admin 管理员组文章数量: 1184232
特别鸣谢：深度学习大佬——sta
1、首先装一个ubuntu系统，最好是18.04或者20.04。因为其他版本的系统，对issac_gym不友好。至于装系统，建议弄一个启动盘，使用U盘直接插入，然后bios启动，一键安装即可。具体教程参考图文教程：3 招教你轻松制作 Ubuntu 启动盘 - 系统极客
2、现在已经安装好了一个ubuntu系统了，请熟练上一步骤，毕竟后续出现问题需要很多次重装系统，最后本人重装一次系统只要10min。接下来，我们需要安装英伟达驱动，显卡驱动，以及cudnn。首先必须说明一下，英伟达驱动，和cuda驱动不是一个东西。判别是否有nvidia驱动的方法是
nvidia-smi
如果显示了如下的图片，则为正常。
如果显示找不到，或其他则需要再装一次驱动。英伟达驱动的安装方式比较多，比如从官网下载，但是最后尝试发现，还是使用系统自带的驱动比较好。这部分有一个additional drivers，之前默认的是X server-Nouveau驱动，我们选择一个其他的，尽量新，然后拒绝tested的选项。这里选择了图中第三个。（选完之后应用改变，等待下载，然后重启）
如果出现这种情况：
法一：重启；法二：重装系统；法三：随便按按，点点
然后如果我们装好了之后，就使用命令nvidia-smi来看看是否如我们上图所示那样。
右边的cuda12.2代表当前英伟达驱动支持的最高的cuda版本，就是我们只要安装cuda版本小于12.2.的都可以用的。（这个具体的版本上限是由20.04系统决定的）
3、现在英伟达驱动已经安装完成了，我们接下来安装cuda和cudnn，这些需要一起安装。cuda下载网址：CUDA Toolkit Archive | NVIDIA Developer，这边建议使用cuda11.8，因为这边的英伟达后面还有一个pytorch的版本需要安装，我们选择的适配11.3cuda的pytorch1.10.0cu113，这个比较稳定。（所以不建议安装12.0的cuda，因为12.0的cuda与11.3的cuda架构差太多了，后来的leggym仿真跑不了）
执行以上指令后，根据终端提示，取消选择显卡驱动的安装即可
将cuda-11.8添加到bashrc：
sudo geidit ~/.bashrc
# 此处建议使用gedit，因为比vim更加友好，vim会出现保存之后卡住的情况
输入以下的语句
export PATH="/usr/local/cuda-11.8/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH"
保存，退出
source ~/.bashrc
之后安装cudnn
下载网址：cuDNN Archive | NVIDIA Developer
安装的时候，可能需要注册一下，没有网址的小伙伴需要去注册一下。
选择这个安装：
安装之后解压：逐步执行下面的操作：
tar -xvJf <cudnn文件.tar.xz>
cp ./include/cudnn*.h /usr/local/cuda-11.8/include/
cp ./lib/libcudnn* /usr/local/cuda-11.8/lib64/
chmod a+r /usr/local/cuda-11.8/include/cudnn*.h
chmod a+r /usr/local/cuda-11.8/lib64/libcudnn*
验证是否部署成功：
cat /usr/local/cuda-11.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
如果成功的话，会输出
然后进行最后一步，输入
nvcc -V
如果和下面一样：则说明我们的cuda11.8安装的很成功，如果没有的话，重启。
（first law in IT, reboot！！！）
4、现在我们终于安装完cuda驱动了，给自己点一个赞。接下来我们需要安装annoconda.
Linux安装Anaconda教程_linux anaconda安装-CSDN博客，这个没有什么需要特别注意的，参考这篇文章就OK。
5、现在已经安装好conda了，接下来安装我们的核心，issac_gym。
第一步：创建conda环境
conda create -n leggym python=3.8
进入虚拟环境
conda activate leggym
以后得操作都得在这个虚拟环境里面用，如果出来的话，记得得进去
第二步：安装一个pytorch环境以及配套环境。这里选的是cuda11.3对应的，此处注意，最新版本的pytorch需要python3.9以及以上，但是最稳定的python是3.8。
# CUDA 11.3
pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch/whl/cu113
第三步：安装issca_gym,
进入issac gym 官网：Isaac Gym - Preview Release | NVIDIA Developer
下载之后，放到home目录下，解压
tar -xzf 文件名（IsaacGym_Preview_4_Package.tar.gz）
进入到issca_gym/python目录下，打开终端输入：
pip install -e .
（后面的”.”是必要的）
为了验证是否安装成功，在example目录下：
输入：
python 1080_balls_of_solitude.py
第四步，安装rs-rl，
需要使用clone的命令，如果没有下载的话，需要git的包，
sudo apt-get install git
克隆官网的文件夹：
sudo git clone https://github/leggedrobotics/rsl_rl
注意：rsl_rl需要下载此前的1.02版本，下载默认版本（新版本）会报错。具体报错会在最后运行【train.py】的时候，会说啥啥参数数目不对的问题。
cd rsl_rl && git checkout v1.0.2 && pip install -e .
使用clone文件夹的方式并且，必须加上特殊版本标记才可以。
第五步，安装legged_gym文件夹
sudo git clone https://github/leggedrobotics/legged_gym
安装依赖
进入legged_gym文件夹（cd）：
pip install -e .
第六步：安装一些补充包，防止报错
pip install numpy==1.23.5
pip install tensorboard
conda install setuptools==59.5.0
（要是安装不上就装）
conda install setuptools==58.0.4
（要是还安装不上就）
pip install setuptools==58.0.4
第七步开始训练程序，
程序在这里：legged_gym/legged_gym/scripts/
python train.py --task=anymal_c_flat
python train.py --task=a1
一共有三个测试demo。效果图如下：
注意：issac gym在pycharm里面实现的效果并不好，所以暂时就直接在终端里面弄了。好多包现在还没看太明白，后续慢慢看，慢慢研究。
版权声明：本文标题：从零开始的装系统到isaac gym运行四足机器人仿真 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1766016059a3432553.html， 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。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论