使用 OpenUSD、Isaac Sim 和 Isaac Lab 进行机器人学习

本页内容

问题: 机器人学习实验如何共享场景、任务和训练设置?

米塔尔等人。 (2023) 描述轨道 IEEE 机器人与自动化快报。阅读 打开手稿,特别是第三节的世界和任务架构以及第五节的学习示例。 Orbit是Isaac Lab的前身。运行当前的 Isaac Lab 任务不会重现论文报告的训练结果。

了解三个工具#

工具 它有什么贡献 第一个资源
OpenUSD 场景合成、资产、变换和时间采样数据 官方教程
Isaac Sim 机器人模拟器、物理集成、传感器和渲染 模拟器文档
Isaac Lab 基于模拟器构建的任务环境和学习工作流程 版本化设置指南

OpenUSD 是一个场景系统,而不是动力学解算器。 Isaac Sim的源码许可证是Apache-2.0; Omniverse 套件和资产带有附加条款。 Isaac Lab的核心是BSD-3-Clause。咨询 目录 获取源代码和许可证链接。完整的 Isaac 安装并不是完全开源的依赖堆栈。

尝试有界训练运行#

这条路线特意使用了 Isaac Lab v2.2.0 与 Isaac Sim 5.0.0,而不是假设当前 main 具有相同的脚本。首先遵循该版本的安装和硬件要求。它需要兼容的 NVIDIA GPU;本地 CPU 示例不安装此运行时。

git clone --branch v2.2.0 https://github.com/isaac-sim/IsaacLab.git
cd IsaacLab

完成版本设置后,运行:

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task Isaac-Reach-Franka-v0 --num_envs 64 --max_iterations 10 --seed 42 --headless

的 训练切入点 和 弗兰卡到达任务登记 被检查了。十次迭代是一个设置练习,而不是经过训练的策略基准。保留生成的日志、配置、检查点、精确提交、GPU 模型、驱动程序、运行时和资产版本。

在解释任务的学习曲线之前,检查任务的观察、行动、奖励、重置和成功定义。研究比较需要固定的 evaluation 程序、多个种子以及论文的环境和训练设置。高回报并不能证明机器人在现实世界中的表现。

无需 GPU 运行时即可工作#

使用 CPU 结果换算为美元的示例 检查阶段、属性、单位和来源。它交换电池解算器的输出;它没有实现 Orbit 的机器人实验。对于没有此 NVIDIA 运行时的机器人动力学,请比较目录中的 MuJoCo、Gazebo、Webots 和 Drake。

状态: 2026 年 11 月 15 日检查了论文架构、版本化文档、任务和培训脚本。这里不执行GPU安装和训练。

查看 GitHub 上的源代码