宇树 Qmini 双足机器人训练实战与避坑指南

云端可能出现 6006 端口占用的情况，需要手动释放并重启服务。

1. 安装 lsof

   apt-get update && apt-get install lsof -y
   

2. 查看端口占用

   lsof -i :6006
   

3. 杀掉进程

   kill -9 <PID>
   

4. 重新启动 TensorBoard

   tensorboard --logdir experiments/<name>/log --port 6006
   

运行训练好的策略

使用 play.py 加载策略进行测试，支持多种可视化选项：

python play.py --render --name <name>

• --render：显示画面
• --fix_cam：相机固定跟随机器人
• --cmp_real：与真实机器人采集数据对比绘图
• --plt_sim：显示仿真数据曲线（关节角、速度等）
• --video：开启视频录制（需配合 --render），保存至 videos/
• --time：运行时长（秒）
• --iter：指定模型轮次，默认加载最后一个 policy
• --epochs：重复评估次数，用于统计平均性能
• --debug：保存仿真数据到 Excel

模型导出与调试

导出 ONNX 模型

便于部署到嵌入式设备、Jetson 或 Unity 等环境：

python export_pt2onnx.py --name <name>

URDF 模型调试

测试机器人 URDF 是否正常加载，检查质量参数、碰撞体及关节限位：

python tune_urdf.py

PID 自动调参

python tune_pid.py --mode <mode>

常见问题排查

Headless 环境无法渲染

云服务器默认无显示设备。虽然可以使用 Xvfb 临时方案让程序'以为'有显示，但无法保证正常渲染。

Xvfb :1 -screen 0 1024x768x24 &
export DISPLAY=:1

注意：这只能解决部分初始化问题，若遇到视频录制为纯黑屏，通常是驱动兼容性导致。

视频录制黑屏

若在使用 AutoDL 等云环境时，play.py 视频录制仍为黑屏，请检查 GPU 驱动版本。Isaac Gym 对渲染器依赖的驱动版本非常敏感，驱动过新会导致渲染器初始化失败。

最佳实践：目前最稳妥的流程是 云端训练 → 本地 Ubuntu Play 与可视化。本地环境能完美解决所有渲染相关问题，避免云端高版本驱动的兼容陷阱。