《机器人具身智能仿真搭建》IsaacSim 5.0 + IsaacLab 2.2

关键版本：Python 3.11、IsaacSim 5.0、IsaacLab 2.2

系统信息：ubuntu1~22.04.3、x84架构、50系列显卡

参考1：https://github.com/isaac-sim/IsaacSim/tree/v5.0.0

参考2：https://github.com/isaac-sim/IsaacLab/tree/main

参考3：https://isaac-sim.github.io/IsaacLab/main/source/setup/installation/source_installation.html

1、显卡驱动安装

50系列的显卡，推荐安装nvidia-driver-xxx-open，成功率比较高

如果不带-open的，大多数都无法找到显卡设备的

推荐安装 nvidia-driver-575-open 版本，兼容 IsaacSim 4.5、5.0、6.0（测试过了）

一直开始安装了最新版本，nvidia-driver-595-open版本，在 IsaacSim 5.0 和IsaacSim 4.5老是闪退，报段错误...

1. 卸载专有驱动的元包（可选，如果安装了其他版本，先卸载）

bash 复制代码

sudo apt purge nvidia-driver-595 nvidia-dkms-595 nvidia-kernel-source-595 nvidia-kernel-common-595

2. 安装开源内核版驱动

bash 复制代码

sudo apt install nvidia-driver-575-open

3. 重启生效

bash 复制代码

sudo reboot

重启后，再次运行 nvidia-smi 即可正常识别 GPU。

4. nvcc安装

若没有 nvcc，需要单独安装 CUDA Toolkit：

bash 复制代码

sudo apt install nvidia-cuda-toolkit

如果需要指定CUDA版本，跳过这步,自行安装即可～

2、源码安装 IsaacSim 5.0

1、下载代码

直接克隆指定版本代码，最新的IsaacSim版本是6.0,这里直接指定5.0的进行下载

bash 复制代码

git clone -b v5.0.0 --depth 1 https://github.com/isaac-sim/IsaacSim.git IsaacSim_v5.0.0

进行代码目录

bash 复制代码

cd IsaacSim_v5.0.0

然后执行下面两条命令，全局初始化 Git LFS 工具，下载相关文件

bash 复制代码

git lfs install
git lfs pull

2、创建Conda环境

创建名为 isaac_sim_5、Python3.11 的环境

bash 复制代码

conda create -n isaac_sim_5 python=3.11 -y

进入环境中

bash 复制代码

conda activate isaac_sim_5

3、从源代码构建 IsaacSim

需要用到GCC/G++ 11，进行编译，版本查询命令：

bash 复制代码

gcc --version
g++ --version

打印信息示例：

gcc (Ubuntu 11.4.0-1ubuntu1~22.04.3) 11.4.0

g++ (Ubuntu 11.4.0-1ubuntu1~22.04.3) 11.4.0

执行的指令，进行编译：

bash 复制代码

./build.sh

打印信息：

Processing schema classes:

IsaacRobotAPI, IsaacLinkAPI, IsaacReferencePointAPI, IsaacJointAPI, IsaacSurfaceGripper, IsaacAttachmentPointAPI

Loading Templates from /home/liguopu/.cache/packman/chk/usd.py311.manylinux_2_35_x86_64.stock.release/0.24.05.kit.6-gl.14415+d9efdd65/lib/usd/usd/resources/codegenTemplates

unchanged /home/liguopu/lgp_dev/project/IsaacSim_v5.0.0/source/extensions/isaacsim.robot.schema/robot_schema/plugInfo.json

Generating Schematics:

unchanged /home/liguopu/lgp_dev/project/IsaacSim_v5.0.0/source/extensions/isaacsim.robot.schema/robot_schema/generatedSchema.usda

BUILD (RELEASE) SUCCEEDED

4、开启 IsaacSim

上面编译成功后，就可以开启 isaac-sim 了

bash 复制代码

bash ./_build/linux-x86_64/release/isaac-sim.sh

能看到打开一个窗口，加载IsaacSim5.0

关键信息打印：

$11.014s$ app ready
$12.631s$ Isaac Sim Full App is loaded.

源码编译的IsaacSim_v5比较稳定，很少出现闪退情况～

5、安装 IsaacLab 2.2

1、首先下载代码

bash 复制代码

# 1. 完整克隆整个仓库（包含所有分支、全量提交历史、所有tag）
git clone https://github.com/isaac-sim/IsaacLab.git
cd IsaacLab
# 2. 拉取远程所有版本标签（本地仓库同步远程全部tag，确保能找到v2.2.0）
git fetch --tags
# 3. 切换锁定v2.2.0发布版本，进入detached HEAD分离头指针
git checkout v2.2.0

2、安装依赖库

bash 复制代码

sudo apt install cmake build-essential

3、安装 IsaacLab

运行安装命令，该命令会遍历source目录中的所有扩展程序，并使用 pip安装：

bash 复制代码

./isaaclab.sh --install

成功安装后，打印信息：

Successfully installed isaaclab_mimic-1.0.12 psutil-7.2.2
$INFO$ Setting up vscode settings...

4、安装过程报错解决

逐步排查问题：

bash 复制代码

# 安装 isaaclab 核心包，看看那个出错了，逐个解决
pip install -e source/isaaclab
pip install -e source/isaaclab_mimic
pip install -e source/isaaclab_rl
pip install -e source/isaaclab_tasks

A、如果安装出现flatdict报错

用 --no-build-isolation 绕过 pip 的隔离构建环境，直接用当前环境的进行安装：

bash 复制代码

pip install --no-build-isolation flatdict==4.0.1

B、如果出现setuptools版本太高了

需要指定安装低版本的 setuptools

bash 复制代码

pip install "setuptools<=70"

6、建立 IsaacSim 与 IsaacLab 的链接

需要确认IsaacSim_v5.0.0的安装目录，然后进行指定即可

1、单次窗口有效

bash 复制代码

# 1、创建指向 IsaacSim 5.0 的软链接
ln -s ~/lgp_dev/project/IsaacSim_v5.0.0/_build/linux-x86_64/release _isaac_sim

# 2、加载 IsaacSim 环境配置
source _isaac_sim/setup_conda_env.sh

# 3、验证 isaacsim 可导入
python -c "import isaacsim; print('isaacsim 导入成功')"

2、永久有效

编辑 bash 配置文件，把配置写到 ~/.bashrc 中

bash 复制代码

vim ~/.bashrc

在文件末尾，新添加内容：

其中，~/lgp_dev/project/IsaacLab 改为自己的IsaacLab路径即可，其他不变

bash 复制代码

# IsaacSim 5.0.0 全局环境自动加载
export ISAACLAB_ROOT=~/lgp_dev/project/IsaacLab
export ISAACSIM_PATH=$ISAACLAB_ROOT/_isaac_sim

# 自动加载isaacsim conda环境脚本
if [ -f "$ISAACSIM_PATH/setup_conda_env.sh" ]; then
    source "$ISAACSIM_PATH/setup_conda_env.sh"
fi

7、验证 IsaacSim 与 IsaacLab

1、示例1,打开仿真窗口

创建一个空的仿真窗口，验证是否正常:

bash 复制代码

# Option 1: Using the isaaclab.sh executable
./isaaclab.sh -p scripts/tutorials/00_sim/create_empty.py

# Option 2: Using python in your virtual environment
python scripts/tutorials/00_sim/create_empty.py

打印信息：

python 复制代码

(isaac_sim_5) liguopu@liguopu-System-Product-Name:~/lgp_dev/project/IsaacLab$ 
(isaac_sim_5) liguopu@liguopu-System-Product-Name:~/lgp_dev/project/IsaacLab$ python scripts/tutorials/00_sim/create_empty.py

.....

[8.121s] app ready
.....
[9.901s] Simulation App Startup Complete
[9.967s] [ext: omni.physx.fabric-107.3.18] startup
[INFO]: Setup complete...

可视化界面：

2、示例2,训练四足机器人

执行命令：

bash 复制代码

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Ant-v0

打印信息：

python 复制代码

(isaac_sim_5) liguopu@liguopu-System-Product-Name:~/lgp_dev/project/IsaacLab$ ./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Ant-v0 

.....

################################################################################
                       Learning iteration 66/1000                       

                       Computation: 112420 steps/s (collection: 1.088s, learning 0.078s)
             Mean action noise std: 0.36
          Mean value_function loss: 0.0472
               Mean surrogate loss: -0.0004
                 Mean entropy loss: 3.2237
                       Mean reward: 44.71
               Mean episode length: 858.60
           Episode_Reward/progress: 2.7869
              Episode_Reward/alive: 0.4562
            Episode_Reward/upright: 0.0896
     Episode_Reward/move_to_target: 0.4527
          Episode_Reward/action_l2: -0.0157
             Episode_Reward/energy: -0.6214
   Episode_Reward/joint_pos_limits: -0.3094
      Episode_Termination/time_out: 8.4062
  Episode_Termination/torso_height: 1.1562
--------------------------------------------------------------------------------
                   Total timesteps: 8781824
                    Iteration time: 1.17s
                      Time elapsed: 00:01:17
                               ETA: 00:18:02

可视化界面：

如果不想看训练的可视化过程，添加参数 --headless 即可

执行对应下面的指令：

bash 复制代码

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Ant-v0 --headless

3、示例3,训练机器人狗

执行命令：

bash 复制代码

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Velocity-Rough-Anymal-C-v0

打印信息：

python 复制代码

(isaac_sim_5) liguopu@liguopu-System-Product-Name:~/lgp_dev/project/IsaacLab$ ./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Velocity-Rough-Anymal-C-v0

.....

[2026-06-10 18:04:40,591][ogn_registration][INFO] - Destroying registration record for omni.physx.fabric
[2026-06-10 18:04:40,591][ogn_registration][INFO] - OGN register omni.physx.fabric-107.3.18 took 887746.000000
[INFO]: Base environment:
	Environment device    : cuda:0
	Environment seed      : 42
	Physics step-size     : 0.005
	Rendering step-size   : 0.02
	Environment step-size : 0.02
[INFO] Generating terrains based on curriculum took : 0.787596 seconds
[INFO]: Time taken for scene creation : 11.677564 seconds
[INFO]: Scene manager:  <class InteractiveScene>
	Number of environments: 4096
	Environment spacing   : 2.5
	Source prim name      : /World/envs/env_0
	Global prim paths     : ['/World/ground']
	Replicate physics     : True
[INFO]: Starting the simulation. This may take a few seconds. Please wait...


################################################################################
                       Learning iteration 15/1500                       

                       Computation: 26857 steps/s (collection: 3.576s, learning 0.085s)
             Mean action noise std: 0.83
          Mean value_function loss: 0.0043
               Mean surrogate loss: -0.0068
                 Mean entropy loss: 14.8179
                       Mean reward: -5.88
               Mean episode length: 334.46
Episode_Reward/track_lin_vel_xy_exp: 0.0743
Episode_Reward/track_ang_vel_z_exp: 0.0539
       Episode_Reward/lin_vel_z_l2: -0.0381
      Episode_Reward/ang_vel_xy_l2: -0.0634
     Episode_Reward/dof_torques_l2: -0.0461
         Episode_Reward/dof_acc_l2: -0.1055
     Episode_Reward/action_rate_l2: -0.0696
      Episode_Reward/feet_air_time: -0.0087
 Episode_Reward/undesired_contacts: -0.0990
Episode_Reward/flat_orientation_l2: 0.0000
     Episode_Reward/dof_pos_limits: 0.0000
         Curriculum/terrain_levels: 3.0766
Metrics/base_velocity/error_vel_xy: 0.5131
Metrics/base_velocity/error_vel_yaw: 0.4969
      Episode_Termination/time_out: 3.1667
  Episode_Termination/base_contact: 3.0000
--------------------------------------------------------------------------------
                   Total timesteps: 1572864
                    Iteration time: 3.66s
                      Time elapsed: 00:01:04
                               ETA: 01:39:17

可视化界面：

如果不想看训练的可视化过程，添加参数 --headless 即可

执行对应下面的指令：

bash 复制代码

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Velocity-Rough-Anymal-C-v0 --headless

8、进阶实践

1、不同的机器人手臂

生成不同的手臂，并应用随机关节位置

bash 复制代码

./isaaclab.sh -p scripts/demos/arms.py

2、双足机器人

bash 复制代码

./isaaclab.sh -p scripts/demos/bipeds.py

3、H1机器人步态训练

交互式推理已训练的H1机器人，在崎岖地形运动策略

bash 复制代码

./isaaclab.sh -p scripts/demos/h1_locomotion.py

这是一个可以使用鼠标和键盘运行的交互式演示。要进入第三人称视角，请点击场景中的人形角色。

进入第三人称视角后，即可使用键盘控制该人形角色：

python 复制代码

| 箭头 | 动作 |
| -- | -- |
| ↑  | 前进 |
| ←  | 左转 |
| →  | 右转 |
| ↓  | 停止 |

C在第三人称和第一人称视角之间切换
ESC退出当前第三人称视角

参考连接：https://isaac-sim.github.io/IsaacLab/main/source/overview/showroom.html

分享完成～

《机器人 具身智能 仿真搭建》IsaacSim 5.0 + IsaacLab 2.2

1、显卡驱动安装

1. 卸载专有驱动的元包（可选，如果安装了其他版本，先卸载）

2. 安装开源内核版驱动

3. 重启生效

4. nvcc安装

2、源码安装 IsaacSim 5.0

1、下载代码

2、创建Conda环境

3、从源代码构建 IsaacSim

4、开启 IsaacSim

5、安装 IsaacLab 2.2

1、首先下载代码

2、安装 依赖库

3、安装 IsaacLab

4、安装过程报错解决

6、建立 IsaacSim 与 IsaacLab 的链接

1、单次窗口有效

2、永久有效

7、验证 IsaacSim 与 IsaacLab

1、示例1,打开仿真窗口

2、示例2,训练四足机器人

3、示例3,训练机器人狗

8、进阶实践

1、不同的机器人手臂

2、双足机器人

3、H1机器人步态训练

《机器人具身智能仿真搭建》IsaacSim 5.0 + IsaacLab 2.2

2、安装依赖库