Ubantu 20.04 安装 Mujoco210、mujoco-py、gym及报错办理

1. 安装Mujoco

1.1 官网下载Mujoco210安装包

Mujoco2.1.0下载链接
选第一个

1.2 创建文件夹并解压安装包

1. mkdir ~/.mujoco

复制代码

创建好后，点击显示隐蔽文件可以找到

找到刚刚下载的压缩包所在位置（一样平常在下载目次下），右键选择 在终端打开

1. tar -zxvf mujoco210-linux-x86_64.tar.gz -C ~/.mujoco

复制代码

1.3 设置环境变量

1. gedit ~/.bashrc

复制代码

在最后一行到场下面代码然后生存退出文档

1. export LD_LIBRARY_PATH=~/.mujoco/mujoco210/bin

复制代码

更新环境变量

1. source ~/.bashrc

复制代码

这就安装完了。
1.4 测试Mujoco

1. cd ~/.mujoco/mujoco210/bin

复制代码

1. ./simulate ../model/humanoid.xml

复制代码

出现上图的界面，则mujoco安装乐成。
2. 安装mujoco-py

2.1 创建假造环境

1. conda create -n ttmujoco python=3.8
2. conda activate ttmujoco

复制代码

这里注意python版本不宜太低

2.2 下载mujoco-py安装包

确保在刚刚创建的假造环境中，输入

1. git clone https://github.com/openai/mujoco-py.git

复制代码

2.3 然后依次执行下面的下令

1. cd ~/mujoco-py #注意换成你自己路径

复制代码

1. pip3 install -U 'mujoco-py<2.2,>=2.1'

复制代码

1. pip3 install -r requirements.txt

复制代码

1. pip3 install -r requirements.dev.txt

复制代码

1. python3 setup.py install

复制代码

2.4 设置环境文件

1. gedit ~/.bashrc

复制代码

在最后加上这三句

1. export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/nvidia
2. export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/XXX/.mujoco/mujoco210/bin
3. # XXX 是你的用户名
4. export LD_PRELOAD=/usr/lib/x86_64-linux-gnu/libGLEW.so

复制代码

 更新设置

1. source ~/.bashrc

复制代码

2.5 测试mujoco-py

2.5.1测试1

在pycharm中新建一个python文件并利用前面刚刚创建的环境（ttmujoco）
输入以下代码

1. import mujoco_py
2. import os
3. mj_path = mujoco_py.utils.discover_mujoco()
4. xml_path = os.path.join(mj_path, 'model', 'humanoid.xml')
5. model = mujoco_py.load_model_from_path(xml_path)
6. sim = mujoco_py.MjSim(model)
8. print(sim.data.qpos)
9. # [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
11. sim.step()
12. print(sim.data.qpos)
13. # [-2.09531783e-19  2.72130735e-05  6.14480786e-22 -3.45474715e-06
14. #   7.42993721e-06 -1.40711141e-04 -3.04253586e-04 -2.07559344e-04
15. #   8.50646247e-05 -3.45474715e-06  7.42993721e-06 -1.40711141e-04
16. #  -3.04253586e-04 -2.07559344e-04 -8.50646247e-05  1.11317030e-04
17. #  -7.03465386e-05 -2.22862221e-05 -1.11317030e-04  7.03465386e-05
18. #  -2.22862221e-05]

复制代码

这个时候可能就要报错了
错误1：
Exception: 
Missing path to your environment variable. 
Current values LD_LIBRARY_PATH=
Please add following line to .bashrc:
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/XXX/.mujoco/mujoco210/bin
或者
ERROR: GLEW initalization error: Missing GL version
这两个办理方案同理，只是具体的环境变量名称不一样
错误1的环境变量是：export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/wenjingwu/.mujoco/mujoco210/bin
错误2的环境变量是：export LD_PRELOAD=/usr/lib/x86_64-linux-gnu/libGLEW.so
办理方案1：检查2.4是否把环境变量写进去了，没写的话要加进去
办理方案2：右键选择“修改运行设置” ，在环境变量这里把提示你少的这个环境变量加进去

然后发现还是不可..
办理方案3： 关闭pycharm和终端，找到pycharm.sh所在位置，右键然后选择在终端打开，然后输入

1. ./pycharm.sh

复制代码

参考这里的办理方案，因为我每次都是直接点击桌面图标进入pycharm，好像并没有办理问题，尝试了一下从终端进入，刹时就好起来了！

最后这样的输出结果就是乐成了。

错误2：

Exception check on 'c_warning_callback' will always require the GIL to be acquired.
Possible solutions:
    1. Declare 'c_warning_callback' as 'noexcept' if you control the definition and you're sure you don't want the function to raise exceptions.
    2. Use an 'int' return type on 'c_warning_callback' to allow an error code to be returned.
performance hint: /home/wenjingwu/anaconda3/envs/rl_ur5/lib/python3.12/site-packages/mujoco_py/cymj.pyx:104:5: Exception check on 'c_error_callback' will always require the GIL to be acquired.
Possible solutions:
    1. Declare 'c_error_callback' as 'noexcept' if you control the definition and you're sure you don't want the function to raise exceptions.
    2. Use an 'int' return type on 'c_error_callback' to allow an error code to be returned.
Error compiling Cython file:
------------------------------------------------------------
...
    See c_warning_callback, which is the C wrapper to the user defined function
    '''
    global py_warning_callback
    global mju_user_warning
    py_warning_callback = warn
    mju_user_warning = c_warning_callback
                       ^
------------------------------------------------------------ 
办理：更改cython版本

1. pip install cython==3.0.0a10

复制代码

2.5.2 测试2

下面再试一下文件中自带的例子
首先进入创建的假造环境中

1. conda activate ttmujoco

复制代码

切换文件夹

1. cd ./mujoco-py/examples

复制代码

1. python body_interaction.py

复制代码

尝试用pycharm打开运行也是没问题的

3. 安装gym

3.1 先进入自己创建的假造环境

1. conda activate ttmujoco

复制代码

3.2 切换到.mujoco文件夹

1. cd  ~/.mujoco/

复制代码

3.3 下载gym安装包

1. git clone https://github.com/openai/gym

复制代码

3.4 切换到gym文件夹

1. cd gym

复制代码

3.5 安装

1. pip install -e '.[all]'

复制代码

3.6 报错办理

错误1：error: subprocess-exited-with-error

办理：

1. pip uninstall setuptools
2. pip install setuptools==69.0.0
3. pip install -e '.[all]'

复制代码

错误2：error: command 'swig' failed: No such file or directory

办理：

1. sudo apt install swig
2. pip install -e '.[all]'

复制代码

3.7 设置环境变量

1. gedit ~/.bashrc

复制代码

在最后加上

1. export PYTHONPATH=~/.mujoco/gym:$PYTHONPATH

复制代码

更新一下

1. source ~/.bashrc

复制代码

完成！
3.8 测试

试了好几篇文章的测试代码都报错，最后终于在这里找到了答案。
直接把2.5.1中测试的代码解释掉，换成下面的代码就可以。
3.8.1 代码1

1. import gym
2. env = gym.make('MountainCar-v0', render_mode = 'human')
3. for i_episode in range(10):
4.     observation = env.reset()
5.     for t in range(100):
6.         env.render()
7.         print(observation)
8.         action = env.action_space.sample()
9.         observation, reward, done, info, _ = env.step(action)
10.     if done:
11.         print("Episode finished after {} timesteps".format(t+1))
12.         break
13. env.close()

复制代码

3.8.2 代码2

1. import gym
2. env = gym.make('CartPole-v1', render_mode = "human")
3. for episode in range(10):
4.   env.reset()
5.   print("Episode finished after {} timesteps".format(episode))
6.   for _ in range(100):
7.     env.render()
8.     env.step(env.action_space.sample())
9. env.close()

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。