Ubuntu20.04系统安装IsaacSim4.5与IsaacLab环境

Introduction

今天用自己的Ubuntu20.04系统安装最新更新的IsaacSim 4.5 与 最新版的IsaacLab遇到了问题,且这个问题组里师兄之前也遇到了,我的解决方法是从头来过,所及记录一下。

IsaacSim现在支持pip安装 ,但是Ubuntu20.04的pip版本不够新,无法安装,只能手动安装,详细的可以参考:官方文档,我用中文整理了自己的安装过程。

1、IsaacSim4.5 安装

1.1 下载IsaacSim

进入下载界面并且选择Isaac Sim(Version=4.5.0)

1.2 配置Sim文件夹

bash 复制代码
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

运行最后一句话的时候会打开IsaacSim App Selector,点击START即可开始

1.3 验证Isaac Sim

首先添加环境变量

bash 复制代码
sudo gedit ~/.bashrc

在里面加入(${HOME}就是/home/username)

bash 复制代码
# Isaac Sim root directory
export ISAACSIM_PATH="${HOME}/isaacsim"
# Isaac Sim python executable
export ISAACSIM_PYTHON_EXE="${ISAACSIM_PATH}/python.sh"
  • 检查模拟器是否能运行:
bash 复制代码
${ISAACSIM_PATH}/isaac-sim.sh
  • 检查模拟器是否从独立的 Python 脚本运行:
bash 复制代码
# checks that python path is set correctly
${ISAACSIM_PYTHON_EXE} -c "print('Isaac Sim configuration is now complete.')"
# checks that Isaac Sim can be launched from python
${ISAACSIM_PYTHON_EXE} ${ISAACSIM_PATH}/standalone_examples/api/isaacsim.core.api/add_cubes.py
  • 若上述操作都能正常运行,则安装成功

2、 IsaacLab 安装

2.1 安装

bash 复制代码
cd ~
git clone https://github.com/isaac-sim/IsaacLab.git
bash 复制代码
# enter the cloned repository
cd IsaacLab
# create a symbolic link
ln -s path_to_isaac_sim _isaac_sim
# For example: ln -s ${HOME}/isaacsim _isaac_sim

创建conda环境b并激活

bash 复制代码
./isaaclab.sh --conda 
conda activate env_isaaclab

安装依赖

bash 复制代码
sudo apt install cmake build-essential

安装

bash 复制代码
./isaaclab.sh --install

2.2 验证

输入下面的指令会启动模拟器并显示一个带有黑色视口的窗口,Ctrl+C关闭,若能成功运行则安装成功

bash 复制代码
./isaaclab.sh -p scripts/tutorials/00_sim/create_empty.py

3、 遇到报错

如果在验证IsaacLab的安装的时候遇到找不到"isaacsim"、"isaacsim.app.simulation"等报错,缝缝补补其实是浪费时间的,不如全部删了重新耐心装一遍。

相关推荐
HelloWorld__来都来了10 天前
【每日学术速报】2026-06-15
人工智能·具身智能
指掀涛澜天下惊10 天前
AI 基础知识十九 强化学习前言
人工智能·机器学习·强化学习
劈星斩月10 天前
机器学习之 定义与三大范式
人工智能·机器学习·监督学习·强化学习·无监督学习
文艺倾年10 天前
【强化学习】数学推导专题,20W字总结(十五)
人工智能·分布式·大模型·强化学习·vibecoding
盼小辉丶10 天前
PyTorch强化学习实战(14)——优先经验回放机制
pytorch·python·深度学习·强化学习
WangN211 天前
【通识】宇树G1_29DOF速度跟踪训练—逐章学习手册
人工智能·python·学习·机器人·具身智能
chen_zn9511 天前
VLA 的 Co-training:通过多源数据提升机器人泛化能力
人工智能·深度学习·具身智能·vla
君为先-bey11 天前
NWM----导航世界模型
transformer·扩散模型·导航·具身智能·世界模型·条件扩散
文艺倾年12 天前
【强化学习】MDP、贝尔曼方程与CartPole 编程,20W字总结(二)
人工智能·软件工程·强化学习
happyprince12 天前
07_verl-Trainer模块详解
人工智能·架构·wpf·强化学习