由于涉及復雜的動力學，為四足機器人制定有效的運動策略是機器人領域面臨的重大挑戰(zhàn)。在現(xiàn)實世界中訓練四足機器人上下樓梯可能會損壞設備和環(huán)境，因此，在學習過程中，仿真器在確保安全和消除時間限制方面都發(fā)揮著關鍵作用。

利用深度強化學習（RL）在仿真環(huán)境中訓練機器人，這樣可以更有效、更安全地執(zhí)行復雜任務。然而，這種方法帶來了一個新的挑戰(zhàn)：如何確保在仿真環(huán)境中訓練的策略能夠無縫地切換到現(xiàn)實世界。換句話說，我們如何縮小仿真與現(xiàn)實之間的差距？

要縮小仿真與現(xiàn)實之間的差距，需要一個高保真、基于物理的訓練仿真器、一臺高性能 AI 計算機（如 NVIDIA Jetson）以及一個具有關節(jié)級控制能力的機器人。強化學習研究工具包是波士頓動力公司、NVIDIA 和波士頓動力人工智能研究所合作開發(fā)的，它整合了上述能力，實現(xiàn)了四足機器人從虛擬世界到現(xiàn)實世界的無縫部署。它包括 Spot 四足機器人的關節(jié)級控制 API（用于控制機器人如何運動）、NVIDIA Jetson AGX Orin 有效載荷運行策略所需的安裝硬件（AGX Orin 單獨出售），以及在 NVIDIA Isaac Lab 中為 Spot 提供的仿真環(huán)境。

Isaac Lab 是一個基于 NVIDIA Isaac Sim 平臺開發(fā)的輕量級參考應用程序，專為大規(guī)模機器人學習進行了優(yōu)化。它利用 GPU 并行化進行大規(guī)模物理并行仿真，以提高最終的策略效果，并減少機器人強化學習的訓練時間。憑借其高保真物理和域隨機化功能，Isaac Lab 彌合了仿真與現(xiàn)實的差距，使經過訓練的模型能夠通過零樣本無縫部署到物理機器人上。要了解更多信息，請參閱NVIDIA Isaac Sim 4.0 和 NVIDIA Isaac Lab 為機器人工作流和仿真提供強大助力。

本文解釋了如何在 Isaac Sim 和 Isaac Lab 中為 Spot 四足機器人創(chuàng)建運動強化學習策略，并使用強化學習研究工具包中的組件在硬件上部署。

在 Isaac Lab 中

訓練四足機器人運動

本章節(jié)介紹了如何在 Isaac Lab 中訓練運動強化學習策略。

圖 1. 從 Isaac Sim 到 Isaac Lab的

運動策略訓練框架工作流

目標

訓練 Spot 機器人在平地上走動時，去追蹤目標 x、y 和偏航基本速度。

觀察和行動空間

目標速度在每次重置時都會隨機分配，并與圖 1 所示的其他觀察結果一起提供。行動空間僅包括 12 個自由度關節(jié)位置，這些位置作為參考關節(jié)位置傳遞給底層關節(jié)控制器。

域隨機化

在關鍵訓練階段，對各種參數(shù)進行隨機化處理，如隨機化參數(shù)下的圖 1 所示。這些隨機化有助于模型確保現(xiàn)實世界部署的魯棒性，這個過程被稱為域隨機化。

網(wǎng)絡架構和強化學習算法的詳情

運動策略被構建成一個具有三層的多層感知器（MLP），包含 [512、156、128] 個神經元，并使用 RSL-rl 的近端策略優(yōu)化（PPO）算法進行訓練，該算法針對 GPU 計算進行了優(yōu)化。

必備條件

要想訓練運動策略，您需要：

配備 NVIDIA RTX GPU 的系統(tǒng)。詳細的最低規(guī)格，請參閱 Isaac Sim 文檔。

NVIDIA Isaac Sim、Isaac Lab 和 RSL-rl。

使用

本章節(jié)展示了如何訓練策略、回放策略和檢查結果。

訓練一個策略

cd 
./isaaclab.sh-psource/standalone/workflows/rsl_rl/train.py--taskIsaac-Velocity-Flat-Spot-v0--num_envs4096--headless--video--enable_cameras

--video--enable_cameras 參數(shù)記錄了智能體在訓練過程中的行為視頻，它是可選的。

播放經過訓練的策略

該步驟將播放經過訓練的模型，并將 .pt 策略導出到日志目錄下導出文件夾中的 .onnx 中。

cd 
./isaaclab.sh-psource/standalone/workflows/rsl_rl/play.py--taskIsaac-Velocity-Flat-Spot-v0--num_envs64

結果

視頻 1 演示了在 Spot 機器人上執(zhí)行經過訓練的策略。機器人能夠通過跟蹤目標 x、y 和偏航速度在平地上行走。通過 4096 個環(huán)境和 15000 次迭代，相當于在 NVIDIA RTX GPU 上大約 4 小時的訓練時間，我們實現(xiàn)了每秒 85000 到 95000 幀（FPS）的訓練速度。

視頻 1. 經過訓練的策略在 Isaac Lab

仿真的 Spot 機器人上進行了測試

使用 Jetson Orin 在 Spot 機器人

上部署經過訓練的強化學習策略

將經過仿真訓練的模型部署到機器人應用的現(xiàn)實世界中會帶來一些挑戰(zhàn)，包括實時控制、安全約束和其他現(xiàn)實世界的條件。Isaac Lab 具有精確的物理和域隨機化功能，使其能夠將仿真環(huán)境中訓練的策略部署到基于 Jetson Orin 零樣本的真實 Spot 機器人上，從而在虛擬和現(xiàn)實世界中實現(xiàn)類似的性能。

圖 2 顯示了真實的 Spot 機器人框架策略部署，將策略神經網(wǎng)絡加載到實際機器人上并進行推理。與仿真中相同的觀察結果是使用波士頓動力的 State API 來計算的。

圖 2. 真實 Spot 機器人框架策略部署

將訓練好的模型轉移到 Spot 機器人需要將模型部署到邊緣，并低延遲、高頻率地控制機器人。NVIDIA Jetson AGX Orin 的高性能計算能力和低延遲 AI 處理確保了快速的推理和響應，這對現(xiàn)實世界的機器人應用至關重要。仿真的策略可以直接部署并進行推理，簡化了部署流程。

必備條件

部署時需要：

Spot 機器人與 Jetson Orin 連接，并配置為使用以太網(wǎng)端口、電源線和安裝支架的自定義有效載荷，按照所提供的安裝說明進行操作。

Spot 強化學習研究工具包中的部署代碼和 Spot Python SDK。

通過藍牙連接到 Jetson Orin 的 PS4 游戲手柄控制器。

外部 PC 通過 SSH 進入 Jetson 并運行代碼。

來自 Isaac Lab 的經過訓練的模型和配置文件。

Jetson Orin 上的硬件和網(wǎng)絡設置

在配備 Ubuntu 22.04 的外部 PC 上安裝 SDK Manager。

按照“如何使用 SDK Manager 對 L4T BSP 進行刷新”的說明，使用 SDK Manager，將配備 JetPack 6 的 Jetson Orin 進行刷新。完成后重新啟動。

把 Jetson Orin 連接到顯示器端口、鍵盤和鼠標。

使用步驟 2 中設置的用戶名和密碼登錄 Jetson Orin。

為了實現(xiàn) Jetson Orin 和 Spot 之間的通信，請手動設置 Jetson Orin 上以太網(wǎng)端口的有線網(wǎng)絡配置，并閱讀有關選擇 IP 地址的說明。

a) 進入 Settings -> Network -> Wired -> + 在 IPv4（Routes）下添加信息：地址 – Jetson IP 地址（選擇 192.168.50.5）、 網(wǎng)絡掩碼 – 255.255.255.0，和默認網(wǎng)關 -192.168.50.3。

b) 點擊“Add”按鈕。

圖 3. Spot 的 Jetson Orin 有線網(wǎng)絡配置

Jetson 上的軟件設置

首先，將仿真中的訓練策略從 .pt 轉換為 .onnx 格式，并導出環(huán)境配置。這是在訓練 PC 上完成的。

cd 
./isaac_lab.sh-psource/standalone/workflows/rsl_rl/play.py--taskIsaac-Velocity-Flat-Spot-v0

結果將在該模型的訓練日志目錄中的導出文件夾中，該文件夾包含 env_cfg.json 和 .onnx 文件。

在訓練 PC 上創(chuàng)建一個文件夾，并將 env.yaml 文件和 .onnx 文件復制到該文件夾中。請注意：env.yaml 在 params 文件夾中，.onnx 文件在訓練日志目錄的導出文件夾中。

在訓練 PC 上使用 SSH，將步驟 1 中的文件夾復制到 Jetson Orin。確保 PC 和 Jetson 處在同一網(wǎng)絡，比如 Spot 本地 wifi。在 PC 的終端上運行以下命令：

scp-P20022-r/path/to/folder/*orinusername@network_IP:

接下來，在 Orin 的終端上從主目錄運行以下命令：

mkdir spot-rl-deployment && cd spot-rl-deployment && mkdir models 
git clone https://github.com/boston-dynamics/spot-rl-example.git 
cd spot-rl-example && mkdir external && cd external && mkdir spot_python_sdk

下載具有聯(lián)合級 API 的 Spot Python SDK，并將內容解壓縮到步驟 3 中的 spot_python_sdk 文件夾中。

安裝部署代碼需要的東西：

cd ~/spot-rl-deployment/spot-rl-example
sudo apt update
sudo apt install python3-pip
cd external/spot_python_sdk/prebuilt
pip3 install bosdyn_api-4.0.0-py3-none-any.whl
pip3 install bosdyn_core-4.0.0-py3-none-any.whl
pip3 install bosdyn_client-4.0.0-py3-none-any.whl
pip3 install pygame
pip3 install pyPS4Controller
pip3 install spatialmath-python
pip3 install onnxruntime

把 env.yaml 文件轉換為 env_cfg.json 文件：

cd ~/spot-rl-deployment/spot-rl-example/python/utils/
python env_convert.py 
#input the path to the .yaml file e.g ~/env.yaml
#Thefileoutputsaenv_cfg.jsonfileinthesamedirectoryasthe.yamlfile

將步驟 6 中的 env_cfg.json 和步驟 2 中經過訓練的模型 policy.onnx 文件移動到 models 文件夾中：

mv env_cfg.json policy.onnx ~/spot-rl-deployment/models

運行策略

1. 啟動 Spot，然后按下機器人背面的電機鎖定按鈕，并確保 Jetson Orin 已通電。

圖 4. Spot 的背面

2. 在 Spot 平板電腦控制器上打開 Spot 應用。選擇一個機器人，按照提示登錄并操作 Spot。確保從平板電腦解除控制以運行策略：打開“Motor Status”菜單（電源圖標），導航到高級設置，然后選擇“Release Control”。

3. 將 PC 連接到 Spot 本地 wifi，并從終端通過 SSH 連接到 Orin。Spot 將端口 20022 轉發(fā)到其有效載荷，以便可以打開與 Spot IP 和該端口的 SSH 連接來訪問 Orin。IPv4 地址 192.168.50.3 是 Spot 的 IP 地址。

ssh @ -p 20022 
e.g
ssh @192.168.50.3 -p 20022

4. 使用 bluetoothctl 把無線游戲手柄連接到 Orin：

bluetoothctl
scan on  // wait for devices populate ~5s
scan off
devices

在列出的設備中找到游戲手柄的 Mac 地址。將游戲手柄置于配對模式，按住“Select”和“PlayStation”按鈕約 5 秒，然后繼續(xù)使用 bluetoothctl。如果在完成后續(xù)步驟之前退出了配對模式，您可能需要重復此過程。

trust {MAC} 
pair {MAC} 
connect {MAC} 
exit

5. 運行強化學習策略：

cd ~/spot-rl-deployment/spot-rl-example/python
pythonspot_rl_demo.py~/spot-rl-deployment/models--gamepad-config./gamepad_config.json

根據(jù)提示輸入 Spot 的用戶名和密碼。Spot 將保持不變，但在按下回車鍵之前，策略不會控制它。現(xiàn)在，您可以使用游戲手柄驅動機器人。再次按下回車鍵，讓 Spot 關閉并退出。 6. 使用 PS4 游戲手柄進行控制。

圖 5. 用戶可以使用游戲手柄控制 Spot 機器人

如游戲手柄圖所示，使用左操縱桿進行 x、y 移動，使用右操縱桿進行旋轉。請注意，使用另一個游戲手柄（如 PS5 手柄）將需要不同的軸映射。axis_mapping 是指基于 pygame 的軸索引。

來自 ~/spot-rl-deployment/spot-rl-example/python/utils/test_controller.py 的腳本 test_controller.py 可用來打印每個軸的值，以確定不同手柄的恰當映射。

7. 使用游戲手柄配置選項來運行策略：

pythonspot_rl_demo.py~/spot-rl-deployment/models--gamepad-config/home/gamepad_config.json

視頻 2 展示了經過仿真訓練后真實的 Spot 機器人的運行情況。

視頻 2. Spot 機器人根據(jù) NVIDIA Isaac Lab 的訓練行走

開始開發(fā)您的自定義應用

Spot 強化學習研究套件中提供的代碼庫是您在仿真環(huán)境中創(chuàng)建自定義強化學習任務并將其部署到硬件上的起點。為了開發(fā)自定義應用，您可以通過添加自己的機器人模型、環(huán)境、獎勵函數(shù)、課程學習、域隨機化等，來修改和擴展當前的代碼庫。

請參閱文檔了解有關如何使用 Isaac Lab 為特定任務訓練策略的詳細指導。在其他機器人上部署經過訓練的策略是專屬于該機器人架構的；但是，如果應用需要進行額外的觀察，Spot 用戶則可以修改當前的部署代碼