Skip to content

Latest commit

 

History

History
119 lines (73 loc) · 3.25 KB

README_CN.md

File metadata and controls

119 lines (73 loc) · 3.25 KB

Unitree_RL

English document

基于unitree_guide状态机的四足机器人强化学习部署方案。将通过Isaac gym训练的模型成功在gazebo中实现仿真，并完成真机部署。通过修改CMakeLists.txt即可实现仿真与部署的切换。

考虑到文件大小，仅保留了go1的urdf文件，如需使用其他机器人，请在src/unitree_ros/robots中自行添加。

提供了一个训练好的宇树Go1平地行走的权重文件。

如果该项目对你有帮助，请帮忙点个star，谢谢。

准备

下载libtorch：libtorch-cxx11-abi-shared-with-deps-1.10.0+cu113.zip

https://download.pytorch.org/libtorch/cu113/libtorch-cxx11-abi-shared-with-deps-1.10.0%2Bcu113.zip

解压后记住文件夹路径/yourpath/libtorch

下载该仓库：

git clone https://github.com/dstx123/unitree_rl.git

编译

libtorch路径

在文件unitree_guide/unitree_guide/CMakeLists.txt中修改libtorch路径：

set(Torch_DIR /yourpath/libtorch/share/cmake/Torch)

编译项目

在src所在的目录运行

catkin_make

加载自定义模型

如果你需要加载自己训练的模型，你可能需要对代码做以下调整：

权重模型

在文件unitree_guide/unitree_guide/CMakeLists.txt中修改模型路径：

set(BODY_MODEL_PATH "${CMAKE_CURRENT_SOURCE_DIR}/model/body.jit")
set(ADAPT_MODEL_PATH "${CMAKE_CURRENT_SOURCE_DIR}/model/adapt.jit")
add_definitions(-DBODY_MODEL_PATH="${BODY_MODEL_PATH}")
add_definitions(-DADAPT_MODEL_PATH="${ADAPT_MODEL_PATH}")

这里可以自定义添加你自己的模型。

在unitree_guide\unitree_guide\src\FSM\State_RL.cpp中修改相应的模型加载方式：void State_RL::_loadPolicy()和void State_RL::_action_compute()

输入输出

请检查输入输出变量的顺序及相关参数。主要见unitree_guide\unitree_guide\src\FSM\State_RL.cpp和unitree_guide\unitree_guide\include\FSM\State_RL.h

运行

仿真

启动gazebo

source devel/setup.bash
roslaunch unitree_guide gazeboSim.launch

新建一个终端，运行控制器

source devel/setup.bash
sudo ./devel/lib/unitree_guide/junior_ctrl

按下2键，机器人将站起来。然后按4键，机器人进入强化学习状态机，待机器人站稳后通过键盘控制运动。

在终端中可以通过'w' 's' 'a' 'd'键控制机器人x和y轴速度，通过'j' 'l'键控制机器人旋转。

实物部署

在文件unitree_guide/unitree_guide/CMakeLists.txt中做如下修改：

set(SIMULATION OFF)         # Use Gazebo or not, ON or OFF
set(REAL_ROBOT ON)          # Link real robot or not, ON or OFF

重新编译：

catkin_make

通过网线连接电脑和狗，请确保可以ping通，详细参考宇树仓库。

启动狗，待狗站起来后，在电脑上运行：

sudo ./devel/lib/unitree_guide/junior_ctrl

此时，狗会坐下，进入passive状态。按L2+A，狗站起来。然后按'start'，此时，狗进入强化学习状态机，通过左摇杆控制机器人的x和y轴速度，通过右摇杆控制机器人旋转。

致谢

感谢宇树官方提供的rl_ws项目。