
选择上海五区的GPU机器。
几区是由子网决定的。比如此处选择上海五区的子网。
选择“云桌面-图形G4_10核40G”。

实际对应的是“NVIDIA GeForce RTX 4090 D”。

公共镜像选择如下:

创建中状态。

绑定用户。

点击确认。

登录桌面后,效果如下。

双击后会调用启动脚本。

提示Isaac Sim Full App is loaded。

Sim界面如下,在书签页面能看到已内置的资产数据。

资产数据存储路径:/data/lsaac-platform/sim5.0.0-assets/Assets/lsaac/5.0/
加载一个机器人资产效果如下:

切换目录:/data/Isaac-platform/isaacsim
执行命令:
./isaac-sim.sh
直到完成加载。

加载一个资产效果如下:

切换到/data/Isaac-platform/IsaacLab目录,执行命令加载一个demo演示。
需要用root用户,需要进入到conda activate env_isaaclab环境下执行
./isaaclab.sh -p scripts/demos/h1_locomotion.py进入conda环境操作
conda env list
conda activate env_isaaclab
启动Sim界面效果如下:

参考官网链接Installation using Isaac Sim Binaries — Isaac Lab Documentation
root用户在Conda环境下,对应命令
cd /data/Isaac-platform/IsaacLab
./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Ant-v0或者
cd /data/Isaac-platform/IsaacLab
./isaaclab.sh -p scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Velocity-Rough-Anymal-C-v0执行结果如下:

中间过程输出:

Sim界面效果如下:

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。