执行一下命令即可在python3.8环境下安装所需的依赖包：
pip install -r requirements.txt.
├── README.md
├── assets
│ ├── README.md
│ ├── setting.xml
├── config
│ ├── README.md
│ ├── default.json
│ └── rule.json
├── data
│ ├── README.md
├── log
│ └── README.md
├── requirements.txt
├── scripts
│ ├── pretrain.py
│ └── run.py
├── src
│ ├── env.py
│ ├── gvae.py
│ ├── mppi.py
│ ├── robot.py
│ ├── tams.py
│ └── tan.py
├── test
│ ├── test_data_utils.py
│ ├── test_gvae.py
│ ├── test_robot.py
│ └── test_terrain.py
└── utils
├── benchmark.py
├── config.py
├── data_utils.py
├── env.py
├── logger.py
├── mjcf
│ ├── __init__.py
│ ├── default.py
│ ├── element.py
│ ├── elements.py
│ ├── equality.py
│ ├── fixed.py
│ ├── sensor.py
│ ├── spatial.py
│ ├── visual.py
│ └── xmltodict.py
├── network.py
└── terrain.py
TAMS主要的代码存储在./src/目录下。env.py是交互环境，tan.py定义了地形感知神经网络，gvae.py是形态嵌入模块，mppi.py是MPPI控制器，robot.py是生成机器人树结构并转换为mujoco mjcf文件的工具，tams.py是TAMS的主代码。
./scripts/目录包含运行算法的主要脚本，./utils/目录包含一些工具函数。注意，代码中使用的所有参数都在 ./config/default.json 中定义。
在运行TAMS之前，你需要预训练形态嵌入模块。预训练的目的是为了生成一个形态嵌入模型，该模型可以将离散形态结构嵌入到一个低维连续空间中，以便于后续的搜索和优化。
python scripts/pretrain.py它首先会生成数据集，然后训练形态嵌入模块。训练好的模型权重将保存在 ./log/pretrain/*/gvae.pth 中。然后你需要将 gvae.pth 复制到 ./assets/ 目录中。
在预训练完成后，你可以运行以下命令来进行形态搜索：
python scripts/run.py所有的搜索结果将保存在 ./log/tams/*/ 中。注意，在搜索过程中，地图文件将自动生成。为了加速仿真程序的执行，每个地图文件只包含一个地形。