基于 mjLab 仿真的宇树 G1 强化学习示例
环境搭建
先根据需求安装 miniconda：
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
此后初始化 Conda：
~/miniconda3/bin/conda init --all
source ~/.bashrc
然后用 Conda 创建一个新的环境并启用：
conda create -n unitree_rl_mjlab python=3.11
conda activate unitree_rl_mjlab
在运行完成没有错误后，从 GitHub 拉取 Unitree_rl_mjlab 项目：
git clone https://github.com/unitreerobotics/unitree_rl_mjlab.git
然后对其安装依赖：
sudo apt install -y libyaml-cpp-dev libboost-all-dev libeigen3-dev libspdlog-dev libfmt-dev
cd unitree_rl_mjlab
pip install -e .
上面的步骤可能会花费很长时间。
训练模型
python scripts/train.py Unitree-G1-Flat --env.scene.num-envs=4096
第一个参数（例如 Mjlab-Velocity-Flat-Unitree-G1）指定了训练任务。可用的速度跟踪任务：
- Unitree-Go2-Flat
- Unitree-G1-Flat
- Unitree-G1-23Dof-Flat
- Unitree-H1_2-Flat
- Unitree-A2-Flat
- Unitree-R1-Flat
另一个可以用来训练的模型：
python scripts/csv_to_npz.py \
--input-file src/assets/motions/g1/dance1_subject2.csv \
--output-name dance1_subject2.npz \
--input-fps 30 \
--output-fps 50
NPZ 文件将存储在：src/motions/g1/...
生成 NPZ 文件后，启动模拟训练：
python scripts/train.py Unitree-G1-Tracking --motion_file=src/assets/motions/g1/dance1_subject2.npz --env.scene.num-envs=4096
仿真验证
python scripts/play.py Unitree-G1-Flat --checkpoint_file=logs/rsl_rl/g1_velocity/2026-xx-xx_xx-xx-xx/model_xx.pt
python scripts/play.py Unitree-G1-Tracking --motion_file=src/assets/motions/g1/dance1_subject2.npz --checkpoint_file=logs/rsl_rl/g1_tracking/2026-xx-xx_xx-xx-xx/model_xx.pt
其中具体的模型名称 model_xx.pt 及其路径需要根据情景进行修改。