gym,mujoco,baselines安装踩坑

最新推荐文章于 2024-09-14 09:37:46 发布
最新推荐文章于 2024-09-14 09:37:46 发布
阅读量664 收藏 3
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_42704954/article/details/108392736
版权
本文详细介绍了在Ubuntu18环境下，如何安装gym、mujoco、mujoco_py以及baselines。建议使用Anaconda创建环境，并参考特定教程进行安装。特别提示，使用pip3而非pip解决某些安装问题，以及在安装mujoco_py时需创建目录并设置权限。同时，文中提供了可靠安装ROS的方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

gym，mujoco，mujoco_py,baselines安装小技巧

参考教程地址：https://zhuanlan.zhihu.com/p/103271894

anaconda 下载地址为清华源，https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，我使用的版本为3.5.1.0

tips:

1.推荐使用anaconda 安装环境后再根据github deepassist进行修改。原因是因为deepassist所使用的几个安装包版本依赖项版本不一致很容易出现bug。

2.推荐使用ubuntu18来进行安装，因为ubuntu18自带python3.6，可以避免修改默认python的问题

3.教程中所有的包均推荐使用pip3代替pip，进行安装，尤其当错误报告中出现—use--future--2020--version，经测试使用pip3可解决问题。

4.mujoco_py推荐进入～目录后 mkdir命令创建目录，在这之前可能需要chmod命令授予root权限&#

最低0.47元/天 解锁文章
RL_FEIWU
关注
MuJoCo Playground 机器人强化学习入门教程（一）
2506_90492529的博客
03-01 1747
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。
强化学习 — mujoco、mujoco_py、gym 和 baselines的环境配置
Hansry的博客
07-16 6551
博主环境 Ubuntu16.04 python 3.5.2 tensorflow 1.4.2 1.安装mujoco 1.准备工作 在官网上下载 mjpro150 linux ，同时点击Licence下载许可证，需要full name email address computer id 等信息，其中根据使用平台下载 getid_linux（可执行文件） 获取 computer id,...
OpenAI-Baseline项目阅读-0-Baseline的安装和使用
qq_45880533的博客
11-15 3616
0-Baseline的安装和使用Baseline项目安装Baseline调试-示例运行 Baseline项目安装 Baseline项目主页： https://github.com/openai/baselines 将项目从GitHub上面下载下来 git clone https://github.com/openai/baselines.git 安装tensorflow，版本号为1.14（这里是cpu版本，主页中也给出了GPU版本的下载方式） cd baselines/ pip install tens
windows下安装baselines
星之所望的博客
09-14 1627
baselines安装的难点在于mujoco，新版的mujoco无法在win下安装，所以只能安装1.5一下版本。 首先按照这个安装 Win10+python3+gym+baselines的完整安装_南瓜南瓜我是香橙啊的博客-优快云博客_baselines安装Windows10+python3.6下的gym完整安装呕心沥血……对Windows系统也太不友好了，记录一下安装gym库的坑坑洼洼。一、安装Atari1、解压swig，将解压路径配置到环境变量Path2、conda install ffmpeg3
开源项目Baselines安装与使用指南
gitblog_01143的博客
08-08 1222
开源项目Baselines安装与使用指南 baselinesOpenAI Baselines: high-quality implementations of reinforcement learning algorithms项目地址:https://gitcode.com/gh_mirrors/ba/baselines 目录结构及介绍 该项目遵循了清晰的组织结构，便于开发者理解和扩展。以下是主...
openai之baselines的安装可能出现的问题
weixin_36340771的博客
01-24 4980
github地址：https://github.com/openai/baselines 安装时出现错误： dpkg:处理软件包 xxx (--configure)时出错安装时可能会报错，因为依赖的原因 问题一的解决方法： http://blog.youkuaiyun.com/u010426270/article/details/52028620 问题二的解决方法： 安装atari-p
stable_baselines3安装事宜
weixin_43435491的博客
11-12 1419
4、重点:pip install "stable_baselines3[extra]>=2.0.0a9" -i https://pypi.python.org/simple/pypi 腾讯源：http://mirrors.cloud.tencent.com/pypi/simple。pypi 清华大学源：https://pypi.tuna.tsinghua.edu.cn/simple。pypi 阿里源：https://mirrors.aliyun.com/pypi/simple/提示没有安装的就单独安装。
pybullet-gym:用于OpenAI Gym强化学习研究平台的OpenAI Gym MuJoCo环境的开源实现
05-02
不幸的是，对于一些具有挑战性的连续控制环境，它要求用户安装MuJoCo，这是一种商业物理引擎，需要许可证才能运行超过30天。 这种商业障碍阻碍了开放式研究，特别是在存在其他合适的物理引擎的角度上。 该存储库...
Ubuntu18.04 Python3.6 Mujoco2.0安装（Windows不建议2.0）
01-21
虽然官方不建议，但是MuJoco的官网却有200的版本，我试过在win10环境下安装mujoco200版本，虽然mujoco200可以正常运行，但是对应的驱动程序mujoco-py2.0在运行过程中是不好用的，而且没有博文的指导。 mjrl 在这个...
强化学习平台安装 Mujoco、mujoco-py、gym、baseline
01-06
Mujoco 安装 1.MuJoCo是一个物理模拟器，可以用于机器人控制优化等研究。 官网下载MuJoCo 2.0 对应平台的安装包：https://www.roboti.us/index.html 中的 mujoco200 linux安装包 mkdir ~/.mujoco cp mujoco...
MuJoCo_RL_UR5：基于MuJoCo的强化学习机器人控制教程
gitblog_01021的博客
09-14 1636
MuJoCo_RL_UR5：基于MuJoCo的强化学习机器人控制教程 项目地址:https://gitcode.com/gh_mirrors/mu/MuJoCo_RL_UR5 项目介绍 MuJoCo_RL_UR5 是一个专为机器人控制设计的开源项目，它在MuJoCo物理模拟环境和Gym框架下实现。该项目旨在通过强化学习训练智能体进行像素级别的抓取成功几率预测，特别适合于解决具有视觉反馈的机器人抓取...
mjrl:MuJoCo任务的强化学习算法
05-06
MuJoCo的RL 该软件包包含用于用模拟的连续控制任务的各种RL算法的实现 安装 主要的软件包依赖项是MuJoCo ， python=3.7 ， gym>=0.13 ， mujoco-py>=2.0和pytorch>=1.0 。 有关详细的安装说明，请参阅setup/README.md （）。 参考书目 如果您觉得该包装有用，请引用以下文件。 @INPROCEEDINGS{Rajeswaran-NIPS-17, AUTHOR = {Aravind Rajeswaran and Kendall Lowrey and Emanuel Todorov and Sham Kakade}, TITLE = "{Towards Generalization and Simplicity in Continuous Control}", BOOKTITLE =
Python-OpenAIBaselines强化学习算法的高质量实现
08-09
OpenAI Baselines: 强化学习算法的高质量实现
强化学习环境配置（Ubuntu16.04）---gym、mujoco、mujoco-py、baselines安装与测试
Will_Ye的博客
07-18 2万+
强化学习环境配置（Ubuntu16.04）—gym、mujoco、mujoco-py、baselines 在Ubuntu14上也搭了这个环境，但是最后训练的时候老是出问题，不是segmentation fault就是import error.Trying to rebuild mujoco_py，重新rebuild了也不行，一起做实验的小伙伴们果断放弃了14，投奔16，个个都成功了，所以啊，也是...
Stable Baselines-用户向导-安装
漫步量化
07-26 8545
预备知识 Baselines要求Python3(>=3.5)，同时需要CMake，OpenMPI，zlib包。可以通过如下方式安装： Ubuntu sudo apt-get update && sudo apt-get install cmake libopenmpi-dev python3-dev zlib1g-dev Mac OS X 在Mac上安装系统包需...
stable-baselines3 1.6.0 requires torch＞=1.11, but you have torch 1.9.1 which is incompatible解决方案
编程研究坊的博客
05-05 1583
stable-baselines3 1.6.0 requires torch>=1.11, but you have torch 1.9.1 which is incompatible解决方案
常用增强学习实验环境 I (MuJoCo, OpenAI Gym, rllab, DeepMind Lab, TORCS, PySC2)
热门推荐
世事难料，保持低调
08-13 2万+
原文地址：http://blog.youkuaiyun.com/jinzhuojun/article/details/77144590和其它的机器学习方向一样，强化学习（Reinforcement Learning）也有一些经典的实验场景，像Mountain-Car，Cart-Pole等。话说很久以前，因为没有统一的开发测试平台，大家都会自己实现，有用C/C++的，有用Python，还有用Matlab的。所以...
gym mujoco怎么创建环境
最新发布
03-03
### 创建自定义 MuJoCo 环境 为了在 OpenAI Gym 中使用 MuJoCo 创建自定义环境，需遵循特定的结构和配置方法。以下是详细的指南： #### 安装依赖项 确保已安装 Python 和 pip 工具链，并验证其版本正确无误[^3]。 ```bash pip install mujoco-py==2.0.2.9 gym[all] ``` #### 准备 XML 文件 MuJoCo 使用 XML 文件来描述物理模型。对于复杂的物体如剪刀，可能需要调整默认设置以防止不期望的行为发生，比如穿透表面现象[^4]。 ```xml <!-- pick_and_place.xml --> <mujoco> <worldbody> <!-- Define scissors here instead of a simple cube --> <body name="scissors" pos="0 0 1"> <geom type="mesh" mesh="scissors_mesh"/> </body> </worldbody> </mujoco> ``` #### 编写 Python 类实现环境逻辑 继承 `gym.Env` 并重载必要的函数，例如 `_reset()` 和 `_step()`. 下面是一个简单的例子展示如何加载上述 XML 文件并初始化环境: ```python import os from gym import utils, spaces from gym.envs.mujoco import mujoco_env class CustomEnv(mujoco_env.MujocoEnv, utils.EzPickle): def __init__(self): xml_path = os.path.join(os.path.dirname(__file__), 'assets', 'pick_and_place.xml') super().__init__(xml_path, frame_skip=5) # 设置动作空间与观察空间 self.action_space = spaces.Box(low=-1.0, high=1.0, shape=(n_actions,)) self.observation_space = spaces.Box(-high, high) def step(self, action): ... return obs, reward, done, info def reset_model(self): ... return self._get_obs() ``` 通过这种方式可以在 OpenAI Gym 中成功集成 MuJoCo 物理引擎，从而构建更加真实的机器人仿真场景[^1]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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