gym-pybullet-drones 项目使用教程
2024-09-16 03:57:47作者:齐添朝
1. 项目目录结构及介绍
gym-pybullet-drones/
├── gym_pybullet_drones/
│ ├── assets/
│ ├── examples/
│ ├── utils/
│ ├── __init__.py
│ ├── BaseAviary.py
│ ├── DroneModel.py
│ ├── ...
├── tests/
├── .gitignore
├── CITATION.cff
├── LICENSE
├── README.md
├── build_project.sh
├── pypi_description.md
├── pyproject.toml
目录结构介绍
-
gym_pybullet_drones/: 核心代码目录,包含无人机模拟环境的主要实现。
- assets/: 存放项目所需的资源文件,如无人机模型、配置文件等。
- examples/: 包含项目的示例代码,如PID控制、强化学习等。
- utils/: 存放项目中使用的工具函数和辅助类。
- init.py: 模块初始化文件。
- BaseAviary.py: 无人机模拟环境的基础类。
- DroneModel.py: 无人机的模型定义。
- ...: 其他相关文件和模块。
-
tests/: 存放项目的测试代码。
-
.gitignore: Git忽略文件配置。
-
CITATION.cff: 项目引用信息。
-
LICENSE: 项目许可证文件。
-
README.md: 项目说明文档。
-
build_project.sh: 项目构建脚本。
-
pypi_description.md: PyPI项目描述文件。
-
pyproject.toml: 项目配置文件。
2. 项目启动文件介绍
启动文件
- examples/pid.py: 使用PID控制无人机的示例代码。
- examples/pid_velocity.py: 使用PID控制无人机速度的示例代码。
- examples/downwash.py: 模拟无人机下洗效应的示例代码。
- examples/learn.py: 使用强化学习(如PPO)训练无人机的示例代码。
启动方法
-
进入项目目录:
cd gym-pybullet-drones/ -
激活虚拟环境(如果已创建):
conda activate drones -
运行示例代码:
python3 gym_pybullet_drones/examples/pid.py
3. 项目的配置文件介绍
配置文件
- pyproject.toml: 项目的主要配置文件,定义了项目的依赖、构建工具等信息。
- README.md: 项目说明文档,包含项目的安装、使用方法等。
- LICENSE: 项目许可证文件,定义了项目的开源许可证类型。
配置文件内容
pyproject.toml
[build-system]
requires = ["setuptools>=42", "wheel"]
build-backend = "setuptools.build_meta"
[project]
name = "gym-pybullet-drones"
version = "1.0.0"
description = "PyBullet Gymnasium environments for single and multi-agent reinforcement learning of quadcopter control"
authors = [
{ name="Jacopo Panerati", email="jacopo.panerati@mail.utoronto.ca" },
{ name="Hehui Zheng", email="hehui.zheng@mail.utoronto.ca" },
{ name="SiQi Zhou", email="siqi.zhou@mail.utoronto.ca" },
{ name="James Xu", email="james.xu@mail.utoronto.ca" },
{ name="Amanda Prorok", email="amanda.prorok@eng.cam.ac.uk" },
{ name="Angela P. Schoellig", email="angelap.schoellig@mail.utoronto.ca" }
]
dependencies = [
"numpy",
"matplotlib",
"Pillow",
"cycler",
"gym",
"pybullet",
"stable-baselines3",
"ray[rllib]"
]
README.md
README.md文件包含了项目的详细说明,包括项目的安装方法、使用示例、依赖项、许可证信息等。用户可以通过阅读该文件快速了解项目的基本信息和使用方法。
LICENSE
LICENSE文件定义了项目的开源许可证类型,通常为MIT许可证。该文件确保了项目的开源性质,并明确了用户在使用、修改和分发项目时的权利和义务。
通过以上内容,您可以快速了解并开始使用gym-pybullet-drones项目。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0580- Ddeepseek-harnessDeepSeek Harness: Everything is a Plugin.TypeScript014
paper-ai搜索真实文献并生成引用对应文献的AI论文TSX03
phyaiPhyAI 是一个用于运行 Physical AI 模型(VLA、WAM 等)的高性能框架,支持云端推理服务和端侧部署。Python00
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
xiaobei专门为 OPC / 中小微企业准备的自媒体获客智能体Markdown02
热门内容推荐
项目优选
收起
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
511
551
暂无描述
Markdown
852
5.69 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.05 K
2.49 K
deepin linux kernel
C
33
16
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
839
1.28 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
847
1.7 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.25 K
1.38 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.17 K
857
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
503
346
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
787
415