raisim_unitree_a1

Здесь представлен алгоритм развертки RaiSim в docker

1. Получение лицензии:

Необходимо получить лицензию RaiSim, которая привязывается к ID железа машины.

Требуется перейти по ССЫЛКЕ, заполнить все поля и указать Academic license.

Полученный файл лицензии необходимо переименовать в activation.raisim и поместить в /home/<YOUR-USERNAME>/.raisim

Оригинальный туториал по запуску можно найти ЗДЕСЬ

2. Клонируем репозиторий:

Клонируем репозиторий с исходниками докера в /home/<YOUR-USERNAME>/

cd /home/$USER && git clone https://gitlab.com/rl-unitree-a1/docker.git

3. Сборка докера:

В репозитории находится скрипт по установке самого докера: install_docker.bash

Выполняем скрипт установки докера:

bash install_docker.bash -n

Выполняем скрипт клонирования репозиториев и внесения в них изменений (**** Здесь происходит клонирование ключа лицензии в докер):

bash initial.bash

Выполняем скрипт сборки докера:

bash build_docker.sh -n

И выполняем скрипт запуска докера:

bash run_docker.sh -n

Дальнешие действия выполняются исключительно в докере

4. Сборка проекта:

В докере в директории raisim_workspace находятся скрипты build.bash и rebuild.bash.

При первой сборке проекта необходимо запустить скрипт build.bash, который перемещает лицензионный ключ в необходимую директорию, а также производит создание необходимых папок build и сборки проекта.

При последующих сборках необходимо запускать скрипт rebuild.bash.

5. Работа с проектом:

Основными рабочими директориями в докере являются:

/raisim_workspace/raisimLib/raisimGymTorch/data - Местонахождение обученных моделей
/raisim_workspace/raisimLib/raisimGymTorch/raisimGymTorch/env/envs/rsg_a1 - Местонахождение исполняемых файлов

5.1 Запуск обучения

Запуск рабочего кода осуществляется в директории /raisim_workspace/raisimLib/raisimGymTorch/raisimGymTorch/env/envs/rsg_a1.

Для осуществления запуска обучения необходимо выполнить:

cd /raisim_workspace/raisimLib/raisimGymTorch/raisimGymTorch/env/envs/rsg_a1
python3 runner.py

В этой же директории основным файлом, где производятся все изменения и настройка симуляции является Environment.hpp.

В файле cfg.yaml выставляются коэффициенты наказаний и наград.

5.2 Переобучение политики

Для осуществления запуска переобучения политики необходимо выполнить:

cd /raisim_workspace/raisimLib/raisimGymTorch/
python3 raisimGymTorch/env/envs/rsg_a1/runner.py --mode retrain --weight data/uni_locomotion/***/full_**.pt

5.3 Воспроизведение обученной политики

Для осуществления запуска готовой политики необходимо выполнить:

cd /raisim_workspace/raisimLib/raisimGymTorch/
python3 raisimGymTorch/env/envs/rsg_a1/tester.py --weight data/uni_locomotion/***/full_**.pt