基于 Isaac Lab + PyTorch + RSL_RL 的双足机器人强化学习训练系统。
本项目为机器人提供完整的强化学习训练解决方案，从仿真训练到真机部署的全流程支持。
| 组件 | 技术 | 版本 |
|---|---|---|
| 仿真引擎 | NVIDIA Isaac Sim | 2024.1.1+ |
| 环境框架 | Isaac Lab | v0.2.0+ |
| 深度学习 | PyTorch | 2.0+ |
| 强化学习 | RSL_RL | v2.2.1+ |
硬件：
- GPU: NVIDIA RTX 3060 及以上 (推荐 RTX 4070+)
- VRAM: 至少 8GB (推荐 12GB+)
- RAM: 至少 16GB
- 存储: 至少 50GB 可用空间
软件：
- Ubuntu 20.04 / 22.04
- NVIDIA Driver 550+
- CUDA 11.8 / 12.1
# 1. 克隆仓库
git clone https://github.com/Chenpeel/humanoid_rl.git
cd humanoid_rl
# 2. 安装 uv（用于管理 Python 版本）
curl -LsSf https://astral.sh/uv/install.sh | sh
# 或者使用清华镜像 pip 安装
# $(which python) -m pip install -U uv -i https://pypi.tuna.tsinghua.edu.cn/simple
uv --version
# 3. 准备 Python 3.11
uv python install 3.11
# 4. 安装项目
make install
# Linux x86_64 / aarch64: 自动安装 dev + training
# macOS / 其他平台: 自动安装 dev
# 5 验证安装
make verify
# 6 运行训练（需 Linux x86_64 / aarch64）
make train将自定义的 MJCF 模型文件放置在 rl/robots/ 目录下，并在训练配置中指定模型名称即可。
编写urdf/mjcf的xml文件 使用可视化验证
make visualize-mjcf XML=robots/unitree_h1/scene.xml \
AUTORELOAD=0 #是否自动重载模型\
GRAVITY=1 #是否启动重力\
MODE=launch 更多内容参考
make help