Isaac Lab 训练机器狗和无人机demo

安装好Isaac Sim 和Isaac Lab后其中使用Isaac Lab的最快方法是使用Batteries-included中包含的机器人任务比如机器人和无人机任务。./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --taskIsaac-Velocity-Rough-Anymal-C-v0 --headless1.找到 checkpoint训练完成后model.pt会每50次存在/home/ai_teaching/isaacsim/IsaacLab/logs/rsl_rl/anymal_c_rough/日期这个文件夹下。有了这些.pt权重文件不等于真实机械狗立刻就会自己运动它首先表示“你已经训练出了一个控制策略”接下来要把这个策略拿去“播放、推理、部署”。Isaac Lab 官方文档明确说训练完成后通常先用play scripts可视化策略效果如果要上真机还要走专门的policy deployment流程。如果这个 checkpoint 训练得成功那么在对应任务环境里策略会根据观测自动输出动作让仿真里的机械狗自己走。官方的 “Policy Inference in USD Environment” 教程就是在讲把一个已经训练好的策略拿来做policy inference让机器人在场景中运动。2.用 play 脚本加载它要使用model_1499.pt,./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/play.py \ --taskIsaac-Velocity-Rough-Anymal-C-Play-v0 \ --checkpoint/home/ai_teaching/isaacsim/IsaacLab/logs/rsl_rl/anymal_c_rough/replace_with_your_path/model_1499.pt3.看仿真里的效果如果训练成功你会看到仿真中的 ANYmal自动保持平衡按任务要求前进在 rough terrain 上行走更稳.pt本质上只是神经网络参数它本身不会独立运动。它必须和这些东西一起工作对应的机器人模型对应的任务环境对应的观测定义对应的动作空间对应的控制频率和配置文件同理Isaac Lab也包含了无人机中的场景./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --taskIsaac-Quadcopter-Direct-v0play一下./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/play.py --taskIsaac-Quadcopter-Direct-v0Isaac Lab官方文档Local Installation — Isaac Lab Documentation