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 StartedRust0193
cann-learning-hubCANN 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 Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook05
项目优选
收起
暂无描述
Dockerfile
766
4.99 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++
857
1.94 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++
686
1.34 K
Ascend Extension for PyTorch
Python
721
888
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
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
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617