之前提到，isaac lab可以很方便地实现蚂蚁大军的强化学习训练。同时人家官网也给出更全面的强化学习脚本的介绍。一起来看看吧。
有个警示：
在使用 RL-Games 结合 Ray 工作流进行分布式训练或超参数调优时，请注意，由于 Ray 存在安全风险，此工作流不适合在严格受控的网络环境之外使用。
没事，咱先不管。
isaaclab.bat -i rl_games这一步让安装rl_games，咱实际都安装过，不用管。
直接尝试后面的。
isaaclab.bat -p scripts\reinforcement_learning\rl_games\train.py --task Isaac-Ant-v0 --headless咱直接用：
python scripts\reinforcement_learning\rl_games\train.py --task Isaac-Ant-v0 --headless更为简洁。
无头模式下，其实啥也看不到，只能打印这玩意儿。
:: run script for playing with 32 environments isaaclab.bat -p scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --num_envs 32 --checkpoint /PATH/TO/model.pth :: run script for playing a pre-trained checkpoint with 32 environments isaaclab.bat -p scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --num_envs 32 --use_pretrained_checkpoint :: run script for recording video of a trained agent (requires installing `ffmpeg`) isaaclab.bat -p scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --headless --video --video_length 200后面这些都是play的，感觉都试试也很有必要，哈哈。
首先直接对咱训练好的这玩意儿，play一下。
我用的是：
python scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --num_envs 32 --checkpoint D:\codes\IsaacLab\logs\rl_games\ant\2026-02-10_06-34-00\nn\last_ant_ep_500_rew__76.07213_.pth后面那个路径是之前训练完，命令行显示出来的。
很多蚂蚁，直接爬走了。特别魔性。
python scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --num_envs 32 --use_pretrained_checkpoint这个和之前类似，
只不过checkpoint会使用：
估计是isaac lab安装的时候就把很多的checkpoint带进来了。挺好的。
python scripts\reinforcement_learning\rl_games\play.py --task Isaac-Ant-v0 --headless --video --video_length 200这个可以保存视频，试一下。
也不知道成功了没有，也不知道视频保存到哪儿了。
豆包说的应该是对的。
那我就是没成功。
好吧，我收回。这是大模型环境，豆包不知道视频存在哪儿了。
The recorded videos will be saved in the same directory as the training checkpoints, underIsaacLab/logs/<rl_workflow>/<task>/<run>/videos/train.
真棒！
以下是试错过程，不用看
感觉不太对劲，因为我已经装过pytorch了。
咱不按官网来看看行不行：
python -m pip install rl_games
条件都是满足的。
完犊子了。那才的操作把pytorch搞坏了。
)
