LOE

mac에 ubuntu 설치법지금까지 linux를 mac에 설치하려면 UTM같은 Virtual machine을 사용하거나 docker 를 활용해야 했다. 하지만 VM ware는 cpu나 ram 자원 자체를 할당해줘야 했기 때문에 장기적으로 활용하기는 아쉬었다. 또한 커널이 하드웨어와 완전히 호환되지 않아서 카메라나 라이다 같은 센서를 붙이고 싶은 나로서는 최악의 선택지였다. docker도 마찬가지로 mac chip이기 때문에 설치할 수 있는 이미지의 수가 적고 native linux와 다르게 장치를 연결해 줄 수 없었다.. 이렇게 포기한 와중에 발견한 것이 바로 아래의 방법이다. Ashahi Linux mac의 유래인 사과품종을 아사히라고 부르기때문에 해당 커널의 이름을 ashahi lunux라고 한다. ..

학습완료된 RL 모델 이전에 학습한 모델을 load하여 로봇이 움직이는 모습을 play해볼 수 있습니다.초록색 화살표사용자가 로봇에게 내린 목표 선속도 명령(상위 제어)값입니다. 파란색 화살표로봇의 현재 실제 속도입니다. 로봇의 base가 실제로 물리엔진 상에서 어느 방향으로 움직이고 있는지를 보여줍니다.RL의 목표는 파란색 화살표와 초록색 화살표가 최대한 일치되도록 로봇의 관절(하위제어)을 제어하는 것입니다. Scene구성 코드 작성학습한 Policy를 load하기 위해 학습할때와 동일한 Action, Observation, Event의 Cfg를 수립해야 합니다. 이를 위해서 이전 학습시에 사용했던 설정과 동일하게 추론시에도 유지시켜줘야합니다.Scene : 지형, 로봇, 센서등을 몇개나 만들고 어떻게..

Isaac sim에서 강화학습을 통해 얻은 모델로 로봇을 걷게하려면 RL 학습시와 동일한 config (observation, Policy, Actions)를 유지해야 합니다.따라서 오늘은 Isaac Lab의 "manager-based" 환경 프레임워크와 RSL-RL 학습프레임워크를 통해 unitree go2모델의 강화학습 환경을 구성해 보겠습니다. RSL-RL 학습 프레임워크란?RSL-RL은 ETH Zurich의 Robotic Systems Lab(RSL)에서 개발한 고성능 강화학습 라이브러리입니다. 주로 PPO(Proximal Policy Optimization) 알고리즘을 구현하며, 다음과 같은 특징이 있습니다. Isaaclab Code~/isaaclab/scripts/reinforcement_..

사담드디어 내 로봇개 go2가 도착했습니다!!이번 프로젝트의 최종 목표는 로봇개로 건물 전체를 매핑하는 일인데.. 세부 목표를 따지면 아래와 같을 것 같습니다. 1. isaac lab을 통해 isaac sim상에서 로봇개의 걷는 policy 학습하기2. sim to real을 통해 ros로 로봇개의 움직임 제어.. Interactive scene구성from isaaclab.scene import InteractiveSceneCfgfrom isaaclab.terrains import TerrainImporterCfgfrom isaaclab.sensors.ray_caster import RayCasterCfgfrom isaaclab.sensors.ray_caster.patterns import GridPat..