1. Isaac Sim 5.0 quick install
1번을 통해 compatibiility checker 를 다운 받아 아래 사진과 같이 실행
isaac sim 실행 가능 환경 (노트북 or 데스크탑 성능) 인지 확인
2번을 통해 isaac-sim-5.0 압축 파일을 다운
isaac-sim.selector.bat 파일 실행 후 START 하여 실행
2. Isaac Sim Robot 예제 실행
window -> examples -> robotics examples 를 클릭
POLICY -> Humanoid -> Load 를 누르고 기다리면 휴머노이드 로봇이 스폰되고 키보드 방향키로 로봇을 움직여 볼 수 있다.
3. Isaac Lab 설치
miniconda 설치 필요 – 링크
miniconda 설치 이후 conda prompt 창에서
conda create -n env_isaaclab python=3.11
conda activate env_isaaclab
python -m pip install --upgrade pip
pip install torch==2.7.0 torchvision==0.22.0 --index-url https://download.pytorch.org/whl/cu128
pip install "isaacsim[all,extscache]==5.0.0" --extra-index-url https://pypi.nvidia.com
isaacsim여기까지 하였을 때 isaacsim 이 켜지면 성공. 이후 IsaacLab 를 본격적으로 설치 시작
자신의 프로젝트 폴더로 터미널에서 이동
cd C:\~~
git clone https://github.com/isaac-sim/IsaacLab.git자신의 프로젝트 폴더에 IsaacLab 폴더가 생성되어 있다
터미널에서 cd IsaacLab 한 이후
isaaclab.bat --install :: or "isaaclab.bat -i"를 입력하여 설치
isaaclab.bat -p scripts\tutorials\00_sim\create_empty.py위 코드를 터미널에 입력하면
여기까지 성공했다면
isaaclab.bat -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Ant-v0 --headless위 코드를 통해 강화학습을 실행해 볼 수 있다.
에러 해결
pip 설치 중 placeholder[::] 파싱 오류
:: 1) 3.0.0에서 딸려온 것들 제거 (핵심: rsl-rl-lib, pyvers)
python -m pip uninstall -y rsl-rl-lib pyvers tensordict importlib_metadata zipp orjson GitPython gitdb smmap
:: 2) Isaac Lab과 호환되는 버전으로 재설치 (2.3.1 고정)
python -m pip install rsl-rl-lib==2.3.1
:: 3) Isaac Sim 요구에 맞게 packaging도 고정(이미 하셨지만 재확인 차원)
python -m pip install “packaging==23.0”
:: 4) 깨진 의존성 유무 확인
python -m pip check
pip check 결과에 에러가 없어야 함
다시 실행하여 되는지 확인
isaaclab.bat -p scripts/reinforcement_learning/rsl_rl/train.py –task=Isaac-Ant-v0 –headless
python .\scripts\reinforcement_learning\rsl_rl\train.py –task=Isaac-Velocity-Rough-Anymal-C-v0 –headless
python .\scripts\reinforcement_learning\rsl_rl\train.py –task=Isaac-Velocity-Rough-Anymal-C-v0 –headless
or
–headless 빼는 것으로 실제 시뮬레이션 창을 통해 학습이 어떻게 진행되는지 볼 수 있게 할 수 있고
–num_envs=1000 옵션을 추가하여 컴퓨터 성능에 따라 동시에 진행되는 학습 env 수 조절 가능
학습을 하게 되면
사진과 같은 경로에 로그 폴더가 생성된다.
학습이 진행될수록 model_x.pt 파일이 생성되는 것 확인 가능
학습 완료 터미널 사진
python .\scripts\reinforcement_learning\rsl_rl\play.py –task=Isaac-Velocity-Rough-Anymal-C-v0 –num_envs=10
train 을 play 로 바꾸어 학습된 모델 로봇에 적용하는 것 가능
로봇이 넘어지지 않고 보행 하는 것을 볼 수 있다.
play 이후 policy (정책) 이 export 된 것을 확인 할 수 있다.
0 Comments