从零到仿真：Ubuntu 20.04 上的 IsaacLab 4.5.0 精准配置指南

scilwb
2,879 阅读9分钟

Ubuntu 20.04 安装指南：NVIDIA 驱动、CUDA 与 IsaacLab 4.5.0

最终搭建效果展示

image.png

本指南分为两个主要部分：

  1. 基础环境安装：NVIDIA 驱动 535.129.03、CUDA 12.1 和 ROS Noetic
  2. IsaacLab 4.5.0 安装：包括 IsaacSim 和相关资产设置

适用人群

本指南适用于以下用户：

  • 需要在 Ubuntu 20.04 上完整配置 IsaacLab 4.5.0 环境的机器人/仿真研究人员
  • 希望清理系统中冲突的 NVIDIA 驱动和 CUDA 版本的用户
  • 具备基本 Linux 命令行操作经验的用户
  • 能够搜索相关教程或者使用ai工具自行解决报错debug的人

不建议以下用户使用本方法：

  • 需要同时保留多个 CUDA 版本的用户（本指南会移除所有旧版本）
  • 使用商业软件依赖特定 NVIDIA 驱动版本的用户

系统状态诊断

在准备工作之前，添加一个诊断部分，帮助用户了解当前系统状态：

#系统状态诊断

#在开始清理前，先诊断当前系统上的 NVIDIA 和 CUDA 状态：

# 查看当前 NVIDIA 驱动版本
nvidia-smi

# 查看已安装的 CUDA 版本
nvcc --version
ls -l /usr/local/ | grep cuda

# 查看潜在冲突的包
dpkg -l | grep -i nvidia
dpkg -l | grep -i cuda

这些命令将帮您识别系统中存在的所有 NVIDIA 驱动和 CUDA 版本，为后续的清理工作提供参考。

第一部分：基础环境安装

目录

  • [1. 准备工作]
  • [2. 安全停止图形界面]
  • [3. 彻底清理现有环境]
  • [4. 安装 NVIDIA 驱动]
  • [5. 恢复图形界面]
  • [6. 安装 CUDA 12.1]
  • [7. 安装 ROS Noetic]
  • [8. 验证安装]

必知要点

重要信息： CUDA 12.1 默认搭配的 NVIDIA 驱动是 530.30.02，但 IsaacLab 4.5.0 要求 535.129.03 版本驱动。由于 CUDA 向后兼容，应安装更新的驱动版本以满足 IsaacLab 的要求。

整个安装流程顺序：

  1. 停止图形界面
  2. 清理旧版本
  3. 安装新驱动
  4. 安装 CUDA
  5. 安装 ROS Noetic

注意： 若没有安装过cuda以及ros noetic（或者版本号相近），可直接跳至步骤[6. 安装 CUDA 12.1]

1. 准备工作(再强调一遍，裸机可直接跳至步骤6. 安装 CUDA 12.1)

在开始前，请做好以下准备工作以防万一：

# 更新系统并安装必要工具
sudo apt update && sudo apt upgrade -y
sudo apt install build-essential linux-headers-$(uname -r) ubuntu-drivers-common

# 备份重要配置文件（如果存在）
sudo cp /etc/X11/xorg.conf /etc/X11/xorg.conf.backup 2>/dev/null

2. 安全停止图形界面

停止图形界面对于安全安装 NVIDIA 驱动至关重要（需要注意：停止图形界面后，操作不太方便，下面一直到 5. 恢复图形界面的代码都是纯手敲，需要非常仔细以及强大的耐心）：

# 在终端执行以下命令停止图形界面
sudo systemctl isolate multi-user.target
此时停止图形界面，处于开机但未可视化界面的阶段，

使用 Ctrl+Alt+F3 （有时候可能不需要使用 Ctrl+Alt+F3，系统自动跳转）切换到 TTY 终端 需要输入用户名和密码 登录时.jpg

# 验证 X 服务器已停止
ps aux | grep X

当只有 grep 命令本身显示时，表示 X 服务器已停止。为确保安装期间图形服务不会自动重启：

# 暂时屏蔽 gdm3 服务
sudo systemctl mask gdm3

3. 彻底清理现有环境

3.1 清除 CUDA

首先移除所有现有的 CUDA 包和配置：

# 查找已安装的 CUDA 包
dpkg -l | grep -i cuda

# 移除所有 CUDA 包及其配置文件
sudo apt-get --purge remove "*cublas*" "*cufft*" "*cufile*" "*curand*" \
"*cusolver*" "*cusparse*" "*npp*" "*nvjpeg*" "cuda*" "nsight*"

# 清理依赖
sudo apt-get autoremove
sudo apt-get autoclean

# 移除 CUDA 目录
sudo rm -rf /usr/local/cuda*

如果 CUDA 是通过 runfile 安装的，还需要执行以下步骤（一般没有这步）：

# 查找 CUDA 目录
ls -l /usr/local | grep cuda

# 运行卸载脚本（替换 X.Y 为实际版本）
cd /usr/local/cuda-X.Y/bin
sudo ./cuda-uninstaller

3.2 清除 NVIDIA 驱动

接下来移除所有 NVIDIA 驱动相关组件：

# 查找已安装的 NVIDIA 包
dpkg -l | grep -i nvidia

# 移除所有 NVIDIA 包及其配置文件
sudo apt-get remove --purge '^nvidia-.*'
sudo apt-get --purge remove "*nvidia*"

# 清理依赖
sudo apt-get autoremove
sudo apt-get autoclean

如果驱动是通过 runfile 安装的，执行：

# 运行 NVIDIA 卸载脚本
sudo nvidia-uninstall

3.3 恢复默认配置

确保系统回到干净状态：

# 移除 X 服务器配置文件（如果存在）
sudo rm -f /etc/X11/xorg.conf

# 移除 NVIDIA 模块黑名单（如果存在）
sudo rm -f /etc/modprobe.d/blacklist-nvidia-nouveau.conf

# 确保 Nouveau 驱动可以在下次启动时加载
echo 'nouveau' | sudo tee -a /etc/modules

# 更新 initramfs
sudo update-initramfs -k all -u

4. 安装 NVIDIA 驱动 535.129.03

4.1 禁用 Nouveau 驱动

在安装 NVIDIA 驱动之前，必须禁用开源的 Nouveau 驱动：

# 创建黑名单文件
sudo bash -c 'cat > /etc/modprobe.d/blacklist-nouveau.conf << EOF
blacklist nouveau
options nouveau modeset=0
EOF'

# 更新 initramfs
sudo update-initramfs -u

4.2 安装驱动

选择以下方法之一（推荐第一种方法）：

方法 1：使用 Ubuntu 仓库（最简单）
# 安装 ubuntu-drivers-common 工具
sudo apt install ubuntu-drivers-common

# 查看推荐驱动
sudo ubuntu-drivers devices

# 安装 535 版本驱动（IsaacLab 4.5.0 要求）
sudo apt install nvidia-driver-535

# 重启系统
sudo reboot

重启后，进入 TTY 终端（Ctrl+Alt+F3）登录并验证驱动安装：

nvidia-smi

预期结果： 应看到 NVIDIA 驱动信息和 GPU 状态表格。

image.png

方法 2：使用 NVIDIA 官方仓库
# 添加 NVIDIA 包仓库 GPG 密钥
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb

# 更新包列表
sudo apt update

# 安装 NVIDIA 驱动
sudo apt install nvidia-driver-535

# 重启系统
sudo reboot

5. 恢复图形界面

驱动安装完成后，可以恢复图形界面：

# 取消屏蔽 gdm3 服务
sudo systemctl unmask gdm3

# 重新启动图形界面
sudo systemctl isolate graphical.target

如果界面没有自动启动：

sudo systemctl start gdm3

提示： 恢复图形界面后，可以更方便地执行后续安装步骤，因为可以复制粘贴命令，避免手动输入出错。

6. 安装 CUDA 12.1

安装 CUDA 12.1 工具包：

# 添加 NVIDIA CUDA 仓库
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt update

# 安装 CUDA 12.1 工具包（不重复安装驱动）
sudo apt install cuda-toolkit-12-1

# 设置环境变量
echo 'export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc
source ~/.bashrc

7. 安装 ROS Noetic

安装 ROS Noetic 机器人操作系统：

# 添加 ROS 仓库
sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'

# 添加 ROS 密钥
curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc | sudo apt-key add -

# 更新包索引
sudo apt update

# 安装 ROS Noetic 桌面完整版
sudo apt install ros-noetic-desktop-full

# 环境设置
echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc
source ~/.bashrc

# 安装构建依赖
sudo apt install python3-rosdep python3-rosinstall python3-rosinstall-generator python3-wstool build-essential

# 初始化 rosdep
sudo rosdep init
rosdep update

8. 验证安装

安装完成后，验证各组件是否安装成功：

验证 NVIDIA 驱动

nvidia-smi

预期结果： 显示驱动版本（应为 535.x.x）和 GPU 信息。

image.png

验证 CUDA

nvcc --version

预期结果： 显示 CUDA 编译器版本（应为 12.1.x）。

image.png

环境干净度分析

如果你看到以下情况，这是正常的：

  • 驱动版本是 535.230.02
  • CUDA 识别为 12.2（系统级别）
  • nvcc 编译器是 12.1.105 版本

这种配置是正常的，因为：

  • NVIDIA 驱动向后兼容
  • 较新的驱动支持多个 CUDA 版本
  • CUDA 12.1 编译工具已正确安装并可用于 IsaacLab

测试 CUDA 功能（可选）

创建并运行一个简单的 CUDA 程序：

# 创建测试目录和文件
mkdir -p ~/cuda-test && cd ~/cuda-test
cat > test.cu << EOF
#include <stdio.h>
__global__ void helloFromGPU(void) {
    printf("Hello World from GPU!\n");
}
int main(void) {
    printf("Hello World from CPU!\n");
    helloFromGPU<<<1, 10>>>();
    cudaDeviceSynchronize();
    return 0;
}
EOF

# 编译并运行测试程序
nvcc test.cu -o test
./test

预期结果： 程序应输出 "Hello World from CPU!" 以及 10 行 "Hello World from GPU!"。

image.png

验证 ROS Noetic

# 启动 ROS 核心
roscore

预期结果： ROS Master 应成功启动，显示节点已初始化的信息。

image.png 可选的进一步验证步骤：

# 新打开一个终端运行小乌龟仿真器
rosrun turtlesim turtlesim_node

# 再新打开一个终端控制小乌龟
rosrun turtlesim turtle_teleop_key

预期结果： 应该能看到小乌龟仿真器窗口，并能通过键盘控制小乌龟的移动。

image.png

image.png

总结

通过遵循本指南中的步骤，你可以安全地清理现有的 CUDA 和 NVIDIA 驱动程序，并重新安装 CUDA 12.1、匹配的 NVIDIA 驱动以及 ROS Noetic，以支持 IsaacLab 4.5.0。整个过程需要仔细操作，确保在每个步骤后验证成功，这样可以最大限度地减少系统问题的风险。

最重要的安全措施是：

  1. 在修改系统驱动前停止图形界面
  2. 在进行重大更改前备份关键配置文件
  3. 按照正确的顺序执行安装步骤
  4. 在每个关键步骤后验证是否成功

如果遇到问题，本指南中的恢复步骤将帮助你重新获得系统访问权限。一旦系统配置完成，就可以进行 IsaacLab 4.5.0 的安装了。

系统配置好后，就可以进行IsaacLab 4.5.0安装了

第二部分：IsaacLab 4.5.0 安装

目录

  • [1. 介绍]
  • [2. 系统要求]
  • [3. 配置虚拟环境]
  • [4. 下载 IsaacSim 4.5.0 及资产包]
  • [5. 安装 IsaacSim 4.5.0]
  • [6. 设置本地资产]
  • [7. 配置 IsaacSim 使用本地资产]
  • [8. 验证 IsaacSim 安装]
  • [9. 安装 IsaacLab 4.5.0]
  • [10. 配置 NUCLEUS_ASSET_ROOT_DIR]
  • [11. 验证 IsaacLab 安装]

下述教程参考链接

blog.csdn.net/weixin_4457…

1. 介绍

本指南提供在 Ubuntu 20.04 上安装 IsaacLab 4.5.0 的详细步骤，包括下载、安装、配置和验证过程。由于前面已经安装了 CUDA 12.1 和 ROS Noetic，我们将直接从 IsaacSim 的安装开始。

2. 系统要求

在 Ubuntu 20.04 上需要使用二进制安装的原因：Ubuntu 20.04 使用 GLIBC 2.31，而 IsaacSim 的 pip 安装需要 GLIBC 2.34+ 。因此，NVIDIA 官方建议在 Ubuntu 20.04 上使用二进制安装方法而非 pip 安装。

硬件要求：

  • 已安装组件: CUDA 12.1、ROS Noetic
  • GPU: NVIDIA RTX 系列显卡
  • 驱动版本: 推荐 535.129.03 或更高版本
  • 内存: 至少 32GB RAM
  • 显存: 至少 16GB VRAM（对于复杂模拟）
  • 存储: 至少 200GB 可用空间

3. 配置虚拟环境

# 创建并激活 conda 环境
conda create -n isaaclab_4_5_0 python=3.10 pip setuptools wheel -y
conda activate isaaclab_4_5_0
# 验证pip是否正确安装 pip --version
# 安装必要的基础包
conda install pip setuptools wheel

# 安装 PyTorch 2.5.1
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.1 -c pytorch -c nvidia

4. 下载 IsaacSim 4.5.0 及资产包

访问NVIDIA开发者网站 image.png

  1. IsaacSim 4.5.0 二进制包（ Linux 版本的二进制包（6.7GB））

    • isaac-sim-standalone@4.5.0-rc.36+release.19112.f59b3005.gl.linux-x86_64.release.zip

  2. 资产包（三个都需要下载，总计 86.2GB）:

    • isaac-sim-assets-1@4.5.0-rc.36+release.19112.f59b3005.zip
    • isaac-sim-assets-2@4.5.0-rc.36+release.19112.f59b3005.zip
    • isaac-sim-assets-3@4.5.0-rc.36+release.19112.f59b3005.zip

    想快一些可以选择百度网盘下载(我是会员4M/s差不多6小时)，下面是一个博主上传的百度网盘IsaacSim 4.5.0资产包 链接:

    pan.baidu.com/s/1ouxQI1Dg…

    提取码: 59wb

该博主原帖:

Issac Sim入门踩坑日记（含100G本地资产网盘链接） - 从来你又调皮的文章 - 知乎 zhuanlan.zhihu.com/p/271749606…

5. 安装 IsaacSim 4.5.0

# 创建安装目录
mkdir ~/isaacsim

# 解压安装包
cd ~/Downloads
unzip "isaac-sim-standalone@4.5.0-rc.36+release.19112.f59b3005.gl.linux-x86_64.release.zip" -d ~/isaacsim

# 运行安装后脚本
cd ~/isaacsim
./post_install.sh

# 启动 IsaacSim 选择器
./isaac-sim.selector.sh

点击 START 即启动 IsaacSim，第一次启动会比较慢，弹出无响应也没事，等待即可

image.png

image.png

6. 设置本地资产

# 创建资产目录
mkdir -p ~/isaacsim_assets

# 解压资产包
cd ~/Downloads
unzip "isaac-sim-assets-1@4.5.0-rc.36+release.19112.f59b3005.zip" -d ~/isaacsim_assets
unzip "isaac-sim-assets-2@4.5.0-rc.36+release.19112.f59b3005.zip" -d ~/isaacsim_assets
unzip "isaac-sim-assets-3@4.5.0-rc.36+release.19112.f59b3005.zip" -d ~/isaacsim_assets

7. 配置 IsaacSim 使用本地资产

编辑 IsaacSim 基础配置文件:

# 打开配置文件
nano ~/isaacsim/apps/isaacsim.exp.base.kit

添加以下设置（将$USER替换为您的实际用户名）:

[settings]
persistent.isaac.asset_root.default = "/home/$USER/isaacsim_assets/Assets/Isaac/4.5"
exts."isaacsim.asset.browser".folders = [
  "/home/$USER/isaacsim_assets/Assets/Isaac/4.5/Isaac/Robots",
  "/home/$USER/isaacsim_assets/Assets/Isaac/4.5/Isaac/People",
  "/home/$USER/isaacsim_assets/Assets/Isaac/4.5/Isaac/IsaacLab",
  "/home/$USER/isaacsim_assets/Assets/Isaac/4.5/Isaac/Props",
  "/home/$USER/isaacsim_assets/Assets/Isaac/4.5/Isaac/Environments",
  "/home/$USER/isaacsim_assets/Assets/Isaac/4.5/Isaac/Materials",
  "/home/$USER/isaacsim_assets/Assets/Isaac/4.5/Isaac/Samples",
  "/home/$USER/isaacsim_assets/Assets/Isaac/4.5/Isaac/Sensors"
]

eg.笔者$USER=lwb
则写入：
[settings]
persistent.isaac.asset_root.default = "/home/$USER/isaacsim_assets/Assets/Isaac/4.5" 
exts."isaacsim.asset.browser".folders = [ 
    "/home/lwb/isaacsim_assets/Assets/Isaac/4.5/Isaac/Robots", 
    "/home/lwb/isaacsim_assets/Assets/Isaac/4.5/Isaac/People", 
    "/home/lwb/isaacsim_assets/Assets/Isaac/4.5/Isaac/IsaacLab", 
    "/home/lwb/isaacsim_assets/Assets/Isaac/4.5/Isaac/Props", 
    "/home/lwb/isaacsim_assets/Assets/Isaac/4.5/Isaac/Environments", 
    "/home/lwb/isaacsim_assets/Assets/Isaac/4.5/Isaac/Materials", 
    "/home/lwb/isaacsim_assets/Assets/Isaac/4.5/Isaac/Samples", 
    "/home/lwb/isaacsim_assets/Assets/Isaac/4.5/Isaac/Sensors" ]

8. 验证 IsaacSim 安装

conda activate isaaclab_4_5_0
# 设置环境变量，在终端执行
gedit ~/.bashrc

# 添加以下行
export ISAACSIM_PATH="${HOME}/isaacsim"
export ISAACSIM_PYTHON_EXE="${ISAACSIM_PATH}/python.sh"

# 保存并退出
# 使环境变量生效
source ~/.bashrc
# 在退出 conda 环境的状态下运行 
cd ~/IsaacLab
# 安装Vulkan验证工具 sudo apt update sudo apt install vulkan-tools # 检查Vulkan支持 vulkaninfo | grep deviceName

# 重置GPU状态
sudo rmmod nvidia_uvm
sudo rmmod nvidia_drm 
sudo rmmod nvidia_modeset 
sudo rmmod nvidia 
sudo modprobe nvidia 
sudo modprobe nvidia_modeset 
sudo modprobe nvidia_drm 
sudo modprobe nvidia_uvm # 尝试重新启动IsaacSim 
cd ~/isaacsim 
source setup_conda_env.sh 
./isaac-sim.sh --/persistent/isaac/asset_root/default="${HOME}/isaacsim_assets/Assets/Isaac/4.5"

下面是成功进入后的界面 asset加载成功.png 下面是笔者自己加载了两个asset用于测试

asset自己加载模块.jpg

9. 安装 IsaacLab 4.5.0

# 克隆 IsaacLab 仓库
cd ~
git clone https://github.com/isaac-sim/IsaacLab.git

# 进入仓库目录
cd IsaacLab

# 创建到 IsaacSim 的符号链接
ln -s ${HOME}/isaacsim _isaac_sim

# 安装依赖项
sudo apt install cmake build-essential

# 运行安装命令安装所有扩展和学习框架
./isaaclab.sh --install

# 如果只想安装特定框架，可以指定它们
# 例如: ./isaaclab.sh --install rl_games

10. 配置 NUCLEUS_ASSET_ROOT_DIR

为了使用本地资产而不是从 AWS 下载，需要修改 NUCLEUS_ASSET_ROOT_DIR 在 assets.py 文件中：

# 打开 assets.py 文件
nano ~/IsaacLab/source/isaaclab/isaaclab/utils/assets.py

找到定义 NUCLEUS_ASSET_ROOT_DIR 的行并将其更改为指向您的本地资产：

python
# 将此行：
NUCLEUS_ASSET_ROOT_DIR = carb.settings.get_settings().get("/persistent/isaac/asset_root/cloud")

# 更改为：
NUCLEUS_ASSET_ROOT_DIR = "/home/$USER/isaacsim_assets/Assets/Isaac/4.5"

替换 $USER 为您的实际用户名。

11. 验证 IsaacLab 安装

# 运行一个简单的测试脚本
./isaaclab.sh -p scripts/demos/quadrupeds.py

image.png

12. 确认安装成功

  1. 检查 IsaacSim 功能:

    cd ~/isaacsim
source setup_conda_env.sh 
./isaac-sim.sh --/persistent/isaac/asset_root/default="${HOME}/isaacsim_assets/Assets/Isaac/4.5"

    IsaacSim 应该能够启动且不会崩溃。

image.png

  1. 验证 IsaacLab 环境:

    注意启动前，要在该终端

    cd \~/isaacsim

    source setup\_conda\_env.sh

否则执行下面代码会报错ModuleNotFoundError: No module named 'isaacsim'`

    cd ~/IsaacLab
    ./isaaclab.sh -p scripts/demos/arms.py

![image.png](https://p6-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/56bc7b695f314f56ba330eb1ba9957d9~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAgc2NpbHdi:q75.awebp?rk3s=f64ab15b&x-expires=1773116240&x-signature=83DEyvtepMQ94MxHnF%2BDdu2Ty4o%3D)

3. 运行基本训练示例:

    # 安装 RSL-RL 库
    ./isaaclab.sh --install rsl_rl

无界面模式下运行(--headless)

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task Isaac-Humanoid-v0 --num_envs 16 --headless --max_iterations 100

image.png

使用 Play 模式可视化运行

训练完成后，可以使用 play 脚本来可视化训练结果：

# 首先训练得到模型
./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task Isaac-Humanoid-v0 --num_envs 16 --headless --max_iterations 100

# 然后使用 play 脚本来可视化（这个脚本通常设计为可视化而不会自动退出）
./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/play.py --task Isaac-Humanoid-v0 --num_envs 16

image.png

常用任务的训练和可视化命令

人形机器人任务 (Humanoid)

训练命令

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task Isaac-Humanoid-v0 --num_envs 16 --headless --max_iterations 100

可视化命令

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/play.py --task Isaac-Humanoid-v0 --num_envs 16

倒立摆任务 (Cartpole)

训练命令

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task Isaac-Cartpole-v0 --num_envs 16 --headless --max_iterations 100

可视化命令

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/play.py --task Isaac-Cartpole-v0 --num_envs 16

四足机器人任务 (Ant)

训练命令

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task Isaac-Ant-v0 --num_envs 16 --headless --max_iterations 100

可视化命令

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/play.py --task Isaac-Ant-v0 --num_envs 16

球平衡任务 (BallBalance)

训练命令

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task Isaac-BallBalance-v0 --num_envs 16 --headless --max_iterations 100

可视化命令

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/play.py --task Isaac-BallBalance-v0 --num_envs 16

机械臂任务 (Reach)

训练命令

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task Isaac-Reach-v0 --num_envs 16 --headless --max_iterations 100

可视化命令

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/play.py --task Isaac-Reach-v0 --num_envs 16

如果以上步骤都成功完成，则您的 IsaacLab 4.5.0 训练环境已在 Ubuntu 20.04 上正确配置，可以使用了。

avatar
文章
阅读
粉丝