数据集要加载数据集，我们需要定义以下 3 项内容： 在数据中显示图像帧 我们还可以对 LeRobotSingleDataset 类中的数据进行一系列转换。下面展示了如何对数据进行转换。 现在看看应用转换后的数据有何不同。 例如，对状态和操作进行规范化和串联，对视频图像进行裁剪、调整大小和颜色抖动。二、GR00T 推断 本教程介绍如何使用 GR00
2025-03-25 07:00:00
2126
3
原创 NVIDIA Isaac for Healthcare — AI 医疗机器人开发平台
医疗技术的未来是机器人的未来--医院将实现完全自动化，人工智能驱动的手术系统、机器人助手和自主病人护理将改变我们所熟知的医疗保健。构建人工智能驱动的机器人系统面临着几大挑战。其中之一就是将数据收集与专家见解相结合。另一个挑战是为逼真的解剖结构、传感器和机器人创建详细的生物力学模拟。这些模拟对于生成合成数据和训练机器人至关重要。确保从虚拟到真实世界部署的无缝过渡至关重要，在运行期间以超低延迟管理高带宽、多模式传感器人工智能也同样重要。
2025-03-25 07:00:00
1038
原创 NVIDIA - 机器人学习（Robot Learning）强化学习、模仿学习、扩散策略扼要
机器人学习是一系列算法和方法的集合，可帮助机器人在模拟或现实环境中学习操纵、运动和分类等新技能。
2025-03-24 07:00:00
1382
原创 NVIDIA Isaac GR00T N1 入门教程（一） 人形机器人多模态大语言模型
英伟达™ Isaac GR00T N1 是世界上首个用于通用仿人机器人推理和技能的开放式基础模型。该跨体模型采用多模态输入（包括语言和图像）在不同环境中执行操作任务。GR00T N1 在一个庞大的仿人机器人数据集上进行训练，该数据集包括真实捕获数据、使用英伟达 Isaac GR00T Blueprint 组件生成的合成数据（神经生成轨迹示例）以及互联网规模的视频数据。通过后期训练，它可以适应特定的应用、任务和环境。
2025-03-24 07:00:00
2150
原创 MuJoCo Playground 入门教程（二）强化学习训练宇树四足机器人 Go1 Locomotion
在本笔记本中，我们将介绍 MuJoCo Playground 中的几种运动环境。需要使用带有 GPU 加速功能的 Colab 运行时。如果使用的是纯 CPU 运行时，可以通过菜单 “运行时 > 更改运行时类型 ”进行切换。
2025-03-23 07:00:00
1296
原创 MuJoCo Playground 机器人强化学习入门教程（一）
MuJoCo Playground 包含 DM 控制套件、机器人运动和机器人操作环境。env每个环境还与一个环境配置相关联，如果需要，可以覆盖该配置。env_cfg请注意，环境配置包含 sim_dt 和 ctrl_dt。ctrl_dt 决定每个 env.step 的时间间隔。因此，每个 env.step 的模拟步长为 ctrl_dt / sim_dt 倍。其他值得注意的参数还有 vision_config，我们将在基于视觉的笔记本中详细讨论！现在，我们将专注于特权观察。
2025-03-01 06:00:00
3057
1
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