Issac Gym 安装

探索Isaac Gym的世界

介绍

如果你正在寻找一个高品质的强化学习模拟环境，Isaac Gym是一个极佳的选择。它是一个强大的工具，提供广泛的模拟功能，是机器人领域的研究人员和开发人员的首选。在本博客文章中，我们将更详细地了解Isaac Gym的特点以及它如何帮助你实现你的目标。

Isaac Gym的特点

Isaac Gym是一个高度可定制的模拟环境，可以为你的研究或开发项目创建复杂的模拟。Isaac Gym最重要的功能之一是它支持基于物理的模拟。它提供准确和真实的物理模拟，可以帮助你训练机器人执行现实世界的任务。此外，它支持各种类型的传感器，包括RGB相机，深度相机和激光雷达，使你能够为你的代理创建多样化且具有挑战性的场景。

Isaac Gym的另一个值得注意的特点是它支持TensorFlow，PyTorch和MXNet等深度学习框架。你可以使用这些框架使用强化学习算法来训练你的代理，包括Proximal Policy Optimization（PPO）和Deep Q-Networks（DQN）。使用深度学习框架，你可以创建从原始感官输入中学习并执行复杂任务的复杂模型。

Isaac Gym的优点

Isaac Gym相比其他模拟环境提供了几个优势。首先，它易于使用并提供直观的用户界面，使你可以轻松地创建和修改模拟。此外，它高度可定制，使你可以创建符合项目要求的模拟。此外，它快速且可扩展，使你能够高效地模拟大规模的环境和代理。

Isaac Gym的另一个优势是它与NVIDIA硬件的集成。它经过优化，可用于NVIDIA GPU，使你能够利用GPU的强大功能进行模拟。这种集成提供了快速和高效的模拟，使你能够更快，更有效地训练你的代理。

Isaac Gym的应用

Isaac Gym有几个应用，包括机器人，自动驾驶和游戏开发。在机器人领域，它可以帮助你训练机器人执行各种任务，例如抓取物体，导航环境和与人互动。在自动驾驶中，它可以帮助你训练自驾车在复杂的环境中安全地行驶。在游戏开发中，它可以帮助你创建智能且具有挑战性的游戏角色，可以适应玩家的行为。

结论

Isaac Gym是一个出色的强化学习模拟环境，提供广泛的模拟功能和深度学习框架的支持。它的支持物理模拟，各种类型的传感器和NVIDIA硬件集成，使它成为机器人领域的研究人员和开发人员的理想选择。它的易用性，可扩展性和快速的模拟使它成为各种应用的流行选择，包括自动驾驶和游戏开发。如果你正在寻找一个强大的模拟环境来进行你的研究或开发项目，Isaac Gym是一个出色的选择。

安装Isaac Gym

如果你想要尝试使用Isaac Gym，你需要先安装它。你可以从NVIDIA的GitHub存储库中下载和安装Isaac Gym。在安装之前，你需要确保你的计算机满足Isaac Gym的要求，包括安装了CUDA和cuDNN等软件。安装后，你可以尝试运行示例代码，以确保一切正常运行。

通过Docker安装Isaac Gym

从Nvidia网站下载Isaac Gym

https://developer.nvidia.com/isaac-gym

下载的文件夹结构如下:

├── assets
│   ├── glb
│   ├── mjcf
│   ├── textures
│   └── urdf
├── docker
│   ├── 10_nvidia.json
│   ├── Dockerfile
│   ├── build.sh
│   ├── nvidia_icd.json
│   └── run.sh
├── docs
│   ├── _images
│   ├── _modules
│   ├── _sources
│   ├── _static
│   ├── api
│   ├── examples
│   ├── programming
│   ├── rl
│   ├── about_gym.html
│   ├── faqs.html
│   ├── genindex.html
│   ├── index.html
│   ├── install.html
│   ├── objects.inv
│   ├── release-notes.html
│   ├── search.html
│   └── searchindex.js
├── licenses
│   ├── assets
│   ├── oss
│   └── packages
├── python
│   ├── build
│   ├── examples
│   ├── isaacgym
│   ├── isaacgym.egg-info
│   ├── rlgpu
│   ├── LICENSE.txt
│   ├── rlgpu_conda_env.yml
│   └── setup.py
├── README.txt
└── create_conda_env_rlgpu.sh

构建docker镜像

bash docker/build.sh

让我们来看看这个文件: ./docker/build.sh

#!/bin/bash
set -e
set -u
SCRIPTROOT="$( cd "$(dirname "$0")" ; pwd -P )"
cd "${SCRIPTROOT}/.."

docker build --network host -t isaacgym -f docker/Dockerfile .

它实际上是基于Dockerfile构建docker镜像:

FROM nvcr.io/nvidia/pytorch:21.03-py3
ENV DEBIAN_FRONTEND=noninteractive

# dependencies for gym
#
RUN apt-get update \\
 && apt-get install -y --no-install-recommends \\
 libxcursor-dev \\
 libxrandr-dev \\
 libxinerama-dev \\
 libxi-dev \\
 mesa-common-dev \\
 zip \\
 unzip \\
 make \\
 gcc-8 \\
 g++-8 \\
 wget \\
 vulkan-utils \\
 mesa-vulkan-drivers \\
 doxygen \\
 graphviz \\
 fonts-roboto \\
 python3-sphinx \\
 pigz \\
 git \\
 libegl1 \\
 git-lfs

# Force gcc 8 to avoid CUDA 10 build issues on newer base OS
RUN update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-8 8
RUN update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-8 8

# WAR for eglReleaseThread shutdown crash in libEGL_mesa.so.0 (ensure it's never detected/loaded)
# Can't remove package libegl-mesa0 directly (because of libegl1 which we need)
RUN rm /usr/lib/x86_64-linux-gnu/libEGL_mesa.so.0 /usr/lib/x86_64-linux-gnu/libEGL_mesa.so.0.0.0 /usr/share/glvnd/egl_vendor.d/50_mesa.json

# python dependencies for gym
RUN pip install -q -U \\
numpy-quaternion click tqdm sphinx sphinx-rtd-theme breathe pylama

COPY docker/nvidia_icd.json /usr/share/vulkan/icd.d/nvidia_icd.json
COPY docker/10_nvidia.json /usr/share/glvnd/egl_vendor.d/10_nvidia.json

WORKDIR /opt/isaacgym

# copy gym repo to docker
COPY . .

# install gym modules
RUN cd python && pip install -q -e .
RUN cd python/rlgpu/rl-pytorch && pip install -q -e .

ENV NVIDIA_VISIBLE_DEVICES=all NVIDIA_DRIVER_CAPABILITIES=all

我们需要获取访问nvidia docker hub的权限 (https://docs.nvidia.com/ngc/ngc-overview/index.html#generating-api-key)

docker login nvcr.io
Username: $oauthtoken
Password:

启动容器

bash docker/run.sh

bash docker/run.sh :0.0

让我们来看看 run.sh（修改版本，删除了“-rm”）文件

#!/bin/bash
set -e
set -u

if [ $# -eq 0 ]
then
    echo "running docker without display"
    docker run -it --network=host --gpus=all --name=isaacgym_container isaacgym /bin/bash
else
    export DISPLAY=$DISPLAY
    echo "setting display to $DISPLAY"
    xhost +
    docker run -it  -v /tmp/.X11-unix:/tmp/.X11-unix -e DISPLAY=$DISPLAY --network=host --gpus=all --name=isaacgym_container_v1 mingzailao/isaac-gym:v0 /bin/bash
    xhost -
fi

这意味着我们可以将参数传递到 run.sh 中，如果我们想要使用显示功能，则需要给脚本 DISPLAY 变量，例如 “：0.0”

如何确定你的DISPLAY Variable 呢

xdpyinfo

输出的不是:

xdpyinfo:  unable to open display ":x.x".

即可

一般来说是类似下面的输出:

name of display:    :1.0
version number:    11.0
vendor string:    The X.Org Foundation
vendor release number:    12004000
X.Org version: 1.20.4
maximum request size:  16777212 bytes
motion buffer size:  256
bitmap unit, bit order, padding:    32, LSBFirst, 32
image byte order:    LSBFirst
number of supported pixmap formats:    7
supported pixmap formats:
    depth 1, bits_per_pixel 1, scanline_pad 32
    depth 4, bits_per_pixel 8, scanline_pad 32
    depth 8, bits_per_pixel 8, scanline_pad 32
    depth 15, bits_per_pixel 16, scanline_pad 32
    depth 16, bits_per_pixel 16, scanline_pad 32
    depth 24, bits_per_pixel 32, scanline_pad 32
    depth 32, bits_per_pixel 32, scanline_pad 32
keycode range:    minimum 8, maximum 255
focus:  window 0x4cb, revert to None
number of extensions:    31
    BIG-REQUESTS
    Composite
    DAMAGE
    DOUBLE-BUFFER
    DPMS
    DRI2
    DRI3
    GLX
    Generic Event Extension
    MIT-SCREEN-SAVER
    MIT-SHM
    NV-CONTROL
    NV-GLX
    Present
    RANDR
    RECORD
    RENDER
    SECURITY
    SHAPE
    SYNC
    X-Resource
    XC-MISC
    XFIXES
    XFree86-DGA
    XFree86-VidModeExtension
    XINERAMA
    XINERAMA
    XInputExtension
    XKEYBOARD
    XTEST
    XVideo
default screen number:    0
number of screens:    1

screen #0:
...

可以用:0.0,:1.0,:2.0,:3.0(多显卡编号id,一般来说决定X-org输出的顺序)

即可愉快使用%