SimpleVLA-RL一个具身智能训练框架

然后根据GPU的型号安装cuda、cuDNN、和GPU版本的torch。对于标题的报错，首先确认自己电脑是否有GPU，驱动时是否正常。NVIDIA官网安装cuda对应的GPU版本的torch。

print('重新编译成功:', torch.__version__)"安装torchvision的时候防止重新安装pytorch 使用参数--no-deps。jetson 是arm架构，安装很多库的时候使用预编译的包容易出现不兼容的问题。记录以下自己编译安装pytorch的过程。所以很多时候需要编译安装。

2.多机械臂连在hub上，会经常自己变动端口号，我是分开插在电脑上的，可以用hub的Type-C接口一端接USB，Type-C一端电脑解决USB不够用的问题，相机USB不沟通也可以借助HUB的Type-C;第一轮结束点击向右键结束记录，这时候需要初始化环境，初始化环境完成之后再点击向右键，会开始第二轮的采集；回车之后，出现一下输出，环境初始化好之后，点击向右键就开始记录数据，这时候开始操作机械臂采

通过实验论证了大规模的仿真数据可以有效补充真实世界数据，尽管有一些明显的不一致，也能使模型的表现显著好于仅只用真实数据训练的结果。另外还发现仿真数据可提升策略在真实世界数据集未覆盖的场景的范化性能，这凸显了其在开发更稳健、适应性更强的机器人系统方面的潜力。我们的研究结果强调了利用多样化模拟数据提升通用机器人自主性的前景。

在机器人的边缘算力jetson上部署代码的时候，需要在conda虚拟环境中安装pyrealsense2。以及git之后本地编译，都不成功最后通过用conda指定库去安装才成功。尝试pip installpyrealsense2。

2.多机械臂连在hub上，会经常自己变动端口号，我是分开插在电脑上的，可以用hub的Type-C接口一端接USB，Type-C一端电脑解决USB不够用的问题，相机USB不沟通也可以借助HUB的Type-C;第一轮结束点击向右键结束记录，这时候需要初始化环境，初始化环境完成之后再点击向右键，会开始第二轮的采集；回车之后，出现一下输出，环境初始化好之后，点击向右键就开始记录数据，这时候开始操作机械臂采

lerobot官方代码库更新太快了，以下命令针对于2025年10月29日下载的代码调试为什么官方给了还要自己整理呢，因为官方改动太快了，很多命令的修改没跟上，导致官方给的命令跑不起来，自己摸索挺费时间的，有些需要去扒代码才能找到正确的命令参数，所以把自己整理的分享出来供大家参考命令对应的脚本基本都在 src/lerobot/scripts 路径下 可以对应看一下代码实现。

在打开的isaac sim界面中,左下角content窗口中根据路径选择自己的机械臂usd文件，open file打开。在弹出来的以下窗口中如果之前的场景是空的选择don't save,如果之前有其他场景需要保存的就自己保存吧。在弹出的窗口中根据路径选择自己本地的机械臂usd文件，点击右下角的 open file。如果机器人还没有usd文件，请见以上方法使用机械臂配置文件生成usd文件。终端cd

然后根据GPU的型号安装cuda、cuDNN、和GPU版本的torch。对于标题的报错，首先确认自己电脑是否有GPU，驱动时是否正常。NVIDIA官网安装cuda对应的GPU版本的torch。