艾萨克实验室:机器人学习的统一GPU-并行RL框架

艾萨克实验室由NVIDIA和ETH苏黎世机器人系统实验室共同开发,是艾萨克健身房和轨道的继任者,也是任何在艾萨克Sim上训练机动,操纵或人形政策的人的推起点.它配备了40多个参考任务,四个可交换的RL训练器和一个配置系统,使复制纸张成为一个单指挥的练习.

浏览兼容硬件获取一个定制的艾萨克实验室Env 获取匹配的数据集

免费的BSD-3许可证 40+参考任务 4 RL培训员

艾萨克实验室是什么?

艾萨克实验室是一个开源,BSD-3授权的框架,用于在NVIDIA艾萨克Sim上加强学习. 艾萨克·西姆是一般用途模拟器, 具有大规模的美元和PhysX平台,可用于从数字双胞胎到远程操作, 艾萨克实验室是最薄的,RL特定层,提供环境包装,观察和行动空间抽象,奖励组成,域名随机化辅助器,以及直接与机器人研究中使用的四个最常见的RL培训器的集成.

历史上,NVIDIA发布了三个相关项目:Isaac Gym,与2021年Isaac Gym论文一起发布的原始的GPU平行RL框架;OmniIsaacGymEnvs,Isaac Gym的移植到Omniverse;和ETH苏黎世领导的模块化框架Orbit.在2024年,所有三个都被统一成Isaac Lab,成为前进的正规道路. 迁移从艾萨克健身房的团队获得GPU平行性和熟悉的任务注册API;从轨道迁移的团队获得模块化配置系统和ETH策划的移动任务.艾萨克实验室是目前默认的.

框架的标题号码是吞吐量.在单个RTX 4090上,艾萨克实验室以每秒超过10万步的速度推进了Unitree G1平地机动环境,通过4,096次并行实例.典型的机动训练运行1亿步PPO的RSL-RL 在硬件上完成不到四小时,而仅在CPU模拟器上运行一夜或多天.

安装快启动

艾萨克实验室位于艾萨克西姆的顶部,所以第一步是安装艾萨克西姆 (通过全宇宙发射器或通过 pip).

# Prerequisite: Isaac Sim 4.5+ installed (see /rl-environments/isaac-sim/)
git clone https://github.com/isaac-sim/IsaacLab.git
cd IsaacLab

# One-command install that pulls deps and registers tasks
./isaaclab.sh --install

# Verify installation by listing available tasks
./isaaclab.sh -p source/standalone/environments/list_envs.py

训练一个参考机动任务在G1的Unitree G1与RSL-RL需要一个单个命令.日志流到TensorBoard,检查站点是写到T2:

# Train G1 flat-terrain velocity tracking with RSL-RL PPO
./isaaclab.sh -p source/standalone/workflows/rsl_rl/train.py \
  --task Isaac-Velocity-Flat-G1-v0 \
  --num_envs 4096 --headless --max_iterations 1500

换RL训练员是旗变化同样的任务可以通过相应的T3子目录通过RL-Games,SKRL或Stable-Baselines3进行训练.

支持机器人和任务

艾萨克实验室继承了完整的艾萨克西姆机器人库, 机动是最深的区域:Unitree G1,H1,H1-2,Go2,Boston Dynamics Spot,ANYbotics ANYmal C和D,Agility Digit所有都具有平地和粗地形变体,这些变体均来自原始的Legged Gym纸.任务遵循一致的命令跟踪公式,使跨机器人比较变得直接.

为了操纵,艾萨克实验室使用Franka Research 3 实现,选择和放置,以及立方堆,以及Universal Robots UR10e 任务. 精致的操纵是由Allegro 和 Shadow Hand 手中的立方重定向, GPU PhysX 进行的微米接触模拟. 人类全身控制任务包括在H1和G1上全身追踪参考运动,并非常像已发表的GR00T和H1行走论文.

任务名单正在迅速增长:艾萨克实验室存储库追踪来自全球大学和实验室的贡献, 2025 年的40多个任务数量预计将在2026 年增加双手操作,移动操作和VLA 评估套件.

艾萨克实验室的基准

艾萨克实验室提供了几个广泛引用的基线的可信开源实现. 脚动机套件复制了ETH苏黎世RSL-RL的结果,该结果来自原始的脚健身房论文 (Rudin等人,CoRL 2021),该论文在 ANYmal 上实现了盲目粗地形穿越. 通过轨道论文 (Mittal et al., RA-L 2023) 引入的ORBIT操纵基准提供了15个标准化操纵任务,包括PPO和SAC基线.由NVIDIA研究和卡内基梅隆所贡献的H1全体跟踪基准是人形运动模仿的参考.

对于人形和精巧的研究,艾萨克实验室的预建任务是每一个2025年机动论文中的实际比较点:在Unitree G1速度跟踪,H1走路和 ANYmal parkour政策上发表的数字都来自艾萨克实验室配置.我们的sim2real数字双胞胎交付使用艾萨克实验室作为脚式机器人客户的默认训练堆.

优势与缺点

强大RL的GPU平行性最好,BSD-3允许许可证,四个可交换的RL训练器,大量的参考任务库,可复制已发布的结果,来自NVIDIA和ETH苏黎世的前游开发,直接访问Isaac Sim的完整资产库,以及一个真正模块化的配置系统 (换机器人,换地形,换奖励通过配置而不是编辑代码).

缺点. 继承了艾萨克·西姆的硬件和安装要求 (NVIDIA RTX GPU,40+GB的足迹).配置系统具有学习曲线.来自艾萨克健身房的团队需要重新学习轨道式类层次结构. 文件深度在任务中不均;移动是很好的,但操纵和巧妙的文档滞后. 部分艾萨克健身房任务尚未完全移植,艾萨克·西姆,艾萨克实验室和RL训练师之间的版本矩阵需要仔细的接.

选择伊萨克实验室的时间

选择Isaac Lab当你想要在Isaac Sim上GPU并行RL,而不想写自己的环境管道.它是人形移动,四倍可穿越性,接触丰富的操作,以及任何复制发表的论文的工作流程的首要要求的默认. 如果你的实验室在NVIDIA硬件和ROS2上进行了标准化,

选择[MuJoCo]T7) 而是当仅用于CPU的代,安装简单性或可分化动态比原始吞吐量更重要时.当你需要数字双胞胎,感知或非RL机器人工作流程时,直接选择[Isaac Sim]T8.选择[Robosuite]T9) 为了标准化操纵基准.查看我们的[MuJoCo vs Isaac Sim 2026指南]T10) 进行更广泛的模拟器比较.

获得一个定制的艾萨克实验室环境

瑞士公司为人形和四肢团队构建了艾萨克实验室环境:您的机器人上定制的机动任务,域名随机化的粗地训练,巧妙的操纵套件和在旧金山实验室验证的sim2real管道.

查看商店的数据集

OpenArm

Browse the Store

Data Marketplace

Get Started with Physical AI

Wuji Teleop Glove

Unitree Go2 — Setup & SDK