Ubuntu 22.04 下从零搞定 Legged Gym 与 Isaac Gym 的完整避坑指南在机器人仿真领域Legged Gym 和 Isaac Gym 作为两大重量级工具为开发者提供了强大的仿真环境。然而它们的安装过程却常常让初学者望而生畏。本文将带你一步步完成这两个工具的安装特别针对 Ubuntu 22.04 系统解决你可能遇到的各种版本兼容性问题。1. 环境准备与基础配置在开始安装之前我们需要确保系统环境已经准备就绪。Ubuntu 22.04 作为长期支持版本虽然官方文档可能没有明确支持但经过实测可以正常运行这些工具。首先我们需要安装一些基础依赖sudo apt update sudo apt install -y git curl wget build-essential cmake接下来建议使用 conda 来管理 Python 环境。如果你还没有安装 conda可以使用以下命令安装 Minicondawget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh创建并激活一个专门的 Python 3.8 环境conda create -n legged_gym python3.8 conda activate legged_gym提示Python 3.8 是目前最稳定的版本选择避免使用更高版本可能带来的兼容性问题。2. CUDA 与 PyTorch 的精确匹配版本匹配问题是安装过程中最常见的绊脚石。我们需要特别注意 CUDA、PyTorch 和显卡驱动之间的兼容性。首先检查你的 NVIDIA 显卡驱动版本nvidia-smi根据输出中的 CUDA Version 信息确定你可以安装的 CUDA 工具包版本。例如如果显示 CUDA 11.7那么你应该安装 CUDA 11.x 系列。安装对应版本的 CUDA 工具包sudo apt install -y cuda-11-7然后安装匹配的 PyTorch 版本。以下是一些常见组合CUDA 版本推荐 PyTorch 版本安装命令11.71.13.1conda install pytorch1.13.1 torchvision0.14.1 torchaudio0.13.1 pytorch-cuda11.7 -c pytorch -c nvidia11.31.12.1conda install pytorch1.12.1 torchvision0.13.1 torchaudio0.12.1 pytorch-cuda11.3 -c pytorch -c nvidia10.21.10.0conda install pytorch1.10.0 torchvision0.11.1 torchaudio0.10.0 pytorch-cuda10.2 -c pytorch -c nvidia验证 PyTorch 是否正确识别了 CUDAimport torch print(torch.__version__) print(torch.cuda.is_available())3. Isaac Gym 的安装与配置Isaac Gym 的安装相对直接但仍有一些细节需要注意。首先从官网下载 Isaac Gym 的预览版包当前最新为 Preview 4。解压后进入 python 目录tar -xzvf IsaacGym_Preview_4_Package.tar.gz cd IsaacGym_Preview_4_Package/python pip install -e .测试安装是否成功cd ../examples python 1080_balls_of_solitude.py如果遇到libpython3.8.so.1.0缺失的错误可以尝试以下解决方案确认文件确实存在locate libpython3.8.so.1.0如果文件存在但依然报错设置环境变量export LD_LIBRARY_PATH$LD_LIBRARY_PATH:$CONDA_PREFIX/lib注意这个环境变量设置应该添加到你的 conda 激活脚本中以便每次激活环境时自动设置。4. Legged Gym 及其依赖的安装Legged Gym 的安装需要特别注意 rsl_rl 的版本问题这是最容易出错的部分。首先克隆 Legged Gym 仓库git clone https://github.com/leggedrobotics/legged_gym cd legged_gym安装 rsl_rl这是 Legged Gym 的核心依赖之一。关键是要使用正确的版本git clone https://github.com/leggedrobotics/rsl_rl cd rsl_rl git checkout v1.0.2 pip install -e .回到 Legged Gym 目录完成安装cd .. pip install -e .5. 常见问题与解决方案在实际安装过程中你可能会遇到以下常见问题NumPy 版本冲突pip uninstall numpy pip install numpy1.19.5 pip install matplotlib3.6.3缺少 TensorBoardpip install tensorboardCUDA 内核不匹配 确保 PyTorch 版本与 CUDA 版本完全匹配重新安装正确版本的 PyTorch。Python 共享库问题 如果遇到 Python 共享库问题可以尝试sudo apt install python3.8-devGLIBC 版本问题 对于较新的显卡可能需要更新系统 GLIBCsudo apt install libc66. 测试与验证完成所有安装后运行以下命令测试 Legged Gympython scripts/train.py --taskanymal_c_flat如果一切正常你应该能看到四足机器人在平面上行走的仿真画面。首次运行可能需要一些时间编译内核。对于性能优化可以尝试以下调整在legged_gym/legged_gym/envs/base/legged_robot_config.py中调整num_envs参数修改legged_gym/legged_gym/utils/helpers.py中的 GPU 内存分配策略7. 高级配置与自定义一旦基础环境搭建完成你可以开始探索更多高级功能自定义机器人模型修改assets/目录下的 URDF 文件调整legged_gym/legged_gym/envs/base/legged_robot.py中的物理参数训练策略调整修改rsl_rl/rsl_rl/algorithms/中的强化学习算法调整奖励函数在legged_gym/legged_gym/envs/base/legged_robot.py中的定义可视化工具使用tensorboard --logdirruns监控训练过程尝试不同的渲染模式--headless或--visualize在实际项目中我发现最耗时的部分往往是环境调试而非算法开发。因此建议在开始正式训练前先花时间确保仿真环境运行稳定。
Ubuntu 22.04 下，从零搞定 Legged Gym 与 Isaac Gym 的完整避坑指南（含CUDA、PyTorch版本匹配）
发布时间：2026/5/24 1:24:26
Ubuntu 22.04 下从零搞定 Legged Gym 与 Isaac Gym 的完整避坑指南在机器人仿真领域Legged Gym 和 Isaac Gym 作为两大重量级工具为开发者提供了强大的仿真环境。然而它们的安装过程却常常让初学者望而生畏。本文将带你一步步完成这两个工具的安装特别针对 Ubuntu 22.04 系统解决你可能遇到的各种版本兼容性问题。1. 环境准备与基础配置在开始安装之前我们需要确保系统环境已经准备就绪。Ubuntu 22.04 作为长期支持版本虽然官方文档可能没有明确支持但经过实测可以正常运行这些工具。首先我们需要安装一些基础依赖sudo apt update sudo apt install -y git curl wget build-essential cmake接下来建议使用 conda 来管理 Python 环境。如果你还没有安装 conda可以使用以下命令安装 Minicondawget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh创建并激活一个专门的 Python 3.8 环境conda create -n legged_gym python3.8 conda activate legged_gym提示Python 3.8 是目前最稳定的版本选择避免使用更高版本可能带来的兼容性问题。2. CUDA 与 PyTorch 的精确匹配版本匹配问题是安装过程中最常见的绊脚石。我们需要特别注意 CUDA、PyTorch 和显卡驱动之间的兼容性。首先检查你的 NVIDIA 显卡驱动版本nvidia-smi根据输出中的 CUDA Version 信息确定你可以安装的 CUDA 工具包版本。例如如果显示 CUDA 11.7那么你应该安装 CUDA 11.x 系列。安装对应版本的 CUDA 工具包sudo apt install -y cuda-11-7然后安装匹配的 PyTorch 版本。以下是一些常见组合CUDA 版本推荐 PyTorch 版本安装命令11.71.13.1conda install pytorch1.13.1 torchvision0.14.1 torchaudio0.13.1 pytorch-cuda11.7 -c pytorch -c nvidia11.31.12.1conda install pytorch1.12.1 torchvision0.13.1 torchaudio0.12.1 pytorch-cuda11.3 -c pytorch -c nvidia10.21.10.0conda install pytorch1.10.0 torchvision0.11.1 torchaudio0.10.0 pytorch-cuda10.2 -c pytorch -c nvidia验证 PyTorch 是否正确识别了 CUDAimport torch print(torch.__version__) print(torch.cuda.is_available())3. Isaac Gym 的安装与配置Isaac Gym 的安装相对直接但仍有一些细节需要注意。首先从官网下载 Isaac Gym 的预览版包当前最新为 Preview 4。解压后进入 python 目录tar -xzvf IsaacGym_Preview_4_Package.tar.gz cd IsaacGym_Preview_4_Package/python pip install -e .测试安装是否成功cd ../examples python 1080_balls_of_solitude.py如果遇到libpython3.8.so.1.0缺失的错误可以尝试以下解决方案确认文件确实存在locate libpython3.8.so.1.0如果文件存在但依然报错设置环境变量export LD_LIBRARY_PATH$LD_LIBRARY_PATH:$CONDA_PREFIX/lib注意这个环境变量设置应该添加到你的 conda 激活脚本中以便每次激活环境时自动设置。4. Legged Gym 及其依赖的安装Legged Gym 的安装需要特别注意 rsl_rl 的版本问题这是最容易出错的部分。首先克隆 Legged Gym 仓库git clone https://github.com/leggedrobotics/legged_gym cd legged_gym安装 rsl_rl这是 Legged Gym 的核心依赖之一。关键是要使用正确的版本git clone https://github.com/leggedrobotics/rsl_rl cd rsl_rl git checkout v1.0.2 pip install -e .回到 Legged Gym 目录完成安装cd .. pip install -e .5. 常见问题与解决方案在实际安装过程中你可能会遇到以下常见问题NumPy 版本冲突pip uninstall numpy pip install numpy1.19.5 pip install matplotlib3.6.3缺少 TensorBoardpip install tensorboardCUDA 内核不匹配 确保 PyTorch 版本与 CUDA 版本完全匹配重新安装正确版本的 PyTorch。Python 共享库问题 如果遇到 Python 共享库问题可以尝试sudo apt install python3.8-devGLIBC 版本问题 对于较新的显卡可能需要更新系统 GLIBCsudo apt install libc66. 测试与验证完成所有安装后运行以下命令测试 Legged Gympython scripts/train.py --taskanymal_c_flat如果一切正常你应该能看到四足机器人在平面上行走的仿真画面。首次运行可能需要一些时间编译内核。对于性能优化可以尝试以下调整在legged_gym/legged_gym/envs/base/legged_robot_config.py中调整num_envs参数修改legged_gym/legged_gym/utils/helpers.py中的 GPU 内存分配策略7. 高级配置与自定义一旦基础环境搭建完成你可以开始探索更多高级功能自定义机器人模型修改assets/目录下的 URDF 文件调整legged_gym/legged_gym/envs/base/legged_robot.py中的物理参数训练策略调整修改rsl_rl/rsl_rl/algorithms/中的强化学习算法调整奖励函数在legged_gym/legged_gym/envs/base/legged_robot.py中的定义可视化工具使用tensorboard --logdirruns监控训练过程尝试不同的渲染模式--headless或--visualize在实际项目中我发现最耗时的部分往往是环境调试而非算法开发。因此建议在开始正式训练前先花时间确保仿真环境运行稳定。
相关文章
扫雷游戏，简单C语言实现
扫雷游戏设计与实现：从零开始打造经典小游戏一、游戏设计思路1.1 核心玩法扫雷是一款基于二维网格的逻辑推理游戏，玩家通过点击格子排查地雷。游戏规则如下：安全格：显示周围8格地雷数量（0-8）地雷格…
【copilot】VS Code Copilot 原生支持加载 Skills
VS Code Copilot 原生支持加载 Skills。你当前工作区已经在用了——看你每次对话附带的 customizationsIndex，里面就列着 7 个 Skill： agent-customization → copilot-skill:/agent-customization/SKILL.md get-search-view-results summarize-github-issue-pr-notifica…
别再硬编码了！用注解+工厂模式，5分钟为你的Java应用扩展一个新PLC协议（ModbusTCP/S7为例）
工业物联网中Java协议扩展的优雅实践：注解驱动与工厂模式深度整合 工业物联网(IIoT)平台的开发者们经常面临一个棘手问题：如何在不重构核心代码的情况下，快速接入各种PLC设备协议？想象一下这样的场景：你的系统已经稳定…
浏览器资源嗅探终极指南：用猫抓插件轻松获取网页视频音频
浏览器资源嗅探终极指南：用猫抓插件轻松获取网页视频音频 【免费下载链接】cat-catch 猫抓 浏览器资源嗅探扩展 / cat-catch Browser Resource Sniffing Extension 项目地址: https://gitcode.com/GitHub_Trending/ca/cat-catch 在数字内容爆炸的时代&#x…
RePKG架构深度解析：解密Wallpaper Engine资源处理的核心技术
RePKG架构深度解析：解密Wallpaper Engine资源处理的核心技术 【免费下载链接】repkg Wallpaper engine PKG extractor/TEX to image converter 项目地址: https://gitcode.com/gh_mirrors/re/repkg 在数字内容创作领域，资源打包与纹理处理是图形应…
5分钟搭建私有抖音无水印解析服务：DouYinBot高效视频下载指南
5分钟搭建私有抖音无水印解析服务：DouYinBot高效视频下载指南 【免费下载链接】DouYinBot 该项目仅自用，不提供抖音视频下载 项目地址: https://gitcode.com/gh_mirrors/do/DouYinBot 在短视频创作成为日常的今天，获取纯净无水印的抖音…
AI产业到底包括哪些
AI 产业是一条从能源 / 材料→算力基建→数据→算法框架→大模型→平台服务→行业应用→终端与具身智能的完整长链，每一层环环相扣、层层驱动。下面从头到尾完整描述。一、最底层：能源与基础材料（产业根基）AI 是极度耗能的产业&am…
Godot 4.3本地AI编程助手：GDScript智能协作者实战指南
1. 这不是又一个“AI写代码”噱头，而是Godot开发者真正能每天用上的智能协作者 “终极AI编程助手指南”这个标题听起来很满，但如果你在Godot里写过500行以上的GDScript、调试过3次以上信号连接失败、为同一个 _process(delta) 性能瓶颈改过4版逻辑——…
终极指南：使用Xenos实现Windows进程DLL注入的完整教程
终极指南：使用Xenos实现Windows进程DLL注入的完整教程 【免费下载链接】Xenos Windows dll injector 项目地址: https://gitcode.com/gh_mirrors/xe/Xenos 在Windows系统开发和安全研究中，DLL注入技术是实现进程监控、调试和功能扩展的核心手段。…
施工现场安全事故预警准确率达94.6%？——解密某央企AI Agent边缘计算部署架构与3个月落地实录
更多请点击： https://codechina.net 第一章：施工现场安全事故预警准确率达94.6%？——解密某央企AI Agent边缘计算部署架构与3个月落地实录 在华北某大型地铁盾构施工现场，一套轻量化AI Agent系统于2024年Q2完成全栈部署ÿ…
附录 B：术语表
本术语表面向“从 MM 到 HMM”专栏阅读过程中的快速查阅。它不是内核 API 手册，而是把文章中反复出现的概念放到同一张地图上：先给出直观含义，再说明它在 Linux MM/HMM 语境里的作用。建议阅读方式： 初读专栏时，把它当…
Midjourney渐变美学的神经渲染原理（附RGB-HSV-LCH三空间渐变映射对照表·行业首曝）
更多请点击： https://kaifayun.com 第一章：Midjourney渐变美学的神经渲染原理（附RGB-HSV-LCH三空间渐变映射对照表行业首曝） Midjourney 的渐变美学并非传统插值实现，而是由其隐式神经渲染器（Implicit Neu…
施工现场安全事故预警准确率达94.6%？——解密某央企AI Agent边缘计算部署架构与3个月落地实录
更多请点击： https://codechina.net 第一章：施工现场安全事故预警准确率达94.6%？——解密某央企AI Agent边缘计算部署架构与3个月落地实录 在华北某大型地铁盾构施工现场，一套轻量化AI Agent系统于2024年Q2完成全栈部署ÿ…
附录 B：术语表
本术语表面向“从 MM 到 HMM”专栏阅读过程中的快速查阅。它不是内核 API 手册，而是把文章中反复出现的概念放到同一张地图上：先给出直观含义，再说明它在 Linux MM/HMM 语境里的作用。建议阅读方式： 初读专栏时，把它当…
Midjourney渐变美学的神经渲染原理（附RGB-HSV-LCH三空间渐变映射对照表·行业首曝）
更多请点击： https://kaifayun.com 第一章：Midjourney渐变美学的神经渲染原理（附RGB-HSV-LCH三空间渐变映射对照表行业首曝） Midjourney 的渐变美学并非传统插值实现，而是由其隐式神经渲染器（Implicit Neu…
MPC-BE：基于DirectShow架构的专业级开源媒体播放解决方案
MPC-BE：基于DirectShow架构的专业级开源媒体播放解决方案 【免费下载链接】MPC-BE MPC-BE – универсальный проигрыватель аудио и видеофайлов для операционной системы Windows. 项目地址:…
如何快速计算3D模型体积和重量：STL-Volume-Model-Calculator终极指南
如何快速计算3D模型体积和重量：STL-Volume-Model-Calculator终极指南 【免费下载链接】STL-Volume-Model-Calculator STL Volume Model Calculator Python 项目地址: https://gitcode.com/gh_mirrors/st/STL-Volume-Model-Calculator 你是否曾经为3D打印项目…
通过Taotoken CLI工具一键配置团队开发环境与模型密钥
通过Taotoken CLI工具一键配置团队开发环境与模型密钥 1. CLI工具安装与基本使用 Taotoken提供的CLI工具可通过npm全局安装或直接使用npx运行。对于需要频繁使用CLI的团队，推荐全局安装： npm install -g taotoken/taotoken对于临时使用或项目级配置&a…