IsaacLab 从入门到精通（一） 环境配置和依赖安装

Python资料网推荐IsaacLab 从入门到精通（一） 环境配置和依赖安装这篇文章给大家，欢迎收藏Python资料网享受知识的乐趣

IsaacLab 从入门到精通（一） 环境配置和依赖安装

IsaacLab是NVIDIA提供的一个机器人强化学习仿真环境，它基于机器人仿真环境IsaacSim和机器人强化学习环境IsaacGym进行构建，它能够提供逼真的图像渲染和物理模拟，同时能够大幅提高强化学习的效率，因而成为近年来最受关注的强化学习和机器人仿真平台之一。

1.1 IsaacSim

1.1.1 环境需求

Isaac sim 系统需求

Isaac sim 驱动需求

1.1.2 安装方式

（1） Pip 安装方式（推荐）

这种安装方式不需要安装启动器，十分简洁，对于仅需Robot开发的任务友好

建议先通过conda 创建虚拟环境python 3.10 再进行安装

https://docs.omniverse.nvidia.com/isaacsim/latest/installation/install_python.html

（2） Workstation 安装方式

这种方式会安装启动器，优点是独立打开isaac sim方便，可以装很多app

https://docs.omniverse.nvidia.com/isaacsim/latest/installation/install_workstation.html

（3） 其他方式

https://docs.omniverse.nvidia.com/isaacsim/latest/installation/install_container.html

1.2 IsaacLab

1.2.1 环境需求

推荐使用Conda虚拟环境安装，需要torch 2.2.2 和cu118（或者cu121）

https://isaac-sim.github.io/IsaacLab/source/setup/installation/pip_installation.html

然后git clone isaaclab

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

1.2.2 安装

按教程流程走就可以了，注意rsl-rl这个库后面会再独立安装一次，因此这里可以不选择装rsl-rl。

1.3 IsaacLab自定义任务模板

1.3.1 环境需求

需要安装Isaac sim及Isaac Lab，并且保证它们能够正常工作。

有了IsaacLab, 如何自定义自己的任务呢？目前在github上有一些独立扩展模板可以自定义自己的任务，截止至本文时间2024.7.10，主要有四个模板建议选择：

（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）本作者（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

由于作者主要的研究方向是Manipulation, 因此后续的教程将以这个模板为基础进行。

1.3.2 安装及部署IsaacLab.manipulation

找一个目录，激活conda环境，执行以下命令安装

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

然后根据此环境的Readme.md文件，进行依赖的安装，重要部分：

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 .

这些指令会安装RSL-RL这个强化学习库，这个库对于并行的强化学习算法非常友好，对于新的算法可以直接在源码上进行补充，如果提示找不到rsl-rl，再在本库的根目录下运行一下安装命令以生成索引信息。在安装完成后，你应该能够执行以下示例：

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

其中，–task代表选择哪个任务，这些人物通过环境中的gym.register进行注册，可以ctrl+F找一下在哪里注册的，也可以修改注册时候的任务名字。

–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，如果你不小心开了，可以按键盘的v把图形界面关掉。如果你开的envs很少，也可以开着图形界面，一般在测试时建议开启图形界面（不加–headless）

如果一切正常，那么恭喜你环境已经配置完毕，可以开始自定义自己的任务了，下期教程将会开始逐步介绍如何自定义自己的任务。

版权声明：本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！