强化学习:MuJoCo机器人强化学习仿真入门(1)

这篇具有很好参考价值的文章主要介绍了强化学习:MuJoCo机器人强化学习仿真入门(1)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

 强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

 声明:我们跳过mujoco环境的搭建,搭建环境不难,可自行百度

下面开始进入正题(需要有一定的python基础与xml基础):
强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

 下面进入到建立机器人模型的部分:
需要先介绍URDF模型文件和导出MJCF格式

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

 介绍完毕,下面开始进行mujoco仿真:
首先将这4个文件复制到.mujoco/mujoco210/bin文件夹中:
强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

 接着讲ur5的模型stl文件放置在.mujoco/mujoco210文件夹中:
强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

进入bin文件夹中开启一个终端输入:

./simulate ur5.xml

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

出现机械臂的模型可视化,下面讨论该如何进行控制:

开始介绍控制器接口:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

下面利用mujoco.py接口导入模型,并尝试施加控制器输入:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

 在运行main.py文件时,出现了一个报错,下面解决这个问题:

        检查您的系统是否安装了OpenGL库,例如 libgl1-mesa-glx 和 libgl1-mesa-dri(对于linux的系统)。

  • 打开终端: 在您的 Linux 系统上打开一个终端窗口。

  • 检查 libgl1-mesa-glx: 使用以下命令来检查 libgl1-mesa-glx 库是否已安装:

dpkg -l | grep libgl1-mesa-glx

如果这个库已安装,您将看到列表中的条目和版本信息。如果没有列出,则表示这个库尚未安装。

  • 检查 libgl1-mesa-dri: 使用以下命令来检查 libgl1-mesa-dri 库是否已安装:

dpkg -l | grep libgl1-mesa-dri

同样,如果已安装,您将在列表中看到相关信息。

如果您发现这些库未安装,您可以使用以下命令来安装它们:

sudo apt-get update
sudo apt-get install libgl1-mesa-glx libgl1-mesa-dri

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

pycharm的运行结果:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

继续下一个环节,搭建PID模块:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

下面以一个简单的示例来展示:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

接下来进行轨迹跟踪的实现:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

 注释上图中的代码直至最后,开始运行(期间机械臂会动态运行),输出:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

 输出了2个图片:

Figure1:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

 Figure2:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

取消代码中的注释,继续运行(期间机械臂会动态运行):

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

 输出了3个图片:

Figure1:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

Figure2:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

Figure3:

强化学习:MuJoCo机器人强化学习仿真入门(1),强化学习,Python,机器人,学习,python,linux

 

到此结束文章来源地址https://www.toymoban.com/news/detail-820121.html

到了这里,关于强化学习:MuJoCo机器人强化学习仿真入门(1)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 基于联邦强化学习的集群机器人协同导航

    1.1 集群机器人技术仿生背景 灵感来自群居昆虫,比如蚂蚁,它们利用信息素进行长距离觅食。由于群居昆虫能够集体完成单个个体无法完成的具有挑战性的任务,因此群体机器人系统有望在动态复杂环境下完成单个机器人难以完成的具有挑战性的任务。 示例1:蚁群协同工作

    2024年03月20日
    浏览(64)
  • 人工智能导论——机器人自动走迷宫&强化学习

    强化学习是机器学习中重要的学习方法之一,与监督学习和非监督学习不同,强化学习并不依赖于数据,并不是数据驱动的学习方法,其旨在与发挥智能体(Agent)的主观能动性,在当前的状态(state)下,通过与环境的交互,通过对应的策略,采用对应的行动(action),获得一定的奖

    2024年02月06日
    浏览(60)
  • 机器人入门(五)—— 仿真环境中操作TurtleBot

    进行实操之前,先准备环境 环境准备好后,执行以下命令启动 可以看见以下效果,视角不舒服的话,就按 Ctrl+Shift+鼠标左键 调整调整至你喜欢的视角,并通过滚轮缩放大小。 按如下顺序点击,TurtleBot将被一个白色框线框住,并可以查看姿态信息 也可以用以下命令,打印出

    2024年04月26日
    浏览(39)
  • 基于强化学习(Reinforcement learning,RL)的机器人路径规划MATLAB

    Q-learning算法是强化学习算法中的一种,该算法主要包含:Agent、状态、动作、环境、回报和惩罚。Q-learning算法通过机器人与环境不断地交换信息,来实现自我学习。Q-learning算法中的Q表是机器人与环境交互后的结果,因此在Q-learning算法中更新Q表就是机器人与环境的交互过程

    2024年02月11日
    浏览(55)
  • Pytorch深度强化学习案例:基于Q-Learning的机器人走迷宫

    本专栏重点介绍强化学习技术的数学原理,并且 采用Pytorch框架对常见的强化学习算法、案例进行实现 ,帮助读者理解并快速上手开发。同时,辅以各种机器学习、数据处理技术,扩充人工智能的底层知识。 🚀详情:

    2024年02月04日
    浏览(61)
  • ]每日论文推送(有中文摘要或代码或项目地址)---强化学习,机器人,视觉导航

    [晓理紫]每日论文推送(有中文摘要或代码或项目地址) 每日更新论文,请转发给有需要的同学 [晓理紫] VX关注晓理紫,获取每日新论文 VX关注晓理紫,并留下邮箱可免费获取每日论文推送服务 {晓理紫}喜分享,也很需要你的支持,喜欢留下痕迹哦! 大语言模型LLM 视觉模型VL

    2024年01月19日
    浏览(50)
  • 强化学习路径优化:基于Q-learning算法的机器人路径优化(MATLAB)

    Q-learning算法是强化学习算法中的一种,该算法主要包含:Agent、状态、动作、环境、回报和惩罚。Q-learning算法通过机器人与环境不断地交换信息,来实现自我学习。Q-learning算法中的Q表是机器人与环境交互后的结果,因此在Q-learning算法中更新Q表就是机器人与环境的交互过程

    2024年02月14日
    浏览(59)
  • 【ROS2机器人入门到实战】Gazebo仿真环境搭建

    当前平台文章汇总地址:ROS2机器人从入门到实战 获取完整教程及配套资料代码,请关注公众号鱼香ROS获取 教程配套机器人开发平台:两驱版| 四驱版 为方便交流,搭建了机器人技术问答社区:地址 fishros.org.cn 本节我们要在Gazebo中建立一个测试的环境,其实也很简单,利用

    2024年02月05日
    浏览(62)
  • 中科院自动化所:基于关系图深度强化学习的机器人多目标包围问题新算法

    摘要:中科院自动化所蒲志强教授团队,提出一种基于关系图的深度强化学习方法,应用于多目标避碰包围问题(MECA),使用NOKOV度量动作捕捉系统获取多机器人位置信息,验证了方法的有效性和适应性。研究成果在2022年ICRA大会发表。   在多机器人系统的研究领域中,包围控

    2024年01月16日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包