全部文档
当前文档
最近更新时间：2026-10-26 19:54:01
Isaac Sim 是一款高性能机器人仿真平台，基于 Omniverse 构建，专注于机器人仿真、人工智能训练和虚拟测试。其核心特点包括：
高保真物理仿真：基于 PhysX 物理引擎，支持精确的物理交互和动力学仿真。
传感器模拟：支持多种传感器模型，包括摄像头、激光雷达、深度相机、IMU 等，提供逼真的传感器数据输出，适用于训练和测试 AI 算法。
AI 和机器学习集成：内置 Isaac SDK，支持深度学习模型的训练和部署，提供预训练的 AI 模型（如目标检测、语义分割）。
多用户协作和实时渲染：基于 Omniverse，支持 USD（Universal Scene Description）格式，便于场景共享和扩展。
模块化和可扩展：提供 Python 和 C++ API，支持自定义仿真逻辑和插件开发。
主要应用场景：
机器人开发：仿真机器人运动控制、路径规划和抓取任务。
自动驾驶：仿真自动驾驶汽车的传感器数据和环境交互。
工业自动化：仿真工业机器人、AGV（自动导引车）和生产线。
AI 训练：生成合成数据用于训练深度学习模型。
虚拟测试：在虚拟环境中测试机器人算法和系统，减少对物理硬件的依赖。
使用 WebRTC 客户端连接时，因受 NV 官方版本限制，需增加辅助网卡，并将主网卡绑定的 EIP 切换至辅助网卡上，同时放开安全组 TCP 49100 和 UDP 1024 端口，并限制源 IP。
部署 Isaac Sim 仿真服务，其 GPU 卡需支持光线追踪，否则仿真服务无法正常运行。
容器部署的宿主机需配置公网 EIP，安全组出口需开放 IP 协议。
已获取星泓平台的账号与密码。
已确认安全组规则配置（WebRTC 方式放开 TCP 49100 和 UDP 1024 端口）。
容器部署采用星泓平台的开发任务进行，需提前创建计算资源：
GPU节点的资源组，该GPU节点需具有足够的硬盘空间且已安装GPU显卡驱动。
基于GPU资源组创建相应的GPU 队列。
若平台已有资源组，但当前资源组无可用的GPU节点，可参考管理资源组-新增节点相关内容进行添加。
登录星泓训推平台，在顶部导航栏，选择训练与推理 > 开发任务。
在开发任务管理页面，点击+新建。
在新建开发任务页面，按照如下要求，配置各项参数。
任务名称：用户自定义即可。
镜像类型：选择官方镜像。
镜像：选择Isaac-sim4.5.0-lab2.0.0。
资源组：选择准备工作中，提前创建好的GPU资源组。
队列：选择准备工作中，提前创建好的GPU队列。
资源规格：根据实际情况，选择相应的GPU类型，设置GPU卡数、CPU核数和内存。
自定义服务：点击添加自定义服务，配置以下参数：
服务名称：本实践定义为 vnd。
端口：设置为 4000。
访问类型：勾选公网访问。
完成上述参数设置后，点击确定，返回开发任务列表页面，等待开发任务状态变为运行中。
在开发任务列表页面，点击指定任务操作列中的连接，通过 Web IDE 任意方式连接到容器终端即可。
在终端执行以下命令启动 kasmVNC 远程桌面服务（以 Jupyter 为例）：
/docker_config/entrypoint.sh使用浏览器访问 https://<自定义服务公网IP>:4000 以连接远程桌面（推荐 Chrome），连接登录账号密码默认为 root 和 kasmvncpasswd，登录后即可远程使用仿真服务。
建议仔细阅读桌面的 readme.md 文档以了解当前镜像中服务的部署与使用方式。
启动成功后，可在 Isaac Sim 界面中进行机器人仿真操作。
在 Isaac Lab 的安装目录下，打开终端，使用目录下的 isaaclab.sh 脚本执行相关操作。
例如：
执行下面指令，生成不同的四足动物，并使用位置命令让机器人站立：
./isaaclab.sh -p scripts/demos/quadrupeds.py执行下面指令，运行带有 GUI 界面的机器人强化学习训练：
./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Velocity-Rough-G1-V0纯净模式