IsaacSim

GitHub
2.9k 384 较难 1 次阅读 2天前NOASSERTION开发框架其他
AI 解读 由 AI 自动生成,仅供参考

Isaac Sim 是英伟达基于 Omniverse 平台打造的开源机器人仿真应用,专为在逼真的虚拟环境中开发、测试和训练人工智能驱动的机器人而设计。它有效解决了实体机器人研发成本高、场景构建难以及真实世界数据采集风险大等痛点,让开发者能在安全可控的数字化空间中进行高效迭代。

这款工具非常适合机器人工程师、AI 研究人员以及系统架构师使用。无论是需要验证运动控制算法,还是进行大规模强化学习训练,Isaac Sim 都能提供强大的支持。其核心技术亮点在于利用 GPU 加速的高保真物理引擎和 RTX 渲染技术,能够精确模拟复杂的动力学特性及多传感器数据。同时,它原生支持 URDF、MJCF 等主流机器人格式导入,并无缝集成 ROS/ROS2 生态系统。配合 Isaac Lab 框架,用户可轻松开展端到端的合成数据生成与策略部署工作,是从原型设计到数字孪生落地的理想基础设施。

使用场景

某自动驾驶物流机器人团队正在开发一款能在复杂仓库环境中自主导航的机械臂,急需验证其感知算法与运动控制策略。

没有 IsaacSim 时

  • 硬件依赖重且风险高:团队必须等待实体样机制造完成才能开始测试,早期算法验证只能依靠简化的 2D 仿真,无法反映真实物理动态,导致真机调试时频繁发生碰撞损坏。
  • 数据收集成本高昂:为了训练视觉识别模型,工程师需携带设备在仓库实地拍摄数周,难以覆盖夜间、强光或货物遮挡等极端长尾场景,数据集多样性严重不足。
  • 迭代周期漫长:每次调整强化学习策略都需要在真实机器人上反复运行,受限于电池续航和设备磨损,一天仅能完成少量实验,研发进度严重滞后。

使用 IsaacSim 后

  • 虚实并行开发:利用 IsaacSim 导入 URDF 模型并构建高保真数字孪生仓库,团队在样机出厂前即可在 GPU 加速的物理引擎中验证动力学准确性,提前发现并修复了 90% 的控制逻辑缺陷。
  • 合成数据规模化生成:通过内置的合成数据生成工具,一键自动创建包含各种光照、天气及随机障碍物布局的百万级标注图像,完美覆盖了实地难以采集的极端工况。
  • 大规模并行训练:借助 Isaac Lab 框架,团队在单台工作站上同时启动数千个仿真环境进行强化学习训练,将原本需要数周的策略迭代过程压缩至几天内完成,且零硬件损耗。

IsaacSim 通过构建高保真虚拟环境与并行计算能力,将机器人研发从“造出来再试”转变为“在虚拟世界中先完美”,极大降低了落地成本并加速了产品上市。

运行环境要求

操作系统
  • Linux (Ubuntu 22.04)
  • Windows 10/11
GPU
  • 必需 NVIDIA RTX GPU
  • 本地工作站最低 RTX 4080,推荐 RTX 5080/5880 Ada,最佳 RTX PRO 6000 Blackwell
  • 数据中心最低 A40,推荐 L40S/L20
  • 需安装对应 NVIDIA 驱动
内存

未说明

依赖
notesUbuntu 24.04 尚未完全支持,若使用需强制安装 GCC/G++ 11(不支持 12+ 版本)。首次启动加载扩展和着色器可能需要数分钟。Windows 用户需注意 260 字符路径长度限制,建议将仓库移至较短路径。构建时可添加 '--skip-compiler-version-check' 跳过编译器版本检查(风险自担)。需要互联网访问以下载 Omniverse Kit SDK 和工具。
python3.11
Git
Git LFS
GCC/G++ 11 (Linux)
Microsoft Visual Studio 2019/2022 (Windows C++)
Windows SDK (Windows C++)
build-essential (Linux)
Docker (Linux, 推荐)
NVIDIA Container Toolkit (Linux, 推荐)
IsaacSim hero image

快速开始

艾萨克模拟器


艾萨克模拟器

Python Linux平台 Windows平台 许可证

NVIDIA Isaac Sim™ 是一个基于 NVIDIA Omniverse 构建的仿真平台,旨在现实主义虚拟环境中开发、测试、训练和部署人工智能驱动的机器人。它支持从 URDF、MJCF 和 CAD 等常见格式导入机器人系统。该模拟器利用高保真、GPU 加速的物理引擎来模拟精确的动力学,并大规模支持多传感器 RTX 渲染。它配备了端到端的工作流,包括合成数据生成、强化学习、ROS 集成和数字孪生仿真。Isaac Sim 提供了在任何阶段支持机器人开发所需的基础设施。

核心功能

  • 资产导入与导出:从非 USD 格式导入和导出机器人及环境。
  • 机器人调优:优化机器人以实现更高的物理精度、计算效率或照片级真实感。
  • 机器人仿真:用于移动机器人的工具,如控制器、运动生成和运动学求解器,以及策略集成。
  • 传感器:基于 RTX 和物理的传感器。

主要应用

  • Isaac Lab:专为强化学习、模仿学习和运动规划构建的 GPU 加速框架。
  • ROS 桥接:与机器人操作系统 (ROS) 的集成。
  • 合成数据生成:一系列 SDG 工具。

文档

有关最新 Isaac Sim 文档,请参阅 Isaac Sim 文档。 请按照以下链接开始使用:

先决条件与环境设置

在构建 Isaac Sim 之前,请确保您的系统已配置以下内容:

  • 操作系统:Windows 10/11 或 Linux(Ubuntu 22.04)

    (Linux)Ubuntu 24.04 目前不完全支持 Ubuntu 24.04。使用 Ubuntu 24.04 进行构建需要安装 GCC/G++ 11,不支持 GCC/G++ 12 及更高版本。

  • GPU:有关 GPU 功能和要求的更多信息,请参阅 NVIDIA GPU 要求

    本地工作站

    最低 推荐 最佳
    RTX 4080 RTX 5080 RTX PRO 6000 Blackwell 工作站
    RTX 5880 Ada RTX PRO 5000 Blackwell 工作站

    数据中心

    最低 推荐 最佳
    A40 L40S RTX PRO 6000 Blackwell 服务器
    L20
  • 驱动程序:请参阅 NVIDIA 驱动程序要求

  • 互联网接入:下载 Omniverse Kit SDK、扩展和工具时需要。

必需的软件依赖项

  • Git:用于版本控制和仓库管理。

  • Git LFS:用于管理仓库中的大文件。

  • (仅限 Windows - C++)Microsoft Visual Studio(2019 或 2022):您可以从 Visual Studio 下载安装最新版本。请确保选择“使用 C++ 的桌面开发”工作负载。有关 Windows 开发配置的更多信息

  • (仅限 Windows - C++)Windows SDK:请与 MSVC 一起安装。您可以在 Visual Studio 安装程序中找到它。有关 Windows 开发配置的更多信息

  • (Linux)build-essentials:一个包含 make 和其他构建应用程序所需工具的软件包。对于 Ubuntu,请使用以下命令安装:

    sudo apt-get install build-essential
    

    (Linux)⚠️ 请使用 GCC/G++ 11,目前尚不支持更高版本。要安装 GCC/G++ 11,请运行以下命令:

    sudo apt-get install gcc-11 g++-11
    sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-11 200
    sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-11 200
    

    编译器版本检查 ⚠️ 我们已在构建流程中添加了版本检查。如果您没有默认版本,仍然可以执行构建,只需在构建时向 build.[sh/bat] 添加 --skip-compiler-version-check 参数即可。请自行承担风险,不支持的构建环境可能会遇到构建和运行时问题。

推荐的软件

  • (Linux)Docker:用于容器化开发和部署。请确保非 root 用户具有 Docker 权限。

  • (Linux)NVIDIA Container Toolkit:用于 GPU 加速的容器化开发和部署。需要完成 Docker 的安装和配置步骤。

  • VSCode(或您首选的 IDE):用于代码编辑和开发。

快速入门

本节将指导您从源代码构建 Isaac Sim。

1. 克隆仓库

git clone https://github.com/isaac-sim/IsaacSim.git isaacsim
cd isaacsim
git lfs install
git lfs pull

2. 构建

运行以下命令以启动配置向导:

Linux:

在构建之前,请确认正在使用 GCC/G++ 11,方法如下:

gcc --version
g++ --version
./build.sh

Windows:

⚠️ Windows 路径长度限制 Windows 的路径长度限制为 260 个字符。如果您遇到与缺少文件或其他构建错误相关的问题,请尝试将仓库移动到较短的路径。

build.bat

3. 运行

⚠️ 启动时间 首次加载 Isaac Sim 可能需要长达几分钟,因为扩展和着色器需要被加载并缓存。后续的启动时间应根据硬件配置在 10 到 30 秒之间。

导航到适用于您平台的相应二进制目录,并运行可执行文件。

Linux (x86_64):

cd _build/linux-x86_64/release
./isaac-sim.sh

Linux (aarch64):

cd _build/linux-aarch64/release
./isaac-sim.sh

Windows:

cd _build/windows-x86_64/release
isaac-sim.bat

注意:如果您是首次构建 Isaac Sim,系统将提示您接受 Omniverse 许可协议条款。

高级构建选项

Isaac Sim 使用自定义的构建系统,具有以下关键选项:

核心构建选项

  • -c, --clean: 清理仓库并退出
  • -x, --rebuild: 构建前清理仓库(完全重新构建)
  • -h, --help: 显示所有可用的构建选项

配置选项

  • --config [debug|release]: 指定构建配置(默认:同时构建调试和发布版本)
  • -d, --debug: 仅构建调试版本
  • -r, --release: 仅构建发布版本

高级选项

  • -j NUM_CORES, --jobs NUM_CORES: 限制并行编译任务的数量
  • -v, --verbose: 启用详细构建输出
  • -q, --quiet: 抑制构建输出

构建步骤控制

  • --fetch-only: 仅获取依赖项并停止
  • -g, --generate: 生成项目、准备文件后停止
  • -s, --stage: 准备文件,跳过生成步骤
  • -b, --build-only: 仅执行构建步骤,跳过其他步骤
  • --post-build-only: 仅执行构建后的步骤

使用方法

恭喜您成功安装了 Isaac Sim!要开始使用 Isaac Sim,请按照这些快速教程进行操作。如需更多信息,请访问我们的完整文档

故障排除

  • 请参阅常见问题解答故障排除以及已知问题,以获取常见问题、修复方法和解决技巧。

  • 在 Linux 系统上,如果在构建过程中遇到网络连接问题(例如公司防火墙),请运行以下命令:

    export http_proxy="http://{您的IP地址}:7890"
    export https_proxy="http://{您的IP地址}:7890"
    
    • 注意:上述命令仅应在您启用了代理软件或位于公司防火墙之后时使用。端口 7890 应替换为代理软件设置的代理端口。

支持

  • 请使用 GitHub 的讨论区来交流想法、提问以及提出新功能请求。
  • GitHub 的问题页面仅应用于跟踪具有明确范围和清晰交付成果的具体工作内容。这可能包括修复错误、文档问题、新增功能或常规更新。

与 NVIDIA Omniverse 社区联系

您是否有想要更广泛分享的项目或资源?我们非常期待您的来信!请通过 OmniverseCommunity@nvidia.com 联系 NVIDIA Omniverse 社区团队,探讨将您的作品更广泛传播的可能性。

许可证

许可条款可在许可证文件中找到。

引用

要引用 Isaac Sim,请在 Isaac Sim GitHub 仓库 首页右侧栏中点击“引用此仓库”,然后选择列出的引用条目之一。

贡献

目前我们不支持社区直接贡献。

版本历史

v6.0.0-dev22026/03/16
v6.0.0-dev2025/12/19
v5.1.02025/10/21
v5.0.02025/08/08

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架