Vertrieb kontaktieren
Zurück zu Learn

Wie man Isaac Lab auf Ubuntu 22.04 installiert

Schritt für Schritt Isaac Lab Installation auf Ubuntu 22.04: conda env, Isaac Sim 4.x, isaaclab.sh, verifizieren mit einem Manipulator RL-Task. ~ 45 Minuten, kostenlos, reproduzierbar.

NVIDIA Isaac Lab ist das de facto Open-Source RL/Imitation-Learning-Framework für Roboter-Simulationen im Jahr 2026. Dieses Tutorial führt durch eine saubere Installation auf Ubuntu 22.04 mit Isaac Sim 4.x, einer dedizierten Kondamgebung und einem ersten Training zur Überprüfung der Stapelarbeiten von Ende zu Ende.

Simulation Gesamtzeit: etwa 45 Minuten Schwierigkeiten: Zwischen Aktualisiert April 2026

Was Sie erreichen werden

Am Ende dieses Tutorials haben Sie eine funktionierende Isaac Lab Installation, eine reproduzierbare Conda-Umgebung und einen verifizierten End-to-End RL-Training-Run auf einer Manipulator-Aufgabe. Das ist die Grundlage für alles nach unten: Politik-Training, Domänen-Randomisierung, Sim-to-Real-Transfer und [RL-Umgebung]T24) Bewertung.

Isaac Lab (ehemals Orbit / Isaac Gym Envs) wird von NVIDIA unterhalten. Es sitzt auf der Spitze von Isaac Sim und stellt eine saubere Python API für die Aufgabendefinition, RL-Training mit RL-Games / RSL-RL / Stable-Baselines3 und Domain-Randomisierung dar. Für die Politikforschung hat es das ursprüngliche Isaac Gym weitgehend ersetzt.

Voraussetzungen

  • Ubuntu 22.04 mit dem HWE Kernel. Ubuntu 20.04 funktioniert, ist aber nicht mehr das primäre Ziel.
  • NVIDIA RTX GPU mit mindestens 8 GB VRAM. 12 GB+ wird für parallelisiertes RL-Training empfohlen.
  • NVIDIA-Fahrer 535 oder neuerer.
  • 50 GB freier Festplattenplatz. Isaac Sim plus ein paar Taskspeicher ist schwer.
  • Miniconda oder Anaconda. Wir werden eine isolierte Umgebung erstellen.
  • Grundausbildung mit Python, der Befehlszeile und Git.

** Warum eine Conda-Umgebung?** Isaac Sim versendet sein eigenes Python und viele native Bibliotheken.

Die Schritte

  1. Überprüfen Sie die Systemvorbedingungen

Bevor Sie etwas anderes tun, bestätigen Sie Ihre Ubuntu-Version, GPU-Treiber und Festplattenraum.

```
lsb_release -a
nvidia-smi
df -h /
```

Sie suchen Ubuntu 22.04, eine Treiberversion von 535 oder höher und mindestens 50 GB frei auf der Partition, die Isaac Sim enthält. Wenn T8 keine Tabelle erzeugt, installieren oder aktualisieren Sie den Treiber, bevor Sie weitermachen.

  1. Installieren Sie Miniconda

Wenn Sie noch keine Conda haben, nehmen Sie Miniconda:

```
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
# Accept the license, accept the default install path, answer "yes" to conda init
source ~/.bashrc
```

Überprüfen Sie mit T9. Wir lassen Isaac Lab in einem späteren Schritt seine eigene Env erstellen noch nicht manuell erstellen.

  1. Installieren Sie Isaac Sim 4.x

Isaac Lab benötigt Isaac Sim 4.x. Es gibt zwei unterstützte Pfade:

Option A Pip-Paket (für kopflose Arbeitsplätze empfohlen): Isaac Sim wird jetzt als Pip-Paket für Isaac Sim 4.x verteilt. Das Isaac Lab Installations-Skript kann es automatisch ziehen. Wenn Sie diesen Weg wählen, überspringen Sie zum Schritt 4 und das Installations-Skript wird es verarbeiten.

Option B Omniverse Launcher (empfohlen, wenn Sie die GUI wünschen): Laden Sie den Omniverse Launcher von [developer.nvidia.com/isaac-sim](T26 herunter, melden Sie sich an, installieren Sie Isaac Sim 4.x und notieren Sie den Installationsweg (typischerweise T10).

Die exakten Upstream-Versionen bewegen sich schnell Überprüfen Sie die [Isaac Lab-Dokumente] T27) für die derzeit unterstützte Isaac Sim-Version.

  1. Klone das IsaacLab-Repository

Klonen Sie das offizielle Repo:

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

Wenn Sie eine spezifische Version wünschen, sollten Sie sich das Tag ansehen, das mit Ihrer Isaac Sim-Version übereinstimmt (z. B. T11). Für neue Installationen ist T12 im Allgemeinen in Ordnung.

  1. Erstellen Sie die Wohnungsumgebung

Verwenden Sie das angebotene Helfer-Skript für die Erstellung eines speziellen Conda-Env:

```
./isaaclab.sh --conda isaaclab
conda activate isaaclab
```

Wenn Sie Option A (pip Isaac Sim) wählen, zieht das env das Isaac Sim Pip Paket automatisch auf dem nächsten Schritt.

  1. Installieren Sie Isaac Lab-Erweiterungen

Führen Sie das Installationsziel aus:

```
./isaaclab.sh -i
```

Hier werden alle Isaac Lab-Erweiterungen in bearbeitbarem Modus installiert, sowie der RL-Bibliotheksstack (RL-Games, RSL-RL, SKRL, Stable-Baselines3). Der erste Ausgang lädt ein paar GB von Assets herunter und dauert je nach Netzwerk 5 bis 15 Minuten.

** Fehlerbehebung:** Wenn Sie T14 sehen, wird Ihr Isaac Sim-Pfad nicht aufgezeichnet. Setzen Sie T15 in Ihr Isaac Sim-Installationsverzeichnis und starten Sie es erneut.

  1. Überprüfen Sie die Installation

Starten Sie Isaac Sim durch die Isaac Lab Umschlag zu bestätigen , die Grafiken Stapel funktioniert:

```
./isaaclab.sh -p source/standalone/tutorials/00_sim/create_empty.py
```

Ein Fenster sollte mit einer leeren Szene geöffnet werden. Schließen Sie es mit Ctrl+C im Terminal. Auf kopflosen Servern, passieren Sie T16, um das Fenster zu überspringen.

  1. Laufen Sie ein erstes RL-Training

Schulen Sie eine schnelle Manipulations-RL-Tasche, um die vollständige Stack-Arbeit von Ende zu Ende zu überprüfen:

```
./isaaclab.sh -p source/standalone/workflows/rsl_rl/train.py \
  --task Isaac-Reach-Franka-v0 \
  --num_envs 1024 \
  --headless
```

Dies startet 1024 parallele Franka-Rich-Umgebungen und trainiert eine PPO-Politik mit RSL-RL. Auf einem RTX 4090 sollte man innerhalb einer Minute oder zwei eine Belohnungskurve sehen.

Was soll ich jetzt tun?

Mit Isaac Lab läuft die typische nächste Schritte sind: (1) versuchen Sie zusätzliche eingebaute Aufgaben (Kabinett, Handkubel, humanoide Lokomotion), (2) definieren Sie Ihre eigene Aufgabe durch Unterklasse der Basis-Tasks env, und (3) verbinden Sie die ausgebildete Politik mit [VLA-Modell]T28) Bewertung oder einem echten Roboter über sim-to-real-Transfer. Paare dieses Tutorial mit unserem [LeRobot-Aufnahme-Tutorial]T29) zusammen, um einen Hybrid-Sim + echten Datensatz zu erstellen.

Wenn Sie an einem humanoiden Werk arbeiten, bringt Isaac Lab Bewegungs- und Ganzkörpersaufgaben aus der Box ein großartiger Ausgangspunkt, wenn Sie einen Booster K1 oder einen Unitree G1 besitzen.

Häufige Ausfallmodi

GLIBC Fehler beim Start: fast immer eine Ubuntu-Version nicht übereinstimmt.

** Aus dem GPU-Speicher:** niedriger T17. 256 funktioniert auf einer 8 GB GPU.

** Langsamer Vermögensunterladung:** NVIDIA-Vermögens-CDN ist regional Wenn Sie sich auf einem begrenzten Netzwerk befinden, spiegeln Sie die Vermögenswerte einmal ab und zeigen Sie T18 an einen lokalen Cache.

Mixed Python-Envs: Laufen Sie immer Skripte über T19, niemals T20 direkt.

Tiefschwimmen: Isaac Lab vs. Alternativen

Isaac Lab ist nicht der einzige GPU-beschleunigte RL-Simulator im Jahr 2026. Es ist nur der am weitesten verbreitete. Im Vergleich zu MuJoCo MJX bietet Isaac Lab eine bessere out-of-the-box-fotorealistische Darstellung durch Omniverse RTX, was wichtig ist, wenn Sie vorübergehende visuelle Richtlinien ausbilden, die auf echte Hardware übertragen werden. MuJoCo MJX hat den Vorteil an Roh-Simulationsdurchsatz für reines staatlich-basierten RL: Wenn Ihre Politik nur gemeinsame Zustände und Endpunkte-Ziele verbraucht, wird MJX oft in der Hälfte der Wanduhr-Zeit trainieren. Genesis, der neuere Python-First-Simulator von CMU, ist schnell auf die Rendering-Fidelity und bietet eine sauberere Python-API, aber es fehlt dem reiferen Asset-Ökosystem und den validierten Robotermodellen Isaac Lab erbt von Isaac Sim.

Für Roboter-Lernteams ist der praktische Entscheidungsbaum: von Grund auf Vision-basierte Manipulation, wählen Sie Isaac Lab für das Ökosystem. Durch die Durchführung reiner staatlich-basierter Lokomotionsforschung auf einer einzigen GPU ist MJX wahrscheinlich schneller pro Dollar. Wenn Sie einen vollständig Open-Source-Stack ohne NVIDIA-Bedeutungen wollen, schauen Sie sich Genesis oder einfach MuJoCo an. Unser [RL-Umgebungskatalog] (T31) hält einen aktuellen Vergleich zwischen diesen Simulatoren aufrecht.

Tiefen Tauch: Die Kondomeinheit ist wichtig

Die Leute unterschätzen den Conda-Env-Schritt. Isaac Sim bündelt sein eigenes Python (typischerweise 3.10) zusammen mit hundert nativen Bibliotheken, die USD, Physik, Strahlverfolgung und mehr abdecken. Das Mischen in ein bestehendes Projekt-Env verursacht kryptische Segfaults, bei denen das Symptom ist "Import von Arbeit, aber der Simulator stürzt beim ersten Tic". Der T21 Workflow existiert genau, um dies zu vermeiden. Wenn Sie Isaac Lab in eine bestehende Env einbringen müssen (z. B. weil Sie PyTorch mit einem anderen Projekt teilen möchten), kopieren Sie die Env Yaml von T22 und legen Sie Ihre zusätzlichen Deps oben auf

Tiefschwimmen: Kopflos gegen Grafikinterface

Wenn Sie die Verifizierung hinter sich haben, werden Sie fast alles kopflos laufen. Der GUI-Modus ist für das Erstellen und Debugging; das Training einer Politik mit einem Renderfenster offen verschwendet etwa 15-20% der GPU-Zeit beim Pixel-Drängen. Isaac Sim unterstützt einen separaten Live-Viewport, der sich mit einem Headless-Training über WebRTC verbindet.

Häufig gestellte Fragen

** Ist Isaac Lab auf AMD-GPUs ausgeführt? ** Nein. Isaac Sim hängt von NVIDIA RTX-Stack und CUDA ab. MuJoCo MJX oder Genesis sind Ihre Optionen auf AMD oder Apple Silicon.

** Kann ich Isaac Lab in Docker laufen? ** Ja. NVIDIA veröffentlicht ein Isaac Sim Docker Bild auf NGC. Für Isaac Lab oben, die IsaacLab Repo versendet eine Dockerfile. Cloud-Training auf RunPod, Lambda oder A100/H100-Instanzen funktioniert gut.

Was ist mit Windows / WSL? Isaac Sim hat native Windows-Unterstützung und arbeitet in WSL2 mit GPU-Pass. Ubuntu native ist immer noch der glattere Weg.

** Wie groß ist ein Cluster?** Ein einzelner RTX 4090 trainiert viele Manipulationsarbeiten in weniger als einer Stunde.

Verwandte Tutorials und Ressourcen