在系列教程（二） 自定义机器人中，我们介绍了如何导入自定义机器人的usd并且进行设置，这些定义好的自定义机器人类在强化学习环境中可以直接引用。接下来，我们将进行强化学习环境（env）部分的设置。

1.1 强化学习环境创建：Direct方式

IsaacLab提供了两种组织强化学习环境的方式，一种叫Direct，一种叫manager_based，这两种方式各有优点，我们先分别介绍一下：

Direct方式的优点是设置非常直观，方便定制化系统，使用某些特殊算法时较为方便，但是扩展性没有那么强。

在Direct方式中，我们会在一个env.py文件中实现强化学习环境所需要的所有步骤和功能，并用一个额外的文件设置一些环境和强化学习训练的参数，举例：

https://github.com/isaac-sim/IsaacLab/blob/main/source/extensions/omni.isaac.lab_tasks/omni/isaac/lab_tasks/direct/anymal_c/anymal_c_env.py

了解isaac gym的同学可以发现，这个方式非常像isaac gym里强化学习环境的组织方式，当然接口有很大的区别，但总体来说还是比较易懂的。

（1）AnymalCFlatEnvCfg，我们可以在这个设置类中导入自定义的机器人，Flat地形和力传感器，并进行一些基本物理参数和奖励参数的设置，这一部分可以作为一个基本类，因为后续各种环境的变体都会载入这个基本类。

（2）AnymalRoughEnvCfg，这个类在第一部分的基础上增加了地形设置，和高度传感器。相当于基本类的变体。 前两部分主要是针对isaac sim物理环境的设置，而接下来的第三部分，AnymalCEnv就是强化学习环境的设置了。

（3）在第三部分中，我们会载入前两部分的设置，并且实现强化学习基本元素Action,Observation和Reward的函数，此外还会实现dones部分依照id进行reset。具体的Tensor和并行化我们再这里就不讲解了，可以先参考IsaacGym的部分教程，以理解整个环境并行化的运作方式：https://github.com/isaac-sim/IsaacGymEnvs，还可以参考IsaacLab的官方文档：

https://isaac-sim.github.io/IsaacLab/source/tutorials/03_envs/create_direct_rl_env.html。

其中，值得注意的是Action部分，从强化学习决策网路Actor输出的值会经过一系列处理（Pre_physics_step和apply_action），最后变换为机器人每个关节的位置或者速度控制量，而通常情况下，我们需要加一些限制条件以限制Action的范围，这取决于具体的机器人。

最后，Direct方式的强化学习环境就设置好了，我们可以在外部封装后，使用一些强化学习环境进行训练。

1.2 强化学习环境创建：Manager based方式

1.2.1 工程文件结构

Manager based方式可以看作一种基于Direct方式的高级封装，管理起来十分方便，扩展性也强，但需要看的接口也比较多。目前存在的很多扩展工程框架都是基于Manager based的方式的，包括笔者的Isaaclab.manipulation，从Isaacgym到isaaclab的总体使用感觉上，推荐使用manager based方式建立自己的工程。这里我们不按照官方的例子进行，因为目前开发者提供的模板更加适合进行自定义工程的实现，我们将以这个仓库为基础进行讲解：https://github.com/NathanWu7/isaacLab.manipulation

其中，assets部分提供了教程（二）自定义机器人的一些例子，而tasks部分则是强化学习环境，这里你可以命名自己的任务，例如reach任务，需要机械臂末端到达某一个位置，在reach任务中除了init以外有三个部分：

（1）config. 这里存放了每种机械臂具体的设置文件和控制文件。

（2）mdp. 这里存放了强化学习各个元素的设置文件。

（3）env_cfg.py 这个文件组织起了强化学习的环境，是主要的文件，与direct方式中env.py起到的作用类似。我们再这里主要看reach_env_cfg.py，其他部分将在后续教程中进行介绍。

在env_cfg.py中，我们可以看到很多管理器，例如ReachSceneCfg、CommandsCfg、ActionCfg等，这些管理器分别实现了对于不同功能的管理，我们将逐一进行简单的介绍。

1.2.2 强化学习环境的创建

参考代码：https://github.com/NathanWu7/isaacLab.manipulation/blob/main/isaacLab/manipulation/tasks/Robot_arm/reach/reach_env_cfg.py

在env_cfg.py中，所有的设置通过ReachEnvCfg进行统一的管理和创建，我们可以看到在代码段的最后，所有的Cfg都会加载和初始化，以完成强化学习环境的创建，我们将逐一对这些Cfg进行介绍：

（1）ReachSceneCfg。 这个Cfg会导入光照、地面、机器人和物体。其中，机器人部分会单独通过后续类的重载进行导入，这里不用管，物体也可以单独用类的重载导入，但我们这里仅导入了桌子，方式就比较直接。

（2）CommandsCfg。 这个Cfg可以设置一些指令，例如初始化随机指令，可以随机物体的状态，使强化学习的策略更加鲁棒。

（3）ActionsCfg。 这个Cfg可以设置具体的动作，这个动作接收Actor网络输出的结果，通过设定一些映射参数以变换到实际的机器人运动上。在这里我们也没有直接创建，而是与（1）中的机器人部分一起重载，这些设置起来更加方便和定制化，不同的机器人有不同的动作参数。

（4）ObservationCfg。 这个Cfg管理了强化学习环境中的观测量，每个观测量都通过mdp中的函数获取。

（5） EventCfg：这个Cfg可以设置机器人初始化时的状态，也可以通过EventTerm设置一些其他事件。

（6）RewardCfg： 这个Cfg设置了总的奖励函数，通过mdp设置了不同的奖励后，通过这个部分统一为一个奖励函数。

（7）TerminationsCfg： 这个Cfg可以设置触发什么条件终止这一幕（Episode），可以设置任务的失败和成功条件。

（8）CurriculumCfg： 这个Cfg控制课程学习（Curriculum learning）这一方法，简单来说就是在训练一段时间后可以更改一些奖励的权重，增加或减少，使得智能体在不同的阶段能够学习到不同的目标。在这个例子中，我们希望在一段时间后智能体能学习到以最小的action和joint velocity完成任务。

以上就是所有的Cfg了，最后这些Cfg都会通过ReachEnv加载，构成一个强化学习的环境，我们的下一个教程将会介绍整个工程的运作思路。