gym-ignition

⚠️ 警告 ⚠️

该项目已不再积极维护，开发已停止。 有关当前状态和恢复开发的可操作步骤的详细说明，请参阅 robotology/gym-ignition#430.

描述

gym-ignition 是一个框架，用于创建可重复的机器人环境以进行强化学习研究。

它基于 ScenarIO 项目提供与 Ignition Gazebo 模拟器接口的低级 API。 默认情况下，RL 环境共享许多样板代码，例如用于初始化模拟器或构建类以暴露 gym.Env 接口。 Gym-ignition 提供 Task 和 Runtime 抽象，帮助您专注于决策逻辑的开发，而不是工程。 它包括 randomizers 以简化模型、物理和任务领域随机化的实现。 通过利用 robotology/idyntree 并暴露 高层功能， Gym-ignition 还提供强大的动力学算法，兼容固定基和浮动基机器人。

Gym-ignition 不提供现成可用的环境。 相反，它的目的是简化和优化环境的开发。 尽管如此，为了说明目的，它在gym_ignition_environments 包中提供了规范示例。

访问 [网站][website] 了解有关该项目的更多信息。

安装

1. 首先，按照 ScenarIO 的安装说明操作。
2. pip install gym-ignition，最好在 虚拟环境 中进行。

参与贡献

您可以访问我们在 GitHub Discussions 上的社区论坛。 即使没有编码技能，回复用户的问题也是一种很好的贡献方式。 如果您在应用程序中使用 gym-ignition 并想展示它，请访问 展示与分享 部分！ 你可以在那里宣传你用 gym-ignition 创建的环境。

欢迎提交拉取请求。

对于重大更改，请首先打开 讨论 来提出您想要更改的内容。

引用

@INPROCEEDINGS{ferigo2020gymignition,
    title={Gym-Ignition: Reproducible Robotic Simulations for Reinforcement Learning},
    author={D. {Ferigo} and S. {Traversaro} and G. {Metta} and D. {Pucci}},
    booktitle={2020 IEEE/SICE International Symposium on System Integration (SII)},
    year={2020},
    pages={885-890},
    doi={10.1109/SII46433.2020.9025951}
} 

许可证

LGPL v2.1 或更高版本。

免责声明: Gym-ignition 是一个独立项目，与 OpenAI 和 Open Robotics 没有任何关系。