本文将会记录与讲解使用legged_gym上手实践训练机器人的操作步骤。

OpenPI LoRA 微调指南（RTX 4090适用） 本文提供RTX 4090(24GB显存)上使用LoRA微调OpenPI模型的完整流程，包含： 核心概念对比 LoRA微调仅需22.5GB显存，训练1-2%参数，速度更快 全量微调需要70GB+显存，训练全部参数 关键路径说明 数据集默认存储位置 检查点保存目录结构 预训练权重位置 训练配置详解 模型配置选项（gemma_2b_lora/ge

在 Lite3 强化学习项目中，观测量(Observation)是 Policy 网络的输入，它编码了机器人当前的状态信息。观测量的设计直接影响到策略学习的效果和泛化能力。重要说明🔵Isaac Gym 版本: 基于 NVIDIA Isaac Gym 的 Lite3_rl_training 项目：https://github.com/DeepRoboticsLab/Lite3_rl_trainin

在 Lite3 强化学习项目中，观测量(Observation)是 Policy 网络的输入，它编码了机器人当前的状态信息。观测量的设计直接影响到策略学习的效果和泛化能力。重要说明🔵Isaac Gym 版本: 基于 NVIDIA Isaac Gym 的 Lite3_rl_training 项目：https://github.com/DeepRoboticsLab/Lite3_rl_trainin

Isaac Sim 5.1.0 支持通过 pip 安装，这是最简单的方法。: 如果你想贡献代码，建议先 fork 仓库，然后克隆你的 fork。运行训练ant机器人的代码，能开始训练，则说明安装成功。: 你可以使用任何环境名称，但本文档统一使用。: 5-15 分钟（取决于网络速度）

PPO (Proximal Policy Optimization) 是一种 Actor-Critic 架构算法。奖励函数是整个学习过程的指挥棒。学习预测未来的累积回报（Return）。用于处理物理限制的软约束，形式通常为单边损失（Hinge Loss）。，作为 Cost/Penalty 使用，用于约束能量和保持稳定。以下是代码中各个奖励项的数学表达及其物理含义分析。形式，旨在最大化机器人对指令的

在 Embodied AI（具身智能）导航任务中，WayPoint（航点）是指智能体（Agent）在三维空间中可以到达的、用于辅助路径规划的离散位置点。WayPoint 是连接“高层语义规划”与“底层机器人运动”的关键桥梁。并不是抛弃离散环境的思想，而是将离散环境中的“图结构（Graph）”内化为智能体的一种感知能力。通过深度学习网络（Predictor）实时利用 RGB-D 信息预测可达点，从而

在 Embodied AI（具身智能）导航任务中，WayPoint（航点）是指智能体（Agent）在三维空间中可以到达的、用于辅助路径规划的离散位置点。WayPoint 是连接“高层语义规划”与“底层机器人运动”的关键桥梁。并不是抛弃离散环境的思想，而是将离散环境中的“图结构（Graph）”内化为智能体的一种感知能力。通过深度学习网络（Predictor）实时利用 RGB-D 信息预测可达点，从而

在 Embodied AI（具身智能）导航任务中，WayPoint（航点）是指智能体（Agent）在三维空间中可以到达的、用于辅助路径规划的离散位置点。WayPoint 是连接“高层语义规划”与“底层机器人运动”的关键桥梁。并不是抛弃离散环境的思想，而是将离散环境中的“图结构（Graph）”内化为智能体的一种感知能力。通过深度学习网络（Predictor）实时利用 RGB-D 信息预测可达点，从而

PPO (Proximal Policy Optimization) 是一种 Actor-Critic 架构算法。奖励函数是整个学习过程的指挥棒。学习预测未来的累积回报（Return）。用于处理物理限制的软约束，形式通常为单边损失（Hinge Loss）。，作为 Cost/Penalty 使用，用于约束能量和保持稳定。以下是代码中各个奖励项的数学表达及其物理含义分析。形式，旨在最大化机器人对指令的