深度强化学习在ros+gazebo来实现导航的流程

一、环境配置ubutnu20.04配置深度学习环境-CSDN博客注意是首先创立了一个虚拟环境drl然后用安装了torchtorchaudiotorchvision以及安装opencv库、cv2库、tensorboardx库安装的命令在上面的博客中。安装后可以在终端输入python3后运行下面的指令检测一下是否安装完整。python3 import torch print(torch.__version__) 2.5.1 print(torch.cuda.current_device()) 0 print(torch.cuda.device_count()) 1 print(torch.cuda.get_device_name(0)) NVIDIA print(torch.cuda.is_available()) True print(torch.version.cuda) 11.8 print(torch.backends.cudnn.enabled) True print(torch.backends.cudnn.version()) 90100 二、具体复现过程ROSGazebo强化学习从虚拟训练到实车部署全流程分析_机械臂强化学习gazebo复现-CSDN博客首先是创建conda的虚拟环境创建环境名为td3,专门用于深度强化学习在ros下关于无人车的应用,应用的算法为td3.首先是创建虚拟环境其次是在对应的虚拟环境中安装torch按照opcd的方式来创建虚拟环境。requirements.txt在桌面主文件下面。其次安装tensorflow 和 tensorboard.根据这个博客进行复现,在编译过程中会有两个包没装分别是empy和catkin_pkg分别执行下面两行语句pip install catkin_pkgconda install -c conda-forge empy装完以后创建的虚拟环境为td3按照对应的csdn进行相应的世界launch的配置以及对应机器人的launch文件的开启。cd DRL-robot-navigation-main/catkin_ws/ catkin_make source devel/setup.sh roslaunch multi_robot_scenario TD3_world.launch这个可以不用在conda的虚拟环境中开启。cd DRL-robot-navigation-main/catkin_ws/ source devel/setup.sh roslaunch multi_robot_scenario pioneer3dx.gazebo.launch这个也不用在。开启后可以看到下面的世界和对应的无人车打开对应的rvizcd ~/Desktop/DRL-robot-navigation-main/catkin_ws/ source devel/setup.sh cd src/multi_robot_scenario/launch rviz -d pioneer3dx.rviz并且因为在前面将小车的名称均从r1改为了p3dx所以在rviz中的话题要选择对应的话题。在训练中训练的程序需要进行对应的开启激活对应的虚拟环境。cd ~/DRL/TD3conda activate td3python3 train_velodyne_td3.py即可进行对应的训练同时内部的Q值以及损失函数可以通过前面安装的tensorboard进行在网页端的可视化处理与显示conda activate td3 cd ~/Desktop/DRL-robot-navigation-main/TD3 tensorboard --logdir runs