Aloha 机械臂的学习记录3——AWE:Pycharm运行代码记录

之前的博客创作了三偏关于Aloha_AWE的liunx终端指令运行代码的示例:

Aloha 机械臂的学习记录——AWE:Bimanual Simulation Suite:

https://blog.csdn.net/qq_54900679/article/details/134889183?spm=1001.2014.3001.5502

Aloha 机械臂的学习记录1——AWE:Bimanual Simulation Suite(Save waypoints):

https://blog.csdn.net/qq_54900679/article/details/134890424?spm=1001.2014.3001.5502

 Aloha 机械臂的学习记录2——AWE:AWE + ACT:

Aloha 机械臂的学习记录2——AWE:AWE + ACT_aloha机械臂-CSDN博客

今天在Pycharm编辑器中运行代码发现了一些报错,所以撰写此篇博客来记录:

以TASK = sim_insertion_human为例子:

首先将default="data/act/sim_insertion_human"取消注释(在act_waypoint.py文件中)

 然后配置conda的awe_venv环境以及参数环境变量

 首先配置参数,我们以运行act_waypoint.py文件为例子,对应Visualize waypoints

Liunx终端的指令为:

python example/act_waypoint.py --dataset=data/act/sim_insertion_human --err_threshold=0.01 --plot_3d --end_idx=0

在liunx的终端运行上面的指令是没有问题的,但是!在Pycharm编辑器中运行时会报错。

---------------------------------------------------------------------------------------------------------------------------------

Pycharm编辑器中参数(Parameters)的配置应该如下:

--dataset=/home/hjx/hjx_file/aloha/awe/data/act/sim_insertion_human --err_threshold=0.01 --plot_3d --end_idx=0

注意:其中/home/hjx/hjx_file/aloha/awe/data/act/sim_insertion_humandataset的绝对路径

--err_threshold=0.01 --plot_3d --end_idx=0 无需更改

需要寻找的是sim_insertion_human文件的绝对路径,如下图所示:

Pycharm编辑器中右击并点击Copy path...,第一个Absolute path就是绝对路径,点击复制

然后是环境变量(Environment variables)的配置:

这里是个大坑!!!

Liunx终端运行时会执行.bashrc文件,我们执行一次程序注意到如下报错:

 意思是缺少环境变量,需要正确设置 LD_LIBRARY_PATH 环境变量,以便找到Mujoco的库文件

但是,PyCharm的环境变量设置:LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/hjx/.mujoco/mujoco210/bin与LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/nvidia重名(LD_LIBRARY_PATH依次添加的话会覆盖其中一个,导致变量不全,如何解决?)

其中很简单,只需要这个配置即可:

LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/nvidia:/home/hjx/.mujoco/mujoco210/bin

请注意,冒号 : 用于分隔不同的路径,而不需要额外的空格。这个设置将在PyCharm中设置 LD_LIBRARY_PATH 环境变量,包括系统路径 /usr/lib/nvidia 和Mujoco路径 /home/hjx/.mujoco/mujoco210/bin。确保在保存设置后重新启动PyCharm,以确保环境变量生效。

 环境变量配置完成后点击OK即可

好了~ 万事俱备,只欠东风

下面就可以开始运行act_waypoint.py文件,Run

可以看到,在Pycharm编辑器中代码运行成功!!!

但是,还没结束,再保存最终的图片时,又出现了问题

报错如下:

 这个错误消息表明您的程序尝试打开名为

'plot/act/sim_insertion_human_0_t_0.01_waypoints.png' 的文件,

但未能找到该文件

需要进行act_waypoint.py文件中代码段落的修改:

 复制一段此代码后再注释原先的代码,将plot的路径改为绝对路径,再次运行!

 最终发现,问题得到了解决,代码成功跑通,案例演示结束~~~

输出的plot结果如下:

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/337003.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Q-BENCH: A BENCHMARK FOR GENERAL-PURPOSEFOUNDATION MODELS ON LOW-LEVEL VISION

继续分享Q系列文章,今天分享Q-BENCH。 简单来说,作者对MLLMs在lowlevel领域中的评价提出了一个测试基准,主要分三点进行讲述。 有点类似于综述,显然作者团队在MLLM的lowlevel领域属于开山之作了。 第一个基准叫感知Perception 简…

《JVM由浅入深学习【六】 2024-01-10》JVM由简入深学习提升分享

目录 1.jvm堆内存分代模型介绍一下JVM中堆的垃圾回收过程堆的结构新生代的垃圾回收流程1. Minor GC2. Full GC总结 什么是老年代空间分配担保机制什么情况下对象会进入老年代?JVM 运行时数据区 元空间的特点及作用?结语: 1.jvm堆内存分代模型 介绍一下JVM中堆的垃圾回收过程 …

【深度学习:Foundation Models】基础模型完整指南

【深度学习:Foundation Models】基础模型完整指南 什么是基础模型?基础模型背后的 5 项人工智能原理根据大量数据进行预训练自我监督学习过度拟合微调和快速工程(适应性强)广义的 基础模型的用例基础模型的类型计算机视觉基础模型…

【手搓深度学习算法】用逻辑回归分类双月牙数据集-非线性数据篇

用逻辑回归分类-非线性数据篇 前言 逻辑斯蒂回归是一种广泛使用的分类方法,它是基于条件概率密度函数的最大似然估计的。它的主要思想是将输入空间划分为多个子空间,每个子空间对应一个类别。在每个子空间内部,我们假设输入变量的取值与类别…

大创项目推荐 深度学习实现语义分割算法系统 - 机器视觉

文章目录 1 前言2 概念介绍2.1 什么是图像语义分割 3 条件随机场的深度学习模型3\. 1 多尺度特征融合 4 语义分割开发过程4.1 建立4.2 下载CamVid数据集4.3 加载CamVid图像4.4 加载CamVid像素标签图像 5 PyTorch 实现语义分割5.1 数据集准备5.2 训练基准模型5.3 损失函数5.4 归…

大数据毕业设计:图书推荐系统+可视化+Django框架 图书管理系统 (附源码+论文)✅

毕业设计:2023-2024年计算机专业毕业设计选题汇总(建议收藏) 毕业设计:2023-2024年最新最全计算机专业毕设选题推荐汇总 🍅感兴趣的可以先收藏起来,点赞、关注不迷路,大家在毕设选题&#xff…

2024年动画云渲染,渲染农场使用图文步骤

“云渲染”、“渲染农场”在做三维动画的公司以及个人都非常的清楚,这些主要是提升用户的渲染速度,由于动画公司通常制作的时间比较长,在渲染时本地电脑往往满足不了渲染需求。今天以动画云渲染农场,看看渲染农场怎么使用的吧&…

m1 + swoole(hyperf) + yasd + phpstorm 安装和debug

参考文档 Mac M1安装报错 checking for boost... configure: error: lib boost not found. Try: install boost library Issue #89 swoole/yasd GitHub 1.安装boost库 brew install boostbrew link boost 2.下载yasd git clone https://github.com/swoole/yasd.git 3.编…

太实用了!关于ControlNet,这篇你一定要看

一篇文章教会你,从入门到使用。 这里是行者AI,我们专注于人工智能在游戏领域的研究和应用,凭借自研算法,推出游戏AI、智能内容审核、数据平台等产品服务。 controlNet控制生成 anypaint 看到这篇文章的你,一定也是AI绘…

stm32的规则采样与注入采样的理解

规则与注入转换 在STM32中,规则采样(Regular Conversion)和注入采样(Injected Conversion)是用于模数转换的两种不同模式。 规则采样(Regular Conversion):规则采样是STM32中最常用…

分布式(9)

目录 41.常见的JOB实现方案? 42.Cookie和Session有什么区别? 43.谈谈会话技术的发展? 44.分布式会话有哪些解决方案? 45.什么是Session Stick? 41.常见的JOB实现方案? 基于上面Java任务演化出分布式J…

Mendeley Word 文献引用

这里写目录标题 1. 下载Mendeley 并插入到Word1.1 下载安装1.2 在Word 中添加Mendeley 插件文献引用相关 1. 下载Mendeley 并插入到Word 1.1 下载安装 Mendeley 官网下载 1.2 在Word 中添加Mendeley 插件 打开 Mendeley,点击 Tools —>Install Mendeley Cite…