使用 IsaacLab 训练 SoArm101 策略

介绍

本教程介绍如何使用 Isaac Lab 通过强化学习训练和测试 SO-ARM100/101 机械臂的策略。

📌 前置条件

一台带有 Nvidia GPU 的 Ubuntu 电脑

info

如果你没有安装 CUDA 驱动或 Conda，请先进行安装。

快速开始

🚀 步骤 1. 安装 Isaac Lab

NVIDIA Isaac™ Lab 是一个开源的统一机器人学习框架，帮助研究人员和开发人员高效训练机器人策略。

在 Ubuntu 终端中运行以下命令：

# 创建并激活 Conda 环境
conda create -n isaaclab python=3.10
conda activate isaaclab

# 安装 PyTorch (GPU 版本)
pip install torch==2.7.0 torchvision==0.22.0 --index-url https://download.pytorch.org/whl/cu128

# 升级 pip
pip install --upgrade pip

# 安装 Isaac Sim（包含扩展）
pip install 'isaacsim[all,extscache]==4.5.0' --extra-index-url https://pypi.nvidia.com

# 克隆 IsaacLab 仓库
cd ~/Documents
git clone https://github.com/isaac-sim/IsaacLab.git

# 安装依赖
sudo apt install cmake build-essential

# 初始化设置
cd IsaacLab
./isaaclab.sh --install

运行以下命令验证安装：

./isaaclab.sh -p scripts/tutorials/00_sim/create_empty.py

如果成功，将会出现一个空白的 Isaac Sim 窗口。

🤖 步骤 2. 安装 isaac_so_arm101 项目

此仓库基于 Isaac Lab 为 SO-ARM100 和 SO-ARM101 机器人实现任务。它是 LycheeAI Hub 系列教程项目 SO-ARM101 × Isaac Sim × Isaac Lab 的基础。

运行以下命令：

cd ~/Documents
git clone https://github.com/MuammerBay/isaac_so_arm101.git
cd isaac_so_arm101

# 安装项目依赖
python -m pip install -e source/SO_100

# 测试环境
python scripts/list_envs.py

如果 isaac_so_arm101 项目安装成功，终端窗口将打印如下日志：

🎯 步骤 3. 开始训练

使用以下命令启动训练：

python scripts/rsl_rl/train.py --task SO-ARM100-Reach-v0

此时会打开一个 Isaac Sim 窗口，可以实时观察训练过程。你也可以在启动命令后添加 --headless 参数来加速训练过程。

训练完成后，模型权重将保存在： ~/Documents/isaac_so_arm101/logs/rsl_rl/so_arm100_reach

🧪 步骤 4. 测试模型

使用以下命令测试训练好的模型：

python scripts/rsl_rl/play.py --task SO-ARM100-Reach-Play-v0

在测试过程中，目标位置将在预设范围内随机生成，训练好的模型将驱动机械臂去触碰这些目标。

参考资料

技术支持与产品讨论

感谢您选择我们的产品！我们将为您提供多种支持，确保您的使用体验尽可能顺畅。我们提供多种交流渠道，以满足不同的偏好和需求。

介绍​

📌 前置条件​

快速开始​

🚀 步骤 1. 安装 Isaac Lab​

🤖 步骤 2. 安装 isaac_so_arm101 项目​

🎯 步骤 3. 开始训练​

🧪 步骤 4. 测试模型​

参考资料​

技术支持与产品讨论​

介绍