Aprendizaje robótico con OpenUSD, Isaac Sim y Isaac Lab
En esta página
Pregunta: ¿Cómo puede un experimento de aprendizaje de robots compartir escenas, tareas y entornos de entrenamiento?
Mittal et al. (2023) describir la órbita en Cartas de robótica y automatización del IEEE. Lea el manuscrito abierto, especialmente la arquitectura del mundo y de tareas de la Sección III y los ejemplos de aprendizaje de la Sección V. Orbit es el predecesor de Isaac Lab. La ejecución de una tarea Isaac Lab actual no reproduce los resultados de capacitación informados en el documento.
Entender las tres herramientas#
| Herramienta | que aporta | Primer recurso |
|---|---|---|
| OpenUSD | Composición de escenas, recursos, transformaciones y datos muestreados en el tiempo | Tutoriales oficiales |
| Isaac Sim | El simulador de robot, integración física, sensores y renderizado. | Documentación del simulador |
| Isaac Lab | Entornos de tareas y flujos de trabajo de aprendizaje integrados en el simulador | Guía de configuración versionada |
OpenUSD es un sistema de escena, no un solucionador de dinámica. La licencia fuente de Isaac Sim es Apache-2.0; El kit y los activos de Omniverse tienen términos adicionales. El núcleo de Isaac Lab es la cláusula BSD-3. Consulta el catalogo para enlaces de fuente y licencia. Una instalación completa de Isaac no es una pila de dependencias completamente de código abierto.
Prueba una carrera de entrenamiento limitada#
Esta ruta utiliza deliberadamente Isaac Lab v2.2.0 con Isaac Sim 5.0.0, en lugar de asumir que el main actual tiene los mismos scripts. Siga primero los requisitos de instalación y hardware de esa versión. Necesita una GPU NVIDIA compatible; los ejemplos de CPU local no instalan este tiempo de ejecución.
git clone --branch v2.2.0 https://github.com/isaac-sim/IsaacLab.git
cd IsaacLab
Después de completar la configuración versionada, ejecute:
./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task Isaac-Reach-Franka-v0 --num_envs 64 --max_iterations 10 --seed 42 --headless
el punto de entrada al entrenamiento y Franka alcanza el registro de tareas. fueron revisados. Diez iteraciones son un ejercicio de preparación, no un punto de referencia de políticas entrenadas. Conserve los registros generados, la configuración, el punto de control, la confirmación exacta, el modelo de GPU, el controlador, el tiempo de ejecución y las versiones de los activos.
Inspeccione las definiciones de observación, acción, recompensa, reinicio y éxito de la tarea antes de interpretar su curva de aprendizaje. Una comparación de investigación necesita un procedimiento evaluation fijo, múltiples semillas y el entorno del documento y la configuración de capacitación. Un alto rendimiento no establece el rendimiento del robot en el mundo real.
Trabajar sin el tiempo de ejecución de GPU#
Utilice el Ejemplo de resultado de CPU a USD para inspeccionar una etapa, atributos, unidades y procedencia de la fuente. Intercambia la salida de un solucionador de batería; no implementa el experimento del robot de Orbit. Para la dinámica del robot sin este tiempo de ejecución de NVIDIA, compare MuJoCo, Gazebo, Webots y Drake en el catálogo.
Estado: La arquitectura en papel, la documentación versionada, la tarea y el script de capacitación se inspeccionaron el 15 de noviembre de 2026. La instalación y el entrenamiento de GPU no se ejecutan aquí.