Skip to content

Latest commit

 

History

History
61 lines (47 loc) · 2.1 KB

README_cn.md

File metadata and controls

61 lines (47 loc) · 2.1 KB

FR_Reinforcement learning

介绍

本项目是基于pybullet和stable baseline3 的法奥机械臂的强化学习抓取训练代码

视频详见b站（大家多多一键三连~）【机械臂强化学习抓取】 https://www.bilibili.com/video/BV1DD421V7eP/?share_source=copy_web&vd_source=c17cbd34d977b7117b060596fe15e749

一、安装机器简介

训练的硬件：NVIDIA GeForce 3090图形处理器和Intel(R) Core(TM) i9-10900X CPU @ 3.70GHz 部署硬件及软件：NVIDIA GeForce RTX 3070图形处理器和11th Gen Intel(R) Core(TM) i7-11800H @ 2.30GHz，使用系统为Ubuntu 20.04+ROS Noetic

二、场景部署说明

FAIRINO FR5 是一个高精度的工业六轴机械臂，它的重复定位进度达到了0.02mm，我们在机械臂的末端添加了来自DH Robotics 的二指夹爪PGI-140-80，它可以达到拥有80mm的有效行程和最高140N的抓力。在这个实验中，我们使用的仿真平台是pybullet，机械臂会使用它的夹爪对放置在前方804020cm的空间内的咖啡杯进行平行于地面的抓取，如果夹爪中心距离和杯子的中心点距离小于1.5cm，则判断为抓取成功。如果机械臂出现：1）运动过程中夹爪碰到杯子或者桌子 2）运动步数超过限制，那么这判断为任务失败。在仿真和实际场景中，在每一次实验完成后，我们会对杯子的位置进行随机重新放置。 仿真场景 真实场景

三、requirments 必须的安装包

gym==0.26.2

pybullet

opencv-python

loguru

stable_baselines3

scipy

numpy

四、代码说明

fr5_description 用于储存机械臂urdf模型文件 Fr5_env.py 用于构建强化学习环境 Fr5_train.py 强化学习训练代码 FR5_test.py 用于强化学习测试

五、How to use

可使用的算法：

  • PPO（默认）
  • A2C
  • DDPG
  • TD3

开始训练：

python Fr5_train.py --timesteps 30000 --gui False

tensorboard可视化训练结果

tensorboard --logdir .../logs/PPO/你的训练结果 --port 6006

推理模型

python Fr5_test.py --model_path your_model_dir --gui True