Issac Sim 2. 使用VScode调试代码

参考链接:Debugging With Visual Studio Code — Omniverse Robotics documentation

尝试使用pycharm调用python内核编译失败后,参考教程使用其推荐的VScode环境。

1. 启动Vscode

在Isaac Sim应用 Isaac Sim App Selector 中单击“Open in Terminal”按钮,然后执行以下命令:code。这将启动一个新的VS Code窗口并打开当前文件夹。你也可以启动VS Code并打开文件夹。

启动Terminal,输入 code . 用于启动VScode.

2. 在Vscode中启动Sim仿真

2.1 Helloworld

打开示例文件,位于目录standalone_examples/api/omni.isaac.kit/hello_world.py

 从左边的工具栏中选择“运行”图标,并确保从配置下拉菜单中选择“Current File”。此时可以运行查看是否正常。不正常的话可以重启一下VScode。

 2.2 json文件

尝试在.vscode/launch的“args”字段中向代码传递一个命令行参数。

例如,这里我们更改默认的核服务器。

    {
        "name": "Python: Current File",
        "type": "python",
        "request": "launch",
        "program": "${file}",
        "console": "integratedTerminal",
        "env": {
            "EXP_PATH": "${workspaceFolder}/apps",
            "RESOURCE_NAME": "IsaacSim"
        },
        "python": "${workspaceFolder}/kit/python/bin/python3",
        "envFile": "${workspaceFolder}/.vscode/.standalone_examples.env",
        "preLaunchTask": "setup_python_env",
        "args": ["--/persistent/isaac/asset_root/default=\"omniverse://my_server\""]
    }
    # The most basic usage for creating a simulation app
    kit = SimulationApp()
    import carb
    server_check = carb.settings.get_settings().get_as_string("/persistent/isaac/asset_root/default")
    print(server_check)
    for i in range(100):
        kit.update()
    kit.close()  # Cleanup application

修改文件并重新运行。

2.3 运行RL CartpoleTask

参考示例:6. Custom RL Example using Stable Baselines — Omniverse Robotics documentation

注意,在文件standalone_examples\api\omni.isaac.gym中,已经准备好了任务,训练,演示三个文件,直接运行cartpole_train开始训练,训练完成后可以运行cartpole_play。

3. 在已启动的Sim中Vscode联调

3.1 启用插件

从顶部工具栏中,选择“ Window > Extensions”。然后搜索“vscode”,然后单击omni.kit.debug.vscode扩展的启用按钮。默认情况下,状态将以红色文本显示“VS Code Debugger Unattached”。

需要在配置菜单中,选择“Python: Attach (windows-x86_64/linux-x86_64)”,然后单击绿色箭头开始调试。

 此时Sim中的状态将会变色。

没测试,不清楚有啥用。

### 使用 Issac Sim 进行强化学习 #### 安装驱动程序和支持软件 为了确保 Issac Sim 的最佳性能,在安装前需确认已更新至推荐的驱动程序版本。对于 Windows 用户,建议使用 528.24 版本;Linux 用户则应采用 525.85 版本[^1]。 #### 构建强化学习环境 Issac Lab 是 Issac Sim 提供的一个专门用于机器人学习的框架,支持多种机器学习方法的应用开发,特别是强化学习领域。通过这个框架可以方便地构建自定义的任务场景并训练模型。开发者能够利用其提供的 API 接口来实现复杂的行为模式模拟以及高效的算法测试[^2]。 #### 实现示例:加载数据集 下面给出了一段 Python 代码片段作为入门指导的一部分,展示了如何读取外部 CSV 文件中的数据,这通常是进行任何类型的机器学习项目的第一步操作之一: ```python import pandas as pd data = pd.read_csv('https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv') print(data.head()) ``` 这段代码的作用是从指定 URL 下载 `adult.data.csv` 数据文件,并将其内容转换成 Pandas DataFrame 对象以便后续处理分析。虽然这不是直接关于强化学习的内容,但对于理解整个工作流来说非常重要,因为实际应用中往往需要先准备好合适的数据源才能开展进一步的研究活动[^3]。 #### 强化学习教程概览 针对希望深入了解 Issac Sim 中强化学习特性的用户,官方文档提供了详细的指南和技术说明。这些资源不仅涵盖了理论基础介绍,还包括具体案例研究和实践技巧分享,帮助使用者快速上手并掌握核心技能。此外,社区论坛也是一个很好的交流平台,在这里可以获得其他开发者的宝贵经验和及时反馈。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值