我的环境：
ubuntu20.04 + nvidia驱动570.133.07 + cuda12.1

参考官网readme：https://gitee.com/leju-robot/kuavo-rl-opensource/blob/master/kuavo-robot-train/README.md

目录

1、安装miniconda3

2、安装isaac gym

3、创建train的conda环境

4、执行训练

1、安装miniconda3

#安装
mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm ~/miniconda3/miniconda.sh
#初始化
~/miniconda3/bin/conda init --all
source ~/.bashrc

2、安装isaac gym

wget https://developer.nvidia.com/isaac-gym-preview-4
tar -xvzf isaac-gym-preview-4  #将名字改为 isaacgym 并存放在'kuavo-robot-train'同级目录下

3、创建train的conda环境

conda create -n humanoid-gym-op python=3.8
conda activate humanoid-gym-op
cd kuavo-rl-opensource/kuavo-robot-train
pip install -e ../isaacgym/python
#漫长等待  

pip install -e .

4、执行训练

#第一次测试，建议并行环境设置小一点512
python scripts/train.py --task=kuavo_s42_sk_ppo --run_name v1 --headless --num_envs 4096
python scripts/play.py --task=kuavo_s42_sk_ppo --run_name v1

--headless是无图形化处理，可让训练更快，如果想看isaacgym页面，可以删掉这个参数

训练开始

按照指定的pt文件继续训练：

python scripts/train.py --task=kuavo_s42_sk_ppo --run_name v1 --headless --num_envs 4096 --resume --load_run Feb07_11-27-10_v1 --checkpoint 0 #该例子表示文件保存在'kuavo-robot-train/logs/Kuavo_s42_sk_ppo/Feb07_11-27-10_v1'目录下，选择了model_0.pt文件进行继续训练，headless选项关闭了GUI显示。
python scripts/play.py --task=kuavo_s42_sk_ppo --run_name v1 --load_run Feb07_11-27-10_v1 --checkpoint 0

模型及训练参数都保存在logs中