【legged_gym】legged_gym, isaacgym代码逻辑梳理
- 总体关系
- IsaacGym
- legged_gym
- rsl_rl
- 三者的关系
- legged_gym代码库介绍
- 环境模块env
总体关系
IsaacGym
- Isaac Gym 是 NVIDIA 开发的一个高性能物理仿真平台，专门用于强化学习和机器人控制任务。它基于 NVIDIA 的 PhysX 物理引擎，并利用 GPU 加速仿真，能够同时运行数千个仿真环境。
- 主要特点：
GPU 加速：利用 GPU 并行计算能力，支持大规模并行仿真。
高性能：能够同时运行数千个仿真环境，适合强化学习训练。
灵活的 API：提供 Python API，方便与深度学习框架（如 PyTorch）集成。
支持多种机器人：包括四足机器人、机械臂、无人机等。
视觉和物理仿真：支持视觉传感器（如 RGB 相机、深度相机）和物理传感器（如 IMU、力传感器）。
legged_gym
- Legged Gym 是一个基于 Isaac Gym 的四足机器人强化学习框架，由 ETH Zurich 的 Robotic Systems Lab 开发。它专注于训练四足机器人（如 ANYmal、Spot）的运动控制策略。
- 主要特点：
基于 Isaac Gym：利用 Isaac Gym 的高性能仿真能力。
模块化设计：环境、策略、奖励函数等模块高度可配置。
支持多种机器人：包括 ANYmal、Spot 等四足机器人。
强化学习集成：与 rsl_rl 强化学习库无缝集成。
rsl_rl
- rsl_rl 是 ETH Zurich 的 Robotic Systems Lab 开发的一个轻量级强化学习库，专门用于机器人控制任务。它基于 PyTorch 实现，支持多种强化学习算法（如 PPO、SAC）。
- 主要特点：
轻量级：代码简洁，易于扩展和修改。
基于 PyTorch：与 PyTorch 生态系统无缝集成。
支持多种算法：包括 PPO、SAC 等常用强化学习算法。
高效训练：针对机器人控制任务进行了优化。
三者的关系
- Isaac Gym 提供高性能的物理仿真环境。
- Legged Gym 基于 Isaac Gym，专注于四足机器人的强化学习任务。
- rsl_rl 提供强化学习算法的实现，用于训练 Legged Gym 中的机器人控制策略。
工作流程：
- 使用 Isaac Gym 创建仿真环境。
- 使用 Legged Gym 配置四足机器人的任务和环境。
- 使用 rsl_rl训练强化学习策略。
- 将训练好的策略部署到实际机器人上。
legged_gym代码库介绍
- 项目地址：legged_gym代码库
环境模块env
- 环境模块定义了四足机器人的仿真环境和任务，它是 legged_gym 的核心部分，负责与 Isaac Gym 的交互
- 这里将机器人看做是环境，env下每一个文件夹对应一种机器人
- base/：包含基础环境类和机器人类的实现。
- legged_robot.py：定义了四足机器人的基类，包括机器人初始化、状态更新、奖励计算等功能。
- legged_robot_config.py：机器人配置类，用于定义机器人的物理参数、控制参数等
- 每个环境由一个环境文件
xx.py和一个配置文件xx_config.py定义 - PPO的相关设置也在xx_config中定义
- 定义新环境时，需要在__init__函数中注册，传入类、配置、PPO的类
