go2_rl_gym：免费的机器人强化学习训练工具（源码）

产品简介

go2_rl_gym 这是一个用于训练 Unitree Go2 四足机器人运动控制的强化学习工具包。它提供从仿真训练到实物部署的完整流程，简化机器人行走算法的开发。适合机器人研究人员、算法工程师和学生使用。

核心功能

• 支持多种强化学习任务配置（如go2_moe_cts等）
• 集成 Isaac Gym、Mujoco 仿真和实物部署
• 提供 RoboGauge 评估工具进行模型性能测试
• 导出策略模型为 TorchScript 和 ONNX 格式
• 包含预训练模型和检查点下载

快速开始

1. 安装环境：参考 doc/setup_en.md 设置依赖
2. 训练模型：运行 `python legged_gym/scripts/train.py --task=xxx --headless`
3. 可视化策略：运行 `python legged_gym/scripts/play.py --task=xxx`
4. Sim2Sim 部署：运行 `python deploy/deploy_mujoco/deploy_go2.py`
5. Sim2Real 部署：按照指南部署到 Unitree Go2 实物机器人

界面预览

与其他方案对比

适合谁用

• 需要训练四足机器人运动控制的科研人员
• 开发机器人强化学习算法的工程师
• 学习机器人仿真和强化学习的学生

下载与版本

当前最新版本为 master，发布于 。支持 Windows、macOS、Linux。

⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。

注意事项

• 本工具仅供学习和研究使用，请遵守相关法律法规。
• 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
• 项目源码地址：https://github.com/wty-yy/go2_rl_gym