|
本文来源于乐聚机器人王松博士：《Pybulet Gym 源码解析：双足机器人模型 HumanoidPyBulletEnv-v0》
OpenAI gym 是当前使用最为广泛的用于研究强化学习的工具箱，但 Gym 的物理仿真环境使用的是 Mujoco，不开源且收费，这一点一直被人诟病。而 Pybullet-gym 是对 Openai Gym Mujoco 环境的开源实现，用于替代 Mujoco 做为强化学习的仿真环境。封装了 Pybullet 的接口，无缝的接入了 Gym 环境。 关于如何创建 Gym 自定义环境可以参考上一期极客专栏《OpenAI Gym 源码阅读：创建自定义强化学习环境》
完整使用 HumanoidPyBulletEnv-v0 模型的示例代码，在 pybulletgym/examples/（https://github.com/benelot/pybullet-gym/tree/master/pybulletgym/examples）路径下可以找到。
当示例代码引入 Pybullet-gym 库时，就完成了对 Pybullet 自定义 Gym 环境的注册。根据 OpenAI Gym 的文档，下面是使用随机策略，调用 HumanoidPyBulletEnv-v0 的测试代码。
首先查看 HumanoidPyBulletEnv-v0 运动空间和观测空间的维度大小
可知 HumanoidPyBulletEnv-v0 运动空间维度为 17，动作空间维度为 44。查看注册环境源码，可知 HumanoidPyBulletEnv-v0 入口类为 HumanoidBulletEnv
根据 HumanoidBulletEnv 初始化 __init__ 的参数，可知机器人实例由Humanoid() 构建，顺藤摸瓜，获得 HumanoidBulletEnv 运动空间维度的详细定义
执行 step 时，pybullet-gym 中使用力矩对机器人电机进行控制
接下来查看观测空间定义，状态观测是由 observation, reward, done, info = env.step(action) 获得，因此查看源码 walker_base_env.py 可知状态计算方式
大致包含机器人的离地面高度、机器人欧拉角、各个关节相对位置、足底是否触地等状态。状态维度为一共为 46，详细的定义，以及为什么这么定义的原因未知，参见这条 issue 的讨论 openai/gym/issues/585（https://github.com/openai/gym/issues/585），看来 OpenAI 被戏称为 CloseAI 是有原因的。 done 根据机器人的高度和偏航角来判断机器人是否摔倒，回合是否结束
对于强化学习问题，最为重要的就是奖励函数的设计，直接关乎训练后 Agent 的行为是否符合预期。HumanoidPyBulletEnv-v0 的奖励由下面几部分构成
alive: 判断机器人是否摔倒
progress: 速度的差值
electricity_cost: 控制的能量损耗，由扭矩和电机速度计算
joints_at_limit_cost: 关节是否卡住
feet_collision_cost：足底碰撞检测
Pybullet-Gym 代码逻辑是很清晰，但是由于是移植的 roboschool 的 Humanoid 环境，很多 Agent 代码细节没有文档可以参考，官方的态度是我们只需要关心采用哪些强化学习算法去训练 Agent 就可以了，不需要关注 Agent 的实现细节。
但是如果要训练自定义的 Biped Robot Walk 的话就必须深入看 Gym 的底层代码实现，研究状态、运动、以及奖励函数的具体细节。
Humanoid V1 Wiki 介绍（https://github.com/openai/gym/wiki/Humanoid-V1#observation）
https://github.com/openai/gym
https://github.com/benelot/pybullet-gym OpenAI Gym 源码阅读:创建自定义强化学习环境 欧拉中的俯仰、横滚、偏航（https://blog.csdn.net/guyubit/article/details/52995676）
| 
