Ubuntu 20.04 不支持 pip 安装 Isaac Sim 4.5（因为 pip 安装需要 GLIBC 2.34+，而 Ubuntu 20.04 默认是 GLIBC 2.31）。官方明确推荐 Ubuntu 20.04 用户使用二进制安装方式

自行安装 NVIDIA 驱动

lsb_release -a
ldd --version
nvidia-smi

Isaac Sim 4.5.0 支持 Ubuntu 20.04 / 22.04，最低建议 32GB RAM、RTX 3070 级别 GPU、8GB VRAM；Linux 推荐/最低 NVIDIA 驱动版本是 535.129.03；输出应显示驱动版本为 535.129.03 或更高

一、安装Isaac Sim 4.5二进制文件

1. 下载Isaac Sim 4.5二进制包

访问 NVIDIA 官方下载页面： https://docs.isaacsim.omniverse.nvidia.com/4.5.0/installation/download.html

文件名为：isaac-sim-standalone-4.5.0-linux-x86_64.zip

2. 解压并安装

# 创建安装目录
mkdir ~/isaacsim

# 解压到安装目录
cd ~/Downloads
unzip "isaac-sim-standalone-4.5.0-linux-x86_64.zip" -d ~/isaacsim

# 进入安装目录
cd ~/isaacsim

# 运行安装后脚本
./post_install.sh

# 运行 Isaac Sim 应用选择器
./isaac-sim.selector.sh

3. 配置环境变量

nano ~/.bashrc

在文件末尾添加以下内容：

# Isaac Sim 根目录
export ISAACSIM_PATH="${HOME}/isaacsim"
# Isaac Sim Python 可执行文件
export ISAACSIM_PYTHON_EXE="${ISAACSIM_PATH}/python.sh"

使配置生效：

source ~/.bashrc

4. 验证 Isaac Sim 安装

# 检查 Python 路径是否正确
cd ~/isaacsim
./python.sh -c "print('Isaac Sim configuration is now complete.')"

# 运行简单示例
./python.sh standalone_examples/api/isaacsim.core.api/add_cubes.py

第一次运行会编译着色器，可能需要 5-10 分钟，这是正常现象

二、安装 Isaac Lab

1. 克隆 Isaac Lab 源代码

# 进入主目录
cd ~

# 克隆仓库
git clone https://github.com/isaac-sim/IsaacLab.git

# 进入 Isaac Lab 目录
cd IsaacLab

2. 创建 Isaac Sim 符号链接

# 创建符号链接，指向你的isaacsim_45目录
ln -s ~/isaacsim _isaac_sim

# 验证符号链接是否正确
ls -l _isaac_sim
# 应该显示：_isaac_sim -> /home/hql/isaacsim

3. 安装系统依赖

sudo apt update
sudo apt install cmake build-essential -y

4. 安装 Isaac Lab 依赖

# 安装所有依赖（包括所有学习框架）
./isaaclab.sh --install

# 或者只安装特定框架（如 rsl_rl）
# isaaclab.sh -p -m pip install rsl-rl-lib

5.（可选）创建 Conda 环境

# 创建 Conda 环境
./isaaclab.sh --conda

# 激活环境
conda activate isaaclab

source ~/isaacsim/setup_conda_env.sh

# 重新安装依赖
./isaaclab.sh --install

6.验证 Isaac Lab 安装

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

如果成功，会启动模拟器并显示一个黑色视口，按 Ctrl+C 退出

三、运行训练

训练 Ant 机器人行走

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Ant-v0 --headless

训练会自动开始，你会在终端看到奖励值逐渐上升。按Ctrl+C可以停止训练

可视化训练好的模型

./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/play.py --task=Isaac-Ant-v0

---

注意：

没进 conda 环境的普通终端：

./isaaclab.sh -p 脚本.py [参数]

已经激活了 IsaacLab 的 conda 环境：

python scripts/tools/record_demos.py --task xxx