你看一下pybullet的examples，有没有对应的，如果没有，应该就是不行/

零空间不需要加，在求逆的时候，去掉零空间的形参即可。零空间只是帮助计算逆解的，在强化学习动作输出的幅度很小的情况下，我觉着不要也是ok的。

别说sb3了，用rllib都可以啊。各有侧重吧，就像有快排面试也会手撕快排一个道理。

ur的不需要配置零空间，零空间在求逆解的函数中，是个可选的。

Isaac Gym: High Performance GPU-Based Physics Simulation For Robot Learning，推荐大家看看这篇paper，虽然mujoco今年免费了，但是毕竟是跑在cpu上的仿真器，对于多进程的使用受限于我们的cpu核心数。issac的实验结果非常的牛逼

购买课后也可以直接加我微信要GitHub链接，15621465986

你不要把后面的电话号也带上啊

https://class.guyuehome.com/detail/p_610c9bf8e4b0bf6430024656/6 15621465986

本课程提供了两份代码，一份是更加贴近底层的spinup写的，另一份是stable baselines3写的，更加贴合工程落地需要，记得跟古月居官方索要第二份代码。

微信 15621465986

宁可类似自己，也要卷死同学，\狗头

spinup推荐用3.6

各位有疑惑的加我一下微信啊  15621465986   我发给你们最新的代码

这个具体忘记了

15621465986

后面会分享的

这个我也不会呢

在我的古月居博客中就有啊

是这篇文章的

gpu版本重新调整了下代码结构，建议看一下上传给你们的源代码，gpu的有一个单独的文件夹。

我运行了没问题啊 if __name__ == '__main__': # 这一部分是做baseline，即让机械臂随机选择动作，看看能够得到的分数 import matplotlib.pyplot as plt env = KukaReachVisualEnv(is_render=False) env = CustomSkipFrame(env) print(env.observation_space.shape) print(env.action_space.shape

你说的很有道理哦，居中貌似更好看一些，这个我也是刚刚开始修改，你翻一下PlotNerualNet.git 里面example文件夹下的其他latex文件中有没有关于这个居中的代码

我在文章中留源码地址了把

够细心了

能加个微信交流下强化学习吗 15621465986

老哥继续更啊，我也对c艹的torch很感兴趣

这个是我之前做的了，现在已经重装好几次系统了，我也没法再运行代码看了，你谷歌一下试试吧

15621465986 加个微信聊