営業担当に問い合わせ
Learnに戻る

Ubuntu 22.04 にIsaac Lab をインストールする方法は

ステップバイ・ステップ イザック・ラボのインストール Ubuntu 22.04: conda env, Isaac Sim 4.x, isaaclab.sh,操作器 RLタスクで確認します. ~45分,無料,再生可能.

NVIDIA Isaac Lab は2026年にロボットシミュレーションのための事実上オープンソースのRL/imitation learning frameworkです. このチュートリアルでは,イザック・シム 4.x,専用コンダ環境,そしてスタックワークの端末を検証するための最初のトレーニングを実行でUbuntu 22.04のクリーンインストールを通過します.

模擬 合計時間:約45分 困難:中間 更新:2026年4月

達成する事

このチュートリアル終了までに,アイザックラボのインストール,再現可能なコンダ環境,および操作器の作業で検証されたエンドツーエンド RLトレーニングが完了します.これは,政策トレーニング,ドメインランダム化,シム-トゥ-リアル転送,および [RL環境]T24) 評価の基礎です.

イザック・ラボ (以前はOrbit/Isaac Gym Envs) は,NVIDIAによって[github.com/isaac-sim/IsaacLab] ([[アイザック・ラボ]]) に管理されている.この装置はアイザック・シムの上に位置し,タスク定義,RL-Games/RSL-RL/Stable-Baselines3でRLトレーニング,ドメインランダム化のためのPython APIを公開している.政策研究のために,オリジナルアイザック・ジムの代わりとなった.

必須条件

  • Ubuntu 20.04 は動作しますが,もはや主要ターゲットではありません.
  • NVIDIA RTX GPU で少なくとも 8 GB VRAM を搭載する. 12 GB+ は並行 RL 訓練のために強く推奨されます.
  • NVIDIAドライバー535**またはそれ以降の 確認はT7で確認してください
  • **50GBの無料ディスクスペース.**アイザック・シムと数つのタスクキャッシュは重い.
  • ミニコンダやアナコンダ**
  • Python,コマンドライン, gitの基本知識

*なぜコンダエンヴァー? * イザック・シムは独自の Python と多くのネイティブライブラリを運ぶ. イザック・ラボをシステム Python にインストールする,またはメインプロジェクト venv は依存解消悪夢のレシピです.それを孤立に保つ.

ステップ

  1. システム前提を確認する

Ubuntu 版, GPU ドライバ,ディスクスペースを確認してください.

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

ドライババージョンは 535 以上のバージョンで,少なくとも 50 GB の無料のUbuntu 22.04 を探している.このパーティションでは Isaac Sim を保持します.

  1. ミニコンダをインストールする

コンダを持っていない場合は,Minicondaを手にしてください.

```
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
```

後にアイザック・ラボが独自の環境を作成する 後に手動で作成しない

  1. イザック・シム 4.xをインストール

Isaac Labは Isaac Sim 4.x を必要とする. 2 つのサポートされたパスがあります:

オプション A pip パッケージ (ヘッドレスワークステーションに推奨): Isaac Sim は,Isaac Sim 4.x の pip パッケージとして配布されています.Isaac Lab のインストールスクリプトは自動的に引き出します.このパスで進むと,ステップ4 に跳ね返します.インストールスクリプトはそれを処理します.

Bオプション オムニバースランチャー (GUI を希望する場合は推奨): [developer.nvidia.com/isaac-sim]からオムニバースランチャーをダウンロードし,ログインし,Isaac Sim 4.xをインストールし,インストール経路を記入する (通常はT10).

直接上流バージョンは急速に移動します Isaac Lab のドキュメントをチェックします

  1. IsaacLabのリポジトリをクローンする

公式のレポをクローンする

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

特定のリリースを希望する場合は,アイザック・シムバージョンに一致するタグをチェックしてください (例えば T11).新しいインストールでは, T12は一般的に大丈夫です.

  1. コンダ環境を作って

提供されたヘルパースクリプトを使用して,専用のコンダエンバを作成します.

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

この手順で,正しい Python バージョンで T13 という env が作成され,起動されます.オプション A (pip Isaac Sim) を選択した場合は, env は次のステップで Isaac Sim pip パッケージを自動的に引き出す.

  1. イザックラボ拡張子をインストール

インストール対象を実行します:

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

この手順では,すべてのアイザックラボ拡張子が編集モードでインストールされ,RLライブラリスタック (RL-Games,RSL-RL,SKRL,Stable-Baselines3) がインストールされます. 最初の実行はネットワークに応じて数GBの資産をダウンロードし,5~15分かかります.

** トラブルシューティング:** T14が表示されたら,アイザック・シムのパスが検出されない. T15をアイザック・シムのインストールディレクトリに設定して再起動します.

  1. インストールを確認する

イザック・ラボの包装を介して イザック・シムを起動して グラフィックスタックが動作することを確認します

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

窓は空っぽのシーンで開くべき.端末のCtrl+Cで閉じる.ヘッドレスサーバーでは,窓を飛ばすために T16 をパスする.

  1. 最初のRL訓練を

操作器 RL 作業を訓練して,全スタック作業を終結して確認します.

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

この装置は1024の平行フランカリーチ環境を起動し,RSL-RLでPPOポリシーを訓練します.RTX 4090では,1分または2分で報酬曲線が表示されます.この動作がエラーなく実行されれば,アイザックラボのインストールが完全に機能します.

次にどうする?

Isaac Lab が実行されている場合,典型的な次のステップは: (1) 追加的な組み込みタスク (キャビネット,手付立方形,ヒューマノイド移動) を試す (2) ベースタスクエンヴァイをサブクラス化し,自分のタスクを定義し, (3) 訓練されたポリシーを sim-to-real 転送を通じて [VLA モデル]T28) 評価または実際のロボットに接続する. このチュートリアルを LeRobotのレコーディングチュートリアルと組み合わせて ハイブリッド・シム+リアル・データセットを作成します

ユニットリーG1のキャラ校正教程 (UniTreeG1カメラ校正教程) をご覧ください. このパイプラインの実際のロボット側については,

常識の故障モード

GLIBC 起動時のエラー: ほぼ常にUbuntu バージョンの不一致. 22.04 を確認します.

GPUメモリから: 低T17. 256 は 8 GB の GPU で動作します.

** 資産ダウンロードが遅い:** NVIDIA 資産 CDN は地域です 制限されたネットワークでいる場合は,資産を一度映し出し,ローカルキャッシュに T18を点灯します.

混合 Python システム:** 脚本を常に T19 で起動し,決して T20 で直接起動する

深い潜水:アイザック・ラボ vs 代替品

2026年にIsaac LabはGPU加速RLシミュレーターだけではない.最も広く採用されている. MuJoCo MJXと比較して,Isaac LabはオムニバースRTXを通じてより優れたアウト・オブ・ザ・ボックス写真現実的なレンダリングを提供しています. MuJoCo MJXは純粋な状態ベースのRLのための原始シミュレーション通量に優位性があります:あなたのポリシーが共同状態とエンドポイント目標のみを消費した場合,MJXはしばしば壁時計の半分でトレーニングします. CMUからの新しい Python-firstシミュレーターであるGenesisは,レンダリングの信頼性を迅速に追いつき,よりクリーンな Python APIを提供しています.しかし成熟した資産エコシステムとIsaac Simから受け継いだ検証されたロボットモデルであるIsaac Labが欠けている.

ロボット学習チームにとって,実践的な決定の樹木は:視覚ベースの操作をゼロから始め,生態系のためにアイザックラボを選びます.単一のGPUで純粋な状態ベースの移動研究を実行すると,MJXはおそらくドルあたりより速くなります. NVIDIA依存関係のない完全にオープンソーススタックを希望する場合は,Genesisまたは単純なMuJoCoを見てください. [RL環境カタログ]T31) はこれらのシミュレーター間の最新の比較を維持しています

深い潜水: 居住環境は重要

人々がコンダエンヴステップを過小評価する.アイザック・シムは,USD,物理,レイトラッキングなどを含む数百のネイティブライブラリとともに独自のPython (3.10) をバンドルする.既存のプロジェクトエンヴにそれを混合すると,症状は"輸入作業が始まりシミュレーターがクラッシュする"という暗号的なセグフォルトが生じる. 既存の env に Isaac Lab を 導入しなければならない場合 (例えば PyTorch を別のプロジェクトと共有したいので) プロジェクト env yaml を T22 からコピーして,その上に追加 deps を 層に並べてください.

深層ダイビング:ヘッドレス vs GUI

確認を完了すると,ほとんどすべてヘッドレスで実行されます.GUIモードは作成とデバッグのためのものです.レンダーウィンドウを開いたポリシーをトレーニングするとピクセル押すのにGPU時間の約15~20%が無駄になります.トレーニングのためにT23を使用し,特定のエピソードを検査する必要がある場合にのみ視聴者を接続します. ウェブRTC によるヘッドレストレーニングに接続する別の **ライブビューポートをサポートします 遠隔サーバーでトレーニングを実行している場合は一度設定する価値があります

よく聞かれる質問

Isaac Labは AMD GPUで動作していますか? いや.Isaac SimはNVIDIAのRTXスタックとCUDAに依存している.MuJoCo MJXまたはGenesisは AMDまたはApple Siliconで選択できます.

DockerでIsaac Labを実行できますか? はい.NVIDIAはNGCでIsaac Sim Docker画像を公開します.Isaac Labの上でIsaacLabの repoがDockerファイルを送信します.RunPod,Lambda,またはA100/H100インスタンスのクラウドトレーニングはうまく機能します.

Windows/WSLについてはどうですか? Isaac Simはネイティブ Windows サポートがあり, GPU パスストラウでWSL2 で動作します.Ubuntu ネイティブは依然としてスムーズなパスです.

** クラスターの大きさはどれくらいですか?** 1 つの RTX 4090 は 1 時間未満で多くの操作作業を訓練します. 移動作業と大規模なアクション空間の人類型作業は,複数のGPU設定から恩恵を受けます.

関連チュートリアルとリソース