ubuntu22.04使用Isaac Sim 4.5.1与Isaac Lab 2.1.0完成BeyondMimic 环境

BeyondMimic 官方仓库在 README 中给出了一个推荐的软件环境，大致包括：

Isaac Sim：4.5.0
Isaac Lab：2.1.0
Python：3.10
平台：Linux x86_64

1. Isaac-sim 安装配置流程

https://docs.isaacsim.omniverse.nvidia.com/4.5.0/installation/download.html

下载完成后命名为：

IsaacLab 2.1.0

下载代码：

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

切换版本：

复制代码

cd ~/IsaacLab
git checkout v2.1.0

验证一下，输出应该是v2.1.0

复制代码

git describe --tags

在 IsaacLab 里创建软链接 _isaac_sim

复制代码

# 在 IsaacLab 目录下，创建指向 Isaac Sim 安装路径的软链接
# 注意替换username和isaac sim的文件夹名称
cd ~/IsaacLab
ln -s /home/username/isaac-sim-4.5.0 _isaac_sim

这样在IsaacLab下面就有个_isaac_sim文件：

3.构建conda环境

复制代码

conda create -n isaaclab python=3.10 -y
conda activate isaaclab
pip install torch==2.5.1 torchvision==0.20.1 --index-url https://download.pytorch.org/whl/cu124 -i https://mirrors.aliyun.com/pypi/simple

测试GPU

复制代码

python - << 'PY'
import torch
print("torch:", torch.__version__)
print("cuda ok:", torch.cuda.is_available())
if torch.cuda.is_available():
    print("device:", torch.cuda.get_device_name(0))
PY

#要跑 IsaacLab / BeyondMimic，大致都要先做1.2.3这三步
conda activate isaaclab  # 1. 激活你已经配置好的环境
cd ~/skx/IsaacLab  # 2. 进入 IsaacLab 仓库
source _isaac_sim/setup_conda_env.sh  # 3. 让 Isaac Sim 把自己的 python 路径等注入到当前 conda 环境

./isaaclab.sh -p scripts/tutorials/00_sim/create_empty.py #  测试 create_empty 脚本

4.BeyondMimic环境配置

复制代码

conda activate isaaclab
git clone https://github.com/HybridRobotics/whole_body_tracking.git
cd whole_body_tracking
python -m pip install -e source/whole_body_tracking

下载 Unitree 机器人描述文件

curl -L -o unitree_description.tar.gz \

https://storage.googleapis.com/qiayuanl_robot_descriptions/unitree_description.tar.gz

解压后放到whole_body_tracking/assets里面如下图：

登入wandb:

pip install wandb

wandb login

登入后

打开 WandB 网页，在左边 Core → Registry 里新建一个 collection：

Name: Motions
Artifact type: All Types

复制代码

#把XX换为自己路径
cd ~/XX/whole_body_tracking
mkdir -p data/motions

通过网址https://huggingface.co/datasets/lvhaidong/LAFAN1_Retargeting_Dataset

下载数据，下载G1数据随便下载csv,这里我下载的walk1_subject1.csv放到whole_body_tracking中data/motions

用脚本转换为 .npz 并上传到 Registry，例如：

复制代码

python scripts/csv_to_npz.py   --input_file /home/ubuntu/whole_body_tracking/data/motions/walk1_subject1.csv   --input_fps 30   --output_name g1_walk   --headless

执行完后，WandB Registry 里就会出现一个类似

Motions/g1_walk 的 artifact，日志里也会看到类似内容

$INFO$ : Logging motion to wandb: g1_walk

$INFO$ : Motion saved to wandb registry: motions/g1_walk

用 Isaac Sim 回放动作（测试数据 + WandB）

复制代码

# 先走一遍"固定开场三步",这里xx换为自己目录
conda activate isaaclab
cd ~/xx/IsaacLab
source _isaac_sim/setup_conda_env.sh

# 回到项目目录
cd ~/xx/whole_body_tracking

# 用 isaaclab.sh 起 Isaac Sim 回放动作
../IsaacLab/isaaclab.sh -p scripts/replay_npz.py \
  --registry_name=你的org名-org/wandb-registry-motions/g1_walk

最后效果：