之前提到isaac lab可以很方便地实现蚂蚁大军的强化学习训练。同时人家官网也给出更全面的强化学习脚本的介绍。一起来看看吧。有个警示在使用 RL-Games 结合 Ray 工作流进行分布式训练或超参数调优时请注意由于 Ray 存在安全风险此工作流不适合在严格受控的网络环境之外使用。没事咱先不管。isaaclab.bat -i rl_games这一步让安装rl_games咱实际都安装过不用管。直接尝试后面的。isaaclab.bat -p scripts\reinforcement_learning\rl_games\train.py --task Isaac-Ant-v0 --headless咱直接用python scripts\reinforcement_learning\rl_games\train.py --task Isaac-Ant-v0 --headless更为简洁。无头模式下其实啥也看不到只能打印这玩意儿。:: run script for playing with 32 environments isaaclab.bat -p scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --num_envs 32 --checkpoint /PATH/TO/model.pth :: run script for playing a pre-trained checkpoint with 32 environments isaaclab.bat -p scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --num_envs 32 --use_pretrained_checkpoint :: run script for recording video of a trained agent (requires installing ffmpeg) isaaclab.bat -p scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --headless --video --video_length 200后面这些都是play的感觉都试试也很有必要哈哈。首先直接对咱训练好的这玩意儿play一下。我用的是python scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --num_envs 32 --checkpoint D:\codes\IsaacLab\logs\rl_games\ant\2026-02-10_06-34-00\nn\last_ant_ep_500_rew__76.07213_.pth后面那个路径是之前训练完命令行显示出来的。很多蚂蚁直接爬走了。特别魔性。python scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --num_envs 32 --use_pretrained_checkpoint这个和之前类似只不过checkpoint会使用估计是isaac lab安装的时候就把很多的checkpoint带进来了。挺好的。python scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --headless --video --video_length 200这个可以保存视频试一下。也不知道成功了没有也不知道视频保存到哪儿了。豆包说的应该是对的。那我就是没成功。好吧我收回。这是大模型环境豆包不知道视频存在哪儿了。The recorded videos will be saved in the same directory as the training checkpoints, underIsaacLab/logs/rl_workflow/task/run/videos/train.真棒以下是试错过程不用看感觉不太对劲因为我已经装过pytorch了。咱不按官网来看看行不行python -m pip install rl_games条件都是满足的。完犊子了。那才的操作把pytorch搞坏了。