宇树 Qmini 双足机器人训练经验总结
这篇内容基于我在云端服务器上对 Qmini 进行完整训练与测试的实践总结，涵盖训练、可视化、策略测试、模型导出、URDF 调试等环节，并重点说明 headless（无显示）环境下的各种坑与解决方案。希望能帮到后来者少走弯路。
为什么不建议在云端直接跑渲染？
最初的目标是训练、渲染、视频录制全部在云端完成。但现实情况是，即使用 Xvfb 等虚拟显示器启动 Isaac Gym，也会发生视频保存全黑的情况。VNC 远程桌面也无法正常显示 Isaac Gym 的渲染窗口。根本原因来自驱动版本过高与 Isaac Gym 对驱动的强依赖。
因此更推荐：在云端训练模型 → 本地 Ubuntu 加载策略进行测试与演示。
目前发现的稳妥流程是：云端训练 → 本地 Play 与可视化。云端的 headless 环境与高版本驱动目前无法可靠支持 Isaac Gym 的图形渲染与视频录制，本地则能完美解决所有渲染相关问题。
训练阶段
使用以下命令启动训练：
python train.py --config BIRL --name <name>
常用参数说明：
--name：存放路径为experiments/<name>/--config：选择配置文件，默认 BIRL--resume：恢复训练，例如python train.py --name stand --resume --path experiments/stand/checkpoints/policy_40000.pt--render：开启画面显示（isaac gym 窗口）--fix_cam：视角固定在机器人上方--horovod：多 gpu 训练--rl_device：训练设备设置，默认 cuda0，可改为 cpu 等--num_envs：环境数量--seed：随机种子，利于复现--max_iterations：最大训练迭代次数
查看结果
云端可能出现 6006 端口占用的情况，需要手动释放。
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 play.py
加载训练好的策略，开始跑模拟器：
python play.py --render --name <name>
参数说明：
--render：显示画面--fix_cam：相机固定跟随机器人--cmp_real：与真实机器人采集的数据对比绘图--plt_sim：显示仿真数据的曲线图（如关节角、速度等）
