当前位置：首页 > news >正文

Isaac Sim与Isaac Lab初使用

news 来源：原创 2025/7/23 19:57:03

作为nvidia出品的仿真软件，很多机器人、机器狗【具身智能】都可以有很不错的效果，所以会使用isaac sim和mojoco越来越成为基础研究者的工具了。今天我们先来看一下Isaac sim Isaaclab的安装和配置过程。
英文的官方教程是最权威的了：
https://docs.isaacsim.omniverse.nvidia.com/4.5.0/index.html
https://github.com/isaac-sim
isaacsim与ros

基于Omiverse

Isaac Sim本质上是Omniverse中的一个仿真工具包，所以可以通过omniverse来下载isaacsim。下载Omniverse，地址：
https://developer.nvidia.com/omniverse?sortBy=developer_learning_library%2Fsort%2Ffeatured_in.omniverse%3Adesc%2Ctitle%3Aasc#section-getting-started
在这里插入图片描述
今年十月这个launcher就不再支持了，所以现在安装isaac sim最好的方式是直接脱离omniverse直接下载安装！

下载Isaacsim

https://docs.isaacsim.omniverse.nvidia.com/latest/installation/download.html
在这里插入图片描述

下载对应的版本，我这里是linux，最新的版本是4.5的,然后解压一下

即执行下面的命令，就可以通过./isaac-sim.selector.sh打开isaacsim了

mkdir ~/isaacsim
cd ~/Downloads
unzip "isaac-sim-standalone@4.5.0-rc.36+release.19112.f59b3005.gl.linux-x86_64.release.zip" -d ~/isaacsim
cd ~/isaacsim
./post_install.sh
./isaac-sim.selector.sh

在这里插入图片描述
start之后：

可以通过example来把isaacsim的配置进行初始化，点击window->examples->robotics examples，然后去选择general中的helloworld，然后在load加载一下。

经过一段时间的初始化后应该就能加载出来，这个仿真软件中的example都可以先跑一跑，初次加载一般耗时都比较长。

Isaacsim的运行性能要求主要如下表所示，主要是需要显存8G，内存32G
在这里插入图片描述
Isaac sim 驱动需求，现在一般安装的都是535版本的，只要超过473.47即可

由于本身isaacsim已经有了很强大的学习算法环境——isaaclab，所以我们一般要结合isaaclab来使用isaacsim，这种条件下其实一般不会用./isaac-sim.selector.sh来启动isaacsim。

安装Isaac Lab

配置isaacsim环境

isaaclib是基于isaacsim仿真环境做的专门用于训练智能体的架构，里面实现了一些强化学习和模仿学习的例子，可以很好的起步。这里有一个中文的教程https://docs.robotsfan.com/isaaclab/source/setup/installation/binaries_installation.html#。我们选择二进制的安装方式：
在这里插入图片描述
第一步是需要将上面已经安装了的isaacsim进行环境配置，也就是在.bahrc文件中添加：

export ISAACSIM_PATH="${HOME}/isaacsim" # issacsim安装目录
export ISAACSIM_PYTHON_EXE="$(ISAACSIM_PATH)/python.sh" # 这是issacsim自带的python启动器 不需要修改

我的环境为
在这里插入图片描述

测试

配置好环境后可以测试一下配置是否正常，直接打开一个终端，运行

${ISAACSIM_PATH}/isaac-sim.sh

检查是否可以通过python脚本启动

${ISAACSIM_PYTHON_EXE} ${ISAACSIM_PATH}/standalone_examples/api/isaacsim.core.api/add_cubes.py

注意，如果之前用过isaacsim的旧版本，可以通过reset-user来删除旧数据

${ISAACSIM_PATH}/isaac-sim.sh --reset-user

克隆仓库

把官方包下载到本地，执行

git clone https://github.com/isaac-sim/IsaacLab.git

接下来进入文件夹中并建立与isaacsim的符号链接

cd IsaacLab

ln -s path_to_isaac_sim _isaac_sim # path_to_isaac_sim是isaacsim的安装路径

然后就可以看到符号链接了（也就是windows中的快捷方式）
在这里插入图片描述

配置python环境

一方面我们可以直接使用${ISAACSIM_PYTHON_EXE}所指向的python，我也可以自己重新创建一个。这里选择conda来创建一个新的python环境。
首先isaaclib提供了一个功能丰富的脚本，我们用这个脚本来实现一些操作。
在这里插入图片描述

./isaaclab.sh --conda my_env # my_env换成自己想取的env名称 比如env_isaaclab

创建好之后，以后用这个脚本执行的命令前请都进入这个虚拟环境中

conda activate env_isaaclab

然后安装一些依赖

sudo apt install cmake build-essential

在env环境中，安装python的依赖

./isaaclab.sh --install # 安装所有的学习框架 也可以安装特定的./isaaclab.sh --install rl_games

对于新版的50系显卡，请使用新的torch，所以要安装python依赖执行的是：

./isaaclab.sh -p -m pip install --upgrade --pre torch --index-url https://download.pytorch.org/whl/nightly/cu128

在env中验证isaaclab和python环境运行

./isaaclab.sh -p scripts/tutorials/00_sim/create_empty.py

python scripts/tutorials/00_sim/create_empty.py

这两个命令是同样的效果。

强化学习训练的测试

训练蚂蚁走路

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Ant-v0 --headless

训练机械狗

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Velocity-Rough-Anymal-C-v0 --headless

同样的，这两个可能会训练失败，原因也是需要初始化一波。等待一段时间，然后应该就能训练了。在对应文件夹下有play.py可以播放对应的效果，–headless模式不会显示图形界面，它开启的并行的env也是非常多的。

IsaacLab模板

现在有比较丰富的模板库可供选择，这里介绍四个开源的。
（1）官方的扩展模板（四足）：

在orbit模板上进行了一定修改，但仍然依赖于IsaacLab的部分函数和接口。

https://github.com/isaac-sim/IsaacLabExtensionTemplate

（2）宇树的Go2模板（四足）：

宇树给Go2平台提供的模板，比较简洁，仅适合四足场景使用

https://github.com/abizovnuralem/go2_omniverse

（3）Fan-ziqi同学的模板（四足）：

Fan同学基于官方的模板进行的扩展，独立于IsaacLab，方便开发。

https://github.com/fan-ziqi/robot_lab

（4）NathanWu7, Qiwei Wu提供的模板（机械臂和机械手）

参考了Fan同学和官方的模板，以及官方的manipulation代码，自制了一个扩展

https://github.com/NathanWu7/isaacLab.manipulation

如何安装及部署IsaacLab.manipulation？
下载模板并安装

git clone https://github.com/NathanWu7/isaacLab.manipulation
cd isaacLab.manipulation
conda activated env_isaaclab
pip install -e .

安装rsl_rl部分

cd isaacLab.manipulation/isaacLab/manipulation/algorithms #如果没有这个目录 创建目录
git clone https://github.com/leggedrobotics/rsl_rl.git
cd rsl_rl
python -m pip install -e .

使用IsaacLab.manipulation的例程

python3 scripts/rsl_rl/train.py --task Template-Isaac-Reach-Kinova-v0--num_envs 4096 --headless #会报一些错 主要为urdf和usd文件的原因，不用管
python3 scripts/rsl_rl/train.py --task Template-Isaac-Reach-Franka-v0 --num_envs 4096 --headless
python3 scripts/rsl_rl/train.py --task Template-Isaac-Reach-UR10-v0 --num_envs 4096 --headless
python3 scripts/rsl_rl/train.py --task Template-Isaac-Repose-Cube-Allegro-v0 --num_envs 4096 --headless

headless模式不会显示图形界面，这在设置并行运行的环境（envs）非常多的时候很有用，如果开了，也可以按键盘的v把图形界面关掉。

配置vscode环境

在vscode中打开isaaclab，按下 Ctrl+Shift+P ，选择 Tasks: Run Task 并在下拉菜单中运行 setup_python_env 。设置好正确的python env环境。
在这里插入图片描述
其中

.vscode/launch.json: 包含用于调试 python 代码的启动配置。
.vscode/settings.json: 包含 python 解释器和 python 环境的设置。
python的环境
task.json，用于在运行和调试中使用 Python：当前文件选项时自动设置 Python 环境。

{// See https://go.microsoft.com/fwlink/?LinkId=733558// for the documentation about the tasks.json format"version": "2.0.0","tasks": [{"label": "setup_python_env","type": "shell","linux": {"command": "${workspaceFolder}/isaaclab.sh -p ${workspaceFolder}/.vscode/tools/setup_vscode.py"},"windows": {"command": "${workspaceFolder}/isaaclab.bat -p ${workspaceFolder}/.vscode/tools/setup_vscode.py"},"problemMatcher": ["$python"]},{"label": "run_formatter","type": "shell","linux": {"command": "${workspaceFolder}/isaaclab.sh --format"},"windows": {"command": "${workspaceFolder}/isaaclab.bat --format"}}]
}

安装扩展isaac sim vscode edition
在这里插入图片描述
功能比较多，后续可以在研究。

ros接口安装

ros1基本不再支持，我们用更加稳定的ros2接口来开发，所以第一步就是需要安装ros humble
有了ros之后，前往 Isaac Sim ，转到窗口 -> 扩展的扩展管理器菜单，并搜索 ROS bridge。请注意，一次只能启用一个 ROS Bridge 扩展，比如启用ROS2 BRIDGE时不可使用ROS BRIDGE。
在这里插入图片描述
由于我当前是ubuntu20，没有安装humble的ros版本，所以在这里主要说一下ros1 noetic的相关情况。注意，这里能适配的也只有ros1 noetic和ros2 humble的版本，其他版本容易出问题。
附上对应的工作空间地址

https://github.com/isaac-sim/IsaacSim-ros_workspaces

目录