详细内容或原文请订阅后点击阅览
使用 AI 和 Python 训练人形机器人
使用 MuJoCo 和 Gym 进行 3D 模拟和强化学习使用 AI 和 Python 训练人形机器人一文首先出现在 Towards Data Science 上。
来源:走向数据科学人形机器人是形状和运动与人体相似的机器，旨在与人类一起工作并与我们的工具交互。它们仍然是一项新兴技术，但预测到 2050 年将有数十亿个类人机器人。目前，最先进的原型是 1XTech 的 NEO、特斯拉的 Optimus、波士顿动力公司的 Atlas 和中国 Unitree Robotics 的 G1。
人形机器人 1XTech 的 NEO NEO 特斯拉 Optimus 擎天柱 波士顿动力公司的 Atlas 阿特拉斯 中国 Unitree Robotics 的 G1 G1机器人执行任务有两种方式：手动控制（当你专门编程它必须做什么时）或人工智能（它通过尝试学习如何做事）。特别是，强化学习允许机器人通过反复试验来学习最佳行动以实现目标，因此它可以通过从奖励和惩罚中学习来适应不断变化的环境，而无需预先设定计划。
强化学习在实践中，让一个真正的机器人学习如何执行任务是非常昂贵的。因此，最先进的方法在数据生成快速且廉价的模拟中学习，然后将知识转移到真实的机器人（“模拟到真实”/“模拟优先”方法）。这使得能够在模拟环境中并行训练多个模型。
模拟市场上最常用的 3D 物理模拟器是：PyBullet（初学者） 、Webots（中级）、MuJoCo（高级）和 Gazebo（专业人士）。您可以将它们中的任何一个用作独立软件，也可以通过 Gym 使用，Gym 是 OpenAI 制作的一个库，用于开发强化学习算法，构建在不同的物理引擎之上。
PyBullet 网络机器人 MuJoCo 凉亭 健身房 使用人工智能为人形机器人构建 3D 模拟设置
环境是一个模拟空间，代理可以在其中交互并学习执行任务。它具有定义的观察空间（代理接收的信息）和操作空间（可能的操作集）。
环境pip 安装gymnasium
pip 安装 mujoco
链接