zoukankan      html  css  js  c++  java
  • Ubuntu 16.04 安装 mujoco, mujoco_py 和 gym

    Mujoco

    (1)官网(https://www.roboti.us/license.html)注册 license,教育邮箱注册可以免费使用一年。注意:一个邮箱账号只能供一台主机使用。

    • 填写个人信息,点击 Request license,之后会收到一封来自 Roboti LLC Licensing 的邮件,里面有 Account Number

     

    • 填写 Account Number 和 Computer ID(Account Number 在之前的邮件中,Computer ID 运行文本框右侧对应平台的应用程序自动获得)
    • 点击 Register computer 后,又会收到一封邮件,内含 mjkey.txt 文件

     

     (2)官网(https://www.roboti.us/index.html)下载相应平台的 product(如 mujoco200 linux),解压到 ~/.mujoco 目录

    $ mkdir ~/.mujoco
    $ cp mujoco200_linux.zip ~/.mujoco
    $ cd ~/.mujoco
    $ unzip mujoco200_linux.zip

    (3)拷贝 mjkey.txt 文件

    $ cp mjkey.txt ~/.mujoco
    $ cp mjkey.txt ~/.mujoco/mujoco200_linux/bin

    (4)添加环境变量(~/.zshrc 或 ~/.bashrc)

    export LD_LIBRARY_PATH=~/.mujoco/mujoco200_linux/bin${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
    export MUJOCO_KEY_PATH=~/.mujoco${MUJOCO_KEY_PATH}

    (5)测试

    $ cd ~/.mujoco/mujoco200_linux/bin
    $ ./simulate ../model/humanoid.xml

    若出现以下画面,说明 mujoco 安装成功

     mujoco_py

    (1)下载源码

    git clone https://github.com/openai/mujoco-py.git

    (2)安装 patchelf

    $ curl -o /usr/local/bin/patchelf https://s3-us-west-2.amazonaws.com/openai-sci-artifacts/manual-builds/patchelf_0.9_amd64.elf
    $ sudo chmod +x /usr/local/bin/patchelf

    (3)用 conda 创建一个虚拟环境,并安装依赖

    $ conda create --name gymlab python=3.7 # 执行完会在 ~/miniconda3/envs 路径下出现 gymlab 目录
    $ conda activate gymlab # 激活 gymlab 虚拟环境
    (gymlab) $ cd ~/mujoco-py
    (gymlab) $ cp requirements.txt requirements.dev.txt ./mujoco_py
    (gymlab) $ cd mujoco_py
    (gymlab) $ pip install -r requirements.txt
    (gymlab) $ pip install -r requirements.dev.txt

    (4)安装

    (gymlab) $ cd ~/mujoco-py/vendor
    (gymlab) $ ./Xdummy-entrypoint
    (gymlab) $ cd ..
    (gymlab) $ python setup.py install

    (5)测试

    (gymlab) $ python
    >>> import mujoco_py
    # 第一次导入会加载一些东西,再导入一次就正常了
    >>> import mujoco_py

    Gym

    (1)下载源码

    git clone https://github.com/openai/gym.git

    (2)安装

    $ conda activate gymlab
    (gymlab) $ cd ~/gym
    (gymlab) $ pip install -e '.[all]'

    (3)添加环境变量

    vim ~/.zshrc
    export PYTHONPATH=path/to/gym:$PYTHONPATH

    (4)测试

    (gymlab) $ python
    >>> import gym
    >>> env = gym.make(‘CartPole-v0’)
    >>> env.reset()
    >>> env.render()

    运行结果如下:

  • 相关阅读:
    聊聊WS-Federation
    用双十一的故事串起碎片的网络协议(上)
    责任链模式的使用-Netty ChannelPipeline和Mina IoFilterChain分析
    最小化局部边际的合并聚类算法(中篇)
    最小化局部边际的合并聚类算法(上篇)
    UVaLive 7371 Triangle (水题,判矩形)
    UVaLive 7372 Excellence (水题,贪心)
    POJ 3312 Mahershalalhashbaz, Nebuchadnezzar, and Billy Bob Benjamin Go to the Regionals (水题,贪心)
    UVa 1252 Twenty Questions (状压DP+记忆化搜索)
    UVa 10817 Headmaster's Headache (状压DP+记忆化搜索)
  • 原文地址:https://www.cnblogs.com/dinghongkai/p/11557917.html
Copyright © 2011-2022 走看看