Example: task=Anymal

[Yusuke-Yamasaki-555]

環境はhumanoidと同じ

[Yusuke-Yamasaki-555]

• 学習時間：real 9m25.754s (timeコマンドにて計測)
  • GPUは１つ使用
• 学習終了
  • 終了時の出力スクショ↓

• 平均報酬（１回のみ実験）：about 64.64
• 平均step（１回のみ実験）：about 2331.22
• 学習結果の方策をテストしている様子（上記報酬、stepを得たTestとは異なる（実行コマンドは同じ）Testの様子）↓

isaacgym_anymal_result_test_ep-1000-rew_20240210.mp4

• コマンド↓
  python3 train.py task=Anymal checkpoint=runs/Anymal_10-17-49-21/nn/last_Anymal_ep_1000_rew__62.79_.pth test=True
  • runs/~/nn/内で、Anymal.pthが１つとlast_Anymal_ep_~~~.pthが複数あるけど、違いは何だろうか。last_~~.pthで一番新しいやつをTestすればいいと思っている。
    • ファイル名内の"ep"後の数字が最大epochで、"rew__"後の数字が最終的な報酬の値？でも報酬の値はHumanoidの方だとAveやSumと異なった数値になっているから、信用できないかも。epはあってそう。

[Yusuke-Yamasaki-555]

Test中の標準出力に、reward: 0.00 steps: 1.0やreward: 0.01 steps: 1.0が紛れる現象の原因がわからん。Humanoidではこんなことはなかった。