配置环境
anaconda（python2.7 版本）
链接: link.
上面这个网址下载太慢可以用下面这个
链接: link.
1、Anaconda2 安装
ROS 1中使用的是 python2.7，所以在地址：https://www.anaconda.com/download/#linux 中下载 python2.7版本的Anaconda2 ，安装过程如下：
1
2
3
4chmod +x Anaconda2-5.2.0-Linux-x86_64.sh bash Anaconda2-5.2.0-Linux-x86_64.sh
安装完成后，执行下面指令, 如果可以看到 Python 2.7.xx :: Anaconda, Inc…，说明安装成功。
1
2
3
4source ~/.bashrc python -V
接下来配置环境变量 PYTHONPATH，编辑 ~/.bashrc ，修改或者添加内容如下：
1
2
3
4#export PYTHONPATH="/usr/lib/python2.7/dist-packages:$PYTHONPATH" export PYTHONPATH="/home/wsc/anaconda2/lib/python2.7/dist-packages:$PYTHONPATH"
2、 ROS 依赖包安装
为了使ROS 与 Anaconda 一起工作，必须安装在Anaconda中安装ROS 依赖包：
1
2pip install -U rosinstall msgpack empy defusedxml netifaces
这里报错，出现了argparse丢包，
执行
1
2
3// 原包不知道为啥没有这个东西了，加一个就好了 pip install argparse
再执行一次就成功了
终于终于终于来到TensorFlow啦！！！！！！！！！！
3、Tensorflow、Keras等安装
本文中用到的机器学习算法是DQN（Deep Q-Learning），基于Tensorflow与Keras开发，为了避免包冲突，在Anaconda中构建虚拟环境（取名为tensorflow）:
1
2
3conda update -n base conda conda create -n tensorflow pip python=2.7
1
2
3
4
5
6
7
8
9
10
11
12
13// conda环境使用基本命令 conda update -n base conda #update最新版本的conda conda create -n xxxx python=3.5 #创建python3.5的xxxx虚拟环境 conda activate xxxx #开启xxxx环境 conda deactivate #关闭环境 conda env list #显示所有的虚拟环境 conda info --envs #显示所有的虚拟环境 # To activate this environment, use: # > source activate tensorflow # # To deactivate an active environment, use: # > source deactivate
在虚拟环境（envs）中安装Tensorflow、Keras以及ROS依赖包：
1
2
3
4
5
6
7
8
9
10source activate tensorflow pip install -U rosinstall msgpack empy defusedxml netifaces pip install --ignore-installed --upgrade https://download.tensorflow.google.cn/linux/gpu/tensorflow_gpu-1.8.0-cp27-none-linux_x86_64.whl pip install keras source deactivate
我这里安装的是gpu版本的tensorflow,前提是有gpu显卡并安装配置好了相关驱动， 如果要安装cpu版本的tensorflow，指令中地址应为：https://download.tensorflow.google.cn/linux/cpu/tensorflow-1.8.0-cp27-none-linux_x86_64.whl
4、下载并编译源码
本文先使用github中开源的机器学习的源码进行学习，下载编译过程如下：
1
2
3
4
5
6
7
8
9
10
11
12cd ~/catkin_ws/src/ git clone https://github.com/ROBOTIS-GIT/turtlebot3_msgs.git git clone https://github.com/ROBOTIS-GIT/turtlebot3.git git clone https://github.com/ROBOTIS-GIT/turtlebot3_simulations.git git clone https://github.com/Gvence/turtlebot3_machine_learning.git cd ~/catkin_ws && catkin_make
编译成功以后执行下面的脚本,也可以将其添加到~/.bashrc中：(这里我没有添加成功，是手动添加的直接gedit过去)
1
2source /home/wsc/catkin_ws/devel/setup.bash
5、设置参数并运行范例
设置参数：
打开源码文件 turtlebot3/turtlebot3_description/urdf/turtlebot3_burger.gazebo.xacro，修改一下两处：
<xacro:arg name=“laser_visual” default=“false”/> # 如果想看到激光扫描线,设置成 true
1
2
3
4
5
6
7
8
9<scan> <horizontal> <samples>360</samples> # 修改成24 <resolution>1</resolution> <min_angle>0.0</min_angle> <max_angle>6.28319</max_angle> </horizontal> </scan>
1.打开一个终端，启动turtlebot3 gazebo环境等节点：
（这里报错找不到launch文件，就需要手动添加路径到.bashrc里面）
1
2
3
4
5
6//出现Invalid <arg> tag: environment variable 'TURTLEBOT3_MODEL' is not set. // export TURTLEBOT3_MODEL=burger roslaunch turtlebot3_gazebo turtlebot3_stage_1.launch
打开gazebo的时候会发现一直处于这种状态，这是因为model库加载不正确导致的。
解决方法： 通过直接下载所有模型到用户的根目录下的.gazebo/models/下
1
2
3
4
5
6
7cd ~/.gazebo/ mkdir -p models cd ~/.gazebo/models/ wget http://file.ncnynl.com/ros/gazebo_models.txt wget -i gazebo_models.txt ls model.tar.g* | xargs -n1 tar xzvf
2.打开另外一个终端，启动DQN算法等节点：
（这里有几个函数找不到，原因是tensorflow2里面的一些函数只能在tensorflow1.x中使用）
1
2
3
4
5
6source activate tensorflow roslaunch turtlebot3_dqn turtlebot3_dqn_stage_1.launch （//如果报错找不到函数的话将原代码中的 ）
2.0出现module ‘tensorflow’ has no attribute ‘get_default_graph’报错的原因是tensorflow版本为2.x。
最开始调用tensorflow1.x的库
将一开头的代码import tensorflow as tf 换成 import
1
2tensorflow.compat.v1 as tf
2.1
3.打开第三个终端，启动数据图形显示节点：
1
2
3
4pip install pyqtgraph roslaunch turtlebot3_dqn result_graph.launch
注：源码范例中提供了turtlebot3_stage_1～turtlebot3_stage_4共4个环境，分别是无障碍、静态障碍、动态障碍、混合障碍环境。
最后
以上就是贪玩大炮最近收集整理的关于深度强化学习+室内导航（最新、最全）的全部内容，更多相关深度强化学习+室内导航（最新、最全）内容请搜索靠谱客的其他文章。
发表评论 取消回复