イザック・シム対 イザック・ラボ:NVIDIAのロボットシミュレータースタックが説明されました
2026年にアイザック・シムとアイザック・ラボ:実際に必要なNVIDIA層は,物理/レンダリングの共有方法,どれを選びましょう.
NVIDIAのロボットシミュレーターは,実際にはしばしば混ぜられる2つの製品である.アイザック・シムは,光現実的なRTXレンダリング,USDシーン構成,PhysX物理学の完全なオムニバースベースのロボットシミュレーターである. イザック・ラボは イザック・シムの上に設置されている軽量強化学習フレームワークで,古いアイザック・ジムとオービットプロジェクトを置き換え,実際に2026年のヒューマノイド・ロコモーション・ペーパーが訓練されているものです.このガイドは,実際の違いを説明します.
TL;DR
- Isaac Simは,完全なロボットシミュレーターです:写真リアルレンダリング,USDシーンエディタ,センサーシミュレーション,ROSブリッジ,オムニバースレプリカーターを通じて合成データ.
- Isaac Labは,RLの上で薄い Python RL層です.管理されたタスク,4096+の平行環境,RSL-RL,RL-Games,SKRL,Stable-Baselines3の包装.
- 認識,遠隔操作,またはデジタルツインワークのために Isaac Sim を Isaac Lab で実行することはできません.
- イザック・ラボはアイザック・ジム (デプリケート) とオービット (アイザック・ラボに合併) を置き換える.教科書でどちらも言及されている場合は,アイザック・ラボの相当を好みます.
- もしPPOや多くの環境でヒューマノイド,四肢,または操縦士を訓練しているなら イザック・ラボから始めましょう 検査のためにデジタル・ツインを構築したり 合成認識データを生成したりするなら イザック・シムだけでは十分です
なぜ名前が混乱するのでしょう
NVIDIAは過去5年間で1回以上ロボットシミュレーションを繰り返しており,各回ごとに製品名が変更されている.オリジナルのIsaac Gymは2021年にリリースされたGPU加速物理エンジンで,RL通量と最小化レンダレーターで純粋に最適化された. 一方,アイザック・シムはオムニバースプラットフォームから,光現実的なレンダリングとUSD資産ワークフローを優先する完全なロボットシミュレーターとして成長した.NVIDIAが2023年までOrbit
Isaac Gym を参照するチュートリアルが見つかったら,遺産と考えてください.Orbit を参照するチュートリアルが見つかったら,コードは通常有効ですが,輸入とタスク名は主に
イザック・シムとは
イザック・シムはオムニバースプラットフォームで構築されたロボットシミュレーションアプリケーションです. フッドの下ではNVIDIAのPhysX物理エンジン,RTXパストラスレレンダリング,およびUSD (ユニバーサルシーン説明) をシーンフォーマットとして組み合わせます. シーンは,レイヤド・USD文書として構成され,ロボット,環境,センサー資産がレイヤド・フォトショップ文書のようにプロジェクト全体で作成,バージョン化,再利用できる.アイザック・シムは,ライダーとカメラセンサーシミュレーション,関節体逆シナマティック解法,ROSとROS2橋,スクリプト合成データ生成のためのオムニバースレプリカーターの拡張を搭載している.
操作は,Ommniverse Launcher またはヘッドレス Python 入力点を通じて Isaac Sim を起動します.そこから,使用の主要モードは2つあります. interactive,Blender または Maya でのように USD ステージをロードしてクリックする.
イザック・ラボとは
Isaac Lab は,Isaac Sim の上に位置し,拡張学習に必要なインフラストラクチャを提供する Python ライブラリです.具体的には,3つのことを提供します.まず, タスク API: RL 問題の観測,報酬,リセット,終了の定義を標準化するベースクラス (管理および直接) のカップル. 第二に,PhyX GPUシミュレーションを使用して,1つの GPU に同時に何千もの独立した世界を踏む 環境パラレリズム層.第三に,カスタムアダプターを書き込まないうちに, RSL-RL,RL-Games,SKRL,またはStable-Baselines3 に生成されたベクトライズされた環境を譲渡できる RLライブラリー包装.
箱から外れて,アイザックラボはUnitree H1, G1, A1, Go1, Go2, Anymal, Franka, UR10, Cartpole,および拡大する操縦基準図書館のための参照タスクを送信しています.もし2024または2025年の公開されたヒューマノイド移動結果を再現している場合は,著者のトレーニングコードがアイザックラボのフォークである可能性がほぼ同じです.
管道を共有する方法
スタックをサンドイッチとして考えるのが役立ちます.下には物理の実際の統合を行うPhysX GPUシミュレーションがあります.その上に,USDステージ,レンダー,センサー,拡張フレームワークを所有しているIsaac Simがあります.その上に,RL面のAPIとパラレルリズムパターンを提供するIsaac Labがあります. Isaac Lab には物理やレンダリングが存在しない. Isaac Sim に呼びかけるので,PhysX と RTX に呼びかける.このためにハードウェアの要件は同一である.あなたの GPU とドライバが Isaac Sim を実行している場合は, Isaac Lab を実行します.したがって Isaac Lab のインストールは Isaac Sim と, IsaacLab のリポジトリに保存されている pip インストール可能な Python パッケージです.
特徴別比較
| Dimension | Isaac Sim | Isaac Lab |
|---|---|---|
| License | NVIDIA Omniverse License (free for most users) | BSD-3-Clause |
| Primary purpose | Full robotics simulator and digital twin platform | RL training framework built on Isaac Sim |
| GPU acceleration | Yes (PhysX GPU, RTX rendering) | Yes, inherited from Isaac Sim |
| Physics engine | NVIDIA PhysX 5 (TGS solver) | PhysX 5 via Isaac Sim |
| Sensor simulation | Cameras, lidar, IMU, contact, depth, segmentation | Same, exposed through task observation spec |
| Photorealism | Path-traced RTX (high) | Inherits RTX, usually runs with simpler rasterization for speed |
| Parallel envs | Possible but manual | 4096+ envs routinely, first-class API |
| ROS / ROS 2 support | First-class bridge, publishers and subscribers for all standard sensors | Not the primary use case; ROS bridge accessible via Isaac Sim |
| Synthetic data | Omniverse Replicator, domain randomization, annotations | Available via Isaac Sim extension |
| Learning curve | Steep (USD, extensions, Omniverse) | Moderate if you already know Isaac Sim basics |
| Docs & papers | Isaac Sim docs | Isaac Lab docs, Orbit paper (arXiv 2301.04195) |
Isaac Sim (Isaac Lab) を使用する時
強化学習が中心ではなく 模擬器の表面積が 必要な時 アイザック・シムに 勝手に手を伸ばします 典型的なケースは,操作者の訓練のために産業細胞のデジタルツインを構築し,オムニバースレプリカーターを通じて認識モデルのために合成カメラデータを生成し,ROS 2ナビゲーションスタックをシミュレーションロボットにワイヤリングし,光現実的な室内シーンでSLAM実験を実行し,またはハードウェアにコミットする前に完全なセンサーシミュレーションに対して新しいエンドエフェクターをプロトタイプする. この作業では Isaac Labの RLエスカファルトは 負荷でなくなり Isaac Simの拡張フレームワークは すべてのサブシステムへの直接アクセスを提供します
イザック・ラボの使用時期
目標が政策を訓練する時 イザック・ラボに 手を伸ばして 部署は 絶えず制御するヒューマノイド 四肢 操縦機です 具体的な例:Unitree,Booster,Agility Digit,またはBoston Dynamicsのスペック対応モデルのための移動方針 巨大なパッチPPOを必要とする全体制御政策 撮影映像観測を望んで数日間ではなく数時間間で訓練するために数千の平行環境を必要とする操作政策 組み立てられた RL-ライブラリ統合により, envループを書き直さずに RSL-RL,RL-Games,および SKRLを同じ作業で試すことができます.
ハードウェア要件
両製品にはNVIDIA RTX GPUが必要です. アンペー (RTX30シリーズ,Aシリーズ) または新しいのは実用的な床である.古いカードは技術的に動作するが,ドライバーや拡張機能の互換性問題を迅速に発生させる傾向がある.16GBのシステムRAMは現実的な最小値であり,数千ドルの段階をメモリに保存する大規模なRL実行のために32GBが推奨される.50GBのディスクはクリーンなインストールに十分である.チェックポイント,レプリカーターデータセット,およびいくつかのタスク変異がある場合に200GBはより現実的です. 生産の人類訓練のために多くのグループは RTX 6000 Ada,L40S,またはH100級の GPU を使用します.
実践で設置
2026年4月以降は,イザック・シムをパイプインストール可能な
常識の罠
運転手偏見:アイザック・シムは特定の CUDAとドライバー最小値に違反し,ワークステーションドライバーが古いか新しい場合,クリーンバージョンの苦情ではなく,不透明なUSDプラグインエラーが表示されます. 第二に,URDF輸入:MuJoCoまたはGazeboのために作成されたURDFは,PhysXが異なる方法で処理する慣性,衝突網,または関節制限で輸入され,短縮ポートパスを期待する. 4つ目はセンサーコスト: あなたが追加するカメラセンサーは RTXレンダリングコールです. 注意を払わないのはトレーニングの速度は 10倍削減する唯一の方法です.
検討すべき代替案
フォトリアリズムとNVIDIAの特定の統合が不可欠でない場合,[MuJoCo]
判決
イザック・シムとイザック・ラボは競合他社ではなく 補完です.本当の問題は RL層が必要かどうかです. 訓練政策を講じているなら,ほぼ確実に実行します. イザック・シムの上に イザック・ラボを運営します. デジタル・ツインを構築したり,合成データ生成したり,ROS 2統合作業を実行したりしている場合, イザック・シムはそれ自体で適切な表面積です. 硬件投資の計画と ドル学習曲線は どれも現実的で どれも相本主義と 引き換えに得られる ループットのために価値があります
NVIDIAに備えたロボット学習スタックが,イザックラボの校正されたタスク,識別されたダイナミクス,およびVLA評価ハルネスで提供されることを望むなら,RCSV [サービスチーム]
サイミュレーションで 80%まで 走る最後のマイルは本物のロボットです