DRO-Grasp 的安装和配置教程

项目基础介绍

DRO-Grasp 是一个用于模拟机器人手与物体交互的开源项目，它通过一个统一的表示框架，实现了对不同机器人手和物体几何形态的广泛泛化。该项目的目标是通过输入机器人手的描述和物体点云，高效预测出运动学有效且稳定的抓取方式。

项目的主要编程语言是 Python。

项目使用的关键技术和框架

在实现其功能时，DRO-Grasp 使用以下关键技术：

• PyTorch：用于构建和训练深度学习模型。
• Isaac Gym Environment：一个模拟环境，用于评估抓取性能（可选）。

安装和配置准备工作

在开始安装 DRO-Grasp 之前，请确保您的系统满足了以下先决条件：

• Python 3.8 或更高版本。
• PyTorch 版本不低于 2.3.0。
• 安装了 Git 以克隆和更新项目代码。

以下为详细的安装步骤：

克隆项目代码

首先，您需要在本地克隆项目代码库：

git clone https://github.com/zhenyuwei2003/DRO-Grasp.git

设置 Python 环境

接下来，创建一个 Python 虚拟环境并激活它：

conda create -n dro python==3.8
conda activate dro

（可选）安装 Isaac Gym 环境

如果您打算在 Isaac Gym 环境中评估模型性能，需要下载并安装它：

tar -xvf IsaacGym_Preview_4_Package.tar.gz
cd IsaacGym_Preview_4_Package/python
pip install -e .

安装依赖包

进入项目目录，并安装所需的所有 Python 包：

pip install -r requirements.txt

（可选）使用 Weights & Biases

如果需要监控损失曲线，可以安装 Weights & Biases。如果不熟悉，可以查看官方教程，或者在 train.py 和 pretrain.py 文件中禁用相关部分。

下载预训练模型权重

可以从项目提供的链接下载预训练模型权重，并解压到 ckpt/ 文件夹中，或者执行以下命令：

bash scripts/download_ckpt.sh

验证 Isaac Gym 环境和模型性能

最后，运行以下命令来验证 Isaac Gym 环境是否正确安装，并评估模型的性能：

python scripts/example_isaac.py

如果要查看预训练模型的效果，可以运行：

python scripts/example_pretrain.py
python visualization/vis_pretrain.py

以上步骤即是 DRO-Grasp 的安装和配置过程。在开始具体使用之前，请根据实际需求调整配置文件。