Ubuntu20.04本地配置IsaacGym Preview 4的G1训练环境（二）：训练与推理

训练

根据（一）配置好环境后，在G1目录下启动终端，并进入your_name虚拟环境，执行：

python unitree_rl_gym/legged_gym/scripts/train.py --task=g1 --headless

默认是训练3000轮，若需要更多回合训练，执行：

python unitree_rl_gym/legged_gym/scripts/train.py --task=g1 --headless --max_iterations=10000

若一切正常，终端显示：

同时，训练过程中的信息还可通过tensorboard查阅，新开一个终端，同样在G1目录下和your_name虚拟环境中，执行：

tensorboard --logdir unitree_rl_gym/logs/g1/xxx
# 注：在logs/g1文件夹下可能存在多个文件，每个文件以时间命名，此处xxx替换为最新时间文件夹的名称(按tab键自动补全)，例如tensorboard --logdir unitree_rl_gym/logs/g1/Dec19_15-37-38_

终端出现如下显示：

打开浏览器输入localhost:6006或按住ctrl键点击终端中的http://localhost:6006/，可显示页面：

推理

由于训练后期奖励下降，说明后期策略不如中期策略，因此在测试时加载最高reward时的model，从Train目录下第三幅图Train/mean_reward中，加载大约4000回合的model：

python unitree_rl_gym/legged_gym/scripts/play.py --task=g1 --checkpoint=4000

出现可视化界面：

此时的机器人会朝着任意方向行走，这主要是由于参数文件中对于机器人x和y方向的线速度范围未做调整，通过修改unitree_rl_gym/legged_gym/envs/base/legged_robot_config.py文件中的lin_vel_x、lin_vel_y范围可实现机器人只往前行走：