Isaac Lab 训练机器狗和无人机demo

安装好Isaac Sim 和Isaac Lab后，其中使用Isaac Lab的最快方法是使用Batteries-included中包含的机器人任务，比如机器人和无人机任务。

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Velocity-Rough-Anymal-C-v0 --headless

1.找到 checkpoint

训练完成后，model.pt会每50次存在/home/ai_teaching/isaacsim/IsaacLab/logs/rsl_rl/anymal_c_rough/日期，这个文件夹下。有了这些.pt权重文件，不等于真实机械狗立刻就会自己运动；它首先表示“你已经训练出了一个控制策略”，接下来要把这个策略拿去“播放、推理、部署”。Isaac Lab 官方文档明确说，训练完成后通常先用play scripts可视化策略效果；如果要上真机，还要走专门的policy deployment流程。

如果这个 checkpoint 训练得成功，那么在对应任务环境里，策略会根据观测自动输出动作，让仿真里的机械狗自己走。官方的 “Policy Inference in USD Environment” 教程就是在讲：把一个已经训练好的策略拿来做policy inference，让机器人在场景中运动。

2.用 play 脚本加载它

要使用model_1499.pt,

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/play.py \ --task=Isaac-Velocity-Rough-Anymal-C-Play-v0 \ --checkpoint=/home/ai_teaching/isaacsim/IsaacLab/logs/rsl_rl/anymal_c_rough/replace_with_your_path/model_1499.pt

3.看仿真里的效果

如果训练成功，你会看到仿真中的 ANYmal：

• 自动保持平衡
• 按任务要求前进
• 在 rough terrain 上行走更稳

.pt本质上只是神经网络参数，它本身不会独立运动。
它必须和这些东西一起工作：

• 对应的机器人模型
• 对应的任务环境
• 对应的观测定义
• 对应的动作空间
• 对应的控制频率和配置文件

同理，Isaac Lab也包含了无人机中的场景

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Quadcopter-Direct-v0

play一下：

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/play.py --task=Isaac-Quadcopter-Direct-v0

Isaac Lab官方文档：Local Installation — Isaac Lab Documentation