强化学习环境的安装（mujoco, mujoco_py 和 gym）
Mujoco
-
官网（https://www.roboti.us/license.html）注册 license，教育邮箱注册可以免费使用一年。
注：一个邮箱账号只能供一台主机使用。
按照提示填入信息，点击申请许可，之后会收到一封来自 Roboti LLC Licensing 的邮件，里面有账号
-
将邮件中的账号填入下面的信息中，并点击电脑编号后面的Linux，会下载一个获取Linux id的软件
运行软件获取id（./getid_linux）
之后会收到另外一封邮件，内含mjkey.txt文件（之后会用到） -
在官网（https://www.roboti.us/index.html）下载相应安装程序（如 mujoco200 linux），解压到 ~/.mujoco 目录
mkdir ~/.mujoco
cp mujoco200_linux.zip ~/.mujoco
cd ~/.mujoco
unzip mujoco200_linux.zip
- 拷贝 mjkey.txt 文件
cp mjkey.txt ~/.mujoco
- 打开.bashrc添加环境变量
export LD_LIBRARY_PATH=~/.mujoco/mujoco200_linux/bin${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export MUJOCO_KEY_PATH=~/.mujoco${MUJOCO_KEY_PATH}
- 测试
cd ~/.mujoco/mujoco200_linux/bin
./simulate ../model/humanoid.xml
若出现如下图所示，则表示安装成功
mujoco_py
- 下载源码
git clone https://github.com/openai/mujoco-py.git
- 安装 patchelf
curl -o /usr/local/bin/patchelf https://s3-us-west-2.amazonaws.com/openai-sci-artifacts/manual-builds/patchelf_0.9_amd64.elf
sudo chmod +x /usr/local/bin/patchelf
- 用 conda 创建一个虚拟环境，并安装依赖
conda create --name RL python=3.8 # 执行完会在 ~/miniconda3/envs 路径下出现RL 目录
conda activate RL # 激活 gymlab 虚拟环境
(RL) $ cd ~/mujoco-py
(RL) $ cp requirements.txt requirements.dev.txt ./mujoco_py
(RL) $ cd mujoco_py
(RL) $ pip install -r requirements.txt
(RL) $ pip install -r requirements.dev.txt
- 安装
(RL) $ cd ~/mujoco-py/vendor
(RL) $ ./Xdummy-entrypoint
(RL) $ cd ..
(RL) $ pip3 install -U 'mujoco-py<2.1,>=2.0
- 测试
(RL) $ python
>>> import mujoco_py
# 第一次导入会加载一些东西，再导入一次就正常了
>>> import mujoco_py
注：
若出现报错：You appear to be missing MuJoCo. We expected to find the file here:/home/gmy/.mujoco/mjpro200.
解决方案：
说明安装时检索的位置文件名称与当前名称不符合，将.mujoco文件夹下的mujoco200_linux文件名称改为mujoco200，并将相应环境变量修改即可
Gym
- 下载源码
git clone https://github.com/openai/gym.git
- 安装
conda activate RL
(RL) $ cd ~/gym
(RL) $ pip install -e '.[all]'
注：
pip install -e '.[all]‘报错，You appear to be missing MuJoCo. We expected to find the file here: /home/gmy/.mujoco/mjpro150
原因：
setup.py文件中要求的MuJoCo版本号为’mujoco_py>=1.50,<2.0’
解决方案：
将4、5行的’<2.0’删除后保存，重新运行指令 pip install -e ‘.[all]’，即可安装成功
- 添加环境变量
vim ~/.zshrc
export PYTHONPATH=path/to/gym：$PYTHONPATH
- 测试
(DL) $ python
>>> import gym
>>> env = gym.make( 'CartPole-v0' )
>>> env.reset()
>>> env.render()
运行结果如下表示安装成功：
参考文章：https://www.cnblogs.com/dinghongkai/p/11557917.html