Skip to content

Simulation Platforms

我们不可能直接就把一个实体机器人拿出来进行测试，往小了说会把机器人弄坏，往大了说你不可能直接让汽车在跑道上自动驾驶，又危险又低效。因此，几乎所有的机器人训练过程都是在Simulation（仿真）平台中完成的。我们把机器人尽可能逼真地复现在虚拟世界中，让虚拟世界尽可能模拟真实世界，来完成训练，然后通过Sim2Real的方式将训练结果迁移到真实世界中。

ROS

ROS并非Simulation，但是经常和Simulation搭配使用，所以这里先单独介绍一下ROS。如果以后有关于ROS这一类别的更多条目，我再把ROS转移过去。

ROS历史

2006年，斯坦福大学人工智能实验室和一家名为Willow Garage的机器人公司合作开发了一个新的机器人软件框架，试图解决机器人软件开发中重复造轮子的问题。第二年，ROS前身Switchyard诞生，这是一个模块化、分布式、跨平台的机器人中间件。

2009年，ROS的第一个正式公开版本发布。虽然叫做Robot Operating System，但ROS并非一个完整的操作系统。ROS运行在Linux上，提供消息通信、包管理、工具链等。

2013年，Willow Garage因资金问题逐渐解散，此时ROS社区已经逐渐成熟，因而ROS的主要开发和维护工作被转交给了OSRF(Open Source Robotics Foundation, 后改名为Open Robotics)。

2017年，社区开始推动ROS2的开发。ROS2采用了基于DDS的通信中间件，支持实时性、安全性、多操作系统、嵌入式系统等。

到2020年，ROS1的最后一个LTS版本Noetic发布，并支持到2025年5月，截止我写这篇文章（2025年9月)时已停止维护。至此，ROS1逐步退出历史舞台。

现在最主要的ROS版本是ROS2 Humble，适配的操作系统平台是Linux Ubuntu 22.04。Humble和Ubuntu 22.04都是LTS长期支持版本，官方维护也都是差不多到2027年5月。由于Humble资料齐全，22.04和其他平台兼容性高，因此现在学习入门使用Humble非常合适。

而现在ROS社区和Ubuntu社区正在主推ROS2 Jazzy和Ubuntu 24.04则将维护到2029年，但现在社区和生态还不是很成熟。个人推荐现在用Humble，然后到2027年再切换到Jazzy。

ROS2 Humble

官方安装指引。

安装后每次新开一个终端都要先把ROS2的安装路径告诉terminal,让terminal能识别ROS2的环境变量：

source /opt/ros/humble/setup.bash

如果你下载这个Humble版本后就用这个版本持续开发，而不随时切换ROS1或者其他的不同版本，那么你可以把这句写进.bashrc中：

echo "source /opt/ros/humble/setup.bash" >> ~/.bashrc

ROS2和ROS1有很多架构上的不同，从ROS1过来的人（说的就是我）要注意：在ROS1比如Noetic的时代，我们是直接用ROS进行通信的。但是在ROS2时代，ROS系统做了一个非常重要的改变：专业分工。在ROS1框架中，roscore作为ROS Master，承载了过多的功能，一旦roscore发生故障，那么整个系统都会瘫痪。所以在ROS2时代，整个系统采用了去中心化的自动发现机制，所有的节点都在网络上广播自己的存在，并自动找到其他节点。系统中不再有Master，因此就不再有单点故障，整个系统的robust远高于ROS1。

ROS2时代的ROS系统把所有实际数据比如打包、寻址、加密、发送、接收等脏活都外包给专业的DDS。DDS本身是一套标准，很多公司在此标准基础上开发了自己的DDS实现，Cyclone DDS就是其中一个非常有名的开源DDS,由Eclipse基金会维护。Cyclone DDS和MoveIt等复杂系统配合时非常好用。

DDS架构在使用上看起来和ROS1一样，也是subscribe-publish机制，但我们仔细回想的话，ROS1所有的publisher都要在Master那里注册，而所有的subscriber在启动时都要去Master那里找看有没有自己正在收听的话题。ROS1中的接收者通过Master找到发布者后，两者之间会建立一个点对点的TCP连接，然后从发布者那里向接收者传输数据。然而，在DDS上，并不存在一个中心化的Master,所有的publish-subscribe都是去中心化的、没有任何中央节点的。在DDS网络架构中，每一个发布者和订阅者入场的时候，都会通过UDP多播在公共频道定期发送自己的信息。此外，每当一个新的订阅者或者发布者进入到网络中进行自我介绍时，所有老节点此刻都会重新介绍一边自己。这样一来，节点和节点之间并不通过一个中间人，而是直接握手。

Gazebo

Gazebo最初并非ROS的一部分，但是和ROS紧密集成，所以很多人把Gazebo当作ROS的官方仿真器。这种看法并非没有依据，Gazebo最早也是由OSRF开发维护的。但实际上Gazebo并不需要ROS也能单独运行。

在ROS1时代，Gazebo Classic高度集成。如今在ROS2时代，Gazebo也升级到了Gazebo Sim（在2018-2022年之间也叫做Ignition Gazebo），采用了全新的架构。

Isaac Sim

Isaac Sim/Gym/Lab等都是Nvidia公司推出的和机器人仿真训练相关的东西，我们一起来看一下。

环境配置

安装在~/isaacsim/下后，启动isaac sim：

cd ~/isaacsim/
./isaac-sim.selector.sh

启动界面如下：

1759510607433

启动界面中各个选项的含义：

  • Isaac-sim: 带GUI的版本
  • Isaac-sim Streaming: 没有完整UI,适合远程交互或嵌入式场景
  • Package Path: 就是isaac sim的安装路径
  • Extra Args: 可以添加一些命令行参数，比如强制RTX渲染、无窗口启动等
  • ROS Bridge Extension: 让ROS和isaac sim通信
  • Use Internal ROS2 Lib: 如果本地有ROS2,就不需要勾选了
  • Show startup console: 建议开启，方便排查问题

启动后GUI窗口就会出现：

1759510930165

整个GUI界面主要包括以下区域：

  • 中间的Viewpoint就是操作场景和模型的3D视图区域，右键旋转视角，中键拖动平移，滚轮缩放；上方的RTX-Real-Time是渲染模式，Perspective是视图视角类型。在viewpoint右上角还实时显示FPS,显卡使用情况，内存使用情况等。
  • 右侧上方的Stage面板是场景树，现实当前场景中所有对象的层级结构，当你导入机器人或者物体的时候，他们就会出现在这里
  • 右侧下方的Property区域显示的是当前选中对象的属性，比如Transform, 材质，关节，物理，碰撞等。
  • 底部的Content区域可以浏览本地文件以及英伟达的资源库，在这里可以直接把.usd, .urdf, .fbx的文件拖进来
  • 底部的Console只显示与当前场景和脚本相关的消息，因此程序本身的问题还是要在启动isaac的终端中去看
  • 左侧是工具栏
  • 顶部的菜单栏有一些很关键的功能，比如导入素材、添加几何体、添加灯光、添加摄像机等。

导入机器人

现在isaac sim中是一个虚无的世界，机器人进来后没有地方站着，所以我们需要给机器人创建一个地板。点击 create >> physics >> ground plane创建地板。

然后我们可以导入机器人。你可以直接导入你想导入的机器人，我们先导入一个默认模板试试看：create >> robot >> ... 选一个默认的导入，可以看到场景中出现了一个机器人。

点击左侧菜单栏的启动按钮，机器人就会在模拟重力的影响下摊倒在地面上。如果想要选中机器人，需要在Stage面板中点击该机器人，否则像Humanoid这种多关节的机器人非常难以选中。

1759512190093

上面就是isaac sim内置的波士顿动力狗和Humanoid机器人模型。

如果想导入自己的机器人，比如宇树科技g2，则需要找到其对应的模型。现在常见的模型类型如下：

  • USD：Isaac Sim原生支持格式
  • URDF：ROS生态最常见，isaac官方支持格式转换导入
  • SDF：Gazebo模型，isaac不支持
  • MJCF：MuJoCo模型，isaac不支持，需要通过转换脚本转换

虽然可以自己导入模型自定义，但是一般对于非特殊需求的人，我们还有一个更好用的框架：Isaac Lab.

Isaac Lab

Isaac Lab是基于Isaac Sim的开源模块化框架，集成了高保真模拟，方便研究者进行模仿学习、强化学习等。我们可以直接在GitHub上找到isaac-sim/IsaacLab，clone后就可以开始了。官方的安装说明在这里。

按照教程安装后，在isaaclab目录下，使用命令 ./isaaclab.sh --uv创建虚拟环境 env_isaaclab。我用这个命令错误创建了3.10的环境，所以就手动创建了3.11版本：uv venv --python 3.11 env_isaaclab。

激活uv：

# Activate environment
source ./env_isaaclab/bin/activate  # or "source ./my_env/bin/activate"

然后在uv中激活isaac sim环境：

source _isaac_sim/setup_conda_env.sh

现在isaaclab的环境就配置好了。测试：

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

出现空白场景，安装成功。

为了方便，创建一个启动isaaclab的快捷键 start_isaaclab：

# My custom command for starting Isaac Lab
alias start_isaaclab="cd ~/OpenSourceProjects/IsaacLab && source ./env_isaaclab/bin/activate && source _isaac_sim/setup_conda_env.sh && echo '✅ Isaac Lab environment is ready!'"

测试一下是否能正确训练：python scripts/rl_games/train.py --task=Isaac-Ant-v0，这里也可以加headless参数。不加headless的话可以看到一群小蜘蛛在学习走路。由于isaac sim对模拟进行了优化，可以让模拟直接在GPU上并行运行，因此训练速度在我的RTX4090 laptop上飞快，远比我之前做Atari DQN的项目快的多得多得多。

接着运行一个isaaclab预置的预训练好的脚本：python scripts/rl_games/play.py --task=Isaac-Humanoid-v0 --use_pretrained_checkpoint，然后就能看到一堆小黄人像进击的巨人那样跑步前进：

1759545158031

至此，isaac sim和isaac lab的环境配置和测试就都完成了。

MoveIt2

MuJoCo

下面我们来看一下另一个非常常用的仿真模拟器：MuJoCo。（这个任务下周再做吧，今天完成了计划的看到机器人在isaac sim里头跑，休息啦！)

评论 #