导览
本站聚焦高并行仿真下的强化学习训练与评测，整理 Isaac 系列生态中 影响训练速度、稳定性与可复现性的关键细节，并提供可落地的工程实践。
- 高并行 GPU 仿真与训练管线设计
- 四足与类人机器人任务建模
- 仿真到现实（Sim2Real）策略与基准
- 可复现实验配置与运行日志记录
Isaac Gym
Isaac Gym 是 NVIDIA 提供的 GPU 物理仿真与强化学习平台，强调大规模并行 环境与高吞吐训练。其核心价值在于减少环境步耗时，从而显著加速策略迭代。
优势
- GPU 并行仿真，单卡可运行上千环境
- 端到端优化，适配 PPO/AMP 等算法
- 物理引擎对刚体与关节建模友好
关注点
- 仿真参数对稳定性影响
- 观察与动作空间的尺度与归一化
- 训练可复现性与随机种子管理
Legged Gym
Legged Gym 在 Isaac Gym 之上构建，专注四足机器人（如 ANYmal）训练与评估。 它提供了一套标准化的任务定义、奖励设计与域随机化策略。
实践要点
- 奖励权重与运动学约束的平衡
- 速度指令与地形难度的课程学习
- 域随机化对鲁棒性的贡献
实验记录
- baseline：tracking velocity
- terrain：rough / stairs / gaps
- metrics：stability, energy, slip
Isaac Sim
Isaac Sim 是更通用的高保真仿真平台，适合机器人视觉、传感器融合、复杂 场景建模以及仿真到现实验证。
场景能力
- 高质量渲染与材质
- 多传感器模拟（RGB-D, LiDAR）
- 复杂交互与资产管理
推荐用法
- 策略评估与可视化验证
- Sim2Real 前的任务验证
- 与 ROS2 工程链路集成
Isaac Lab
Isaac Lab 提供统一的任务配置与实验管理，强调可复现、可扩展的研究流程。 适合大规模实验组织与算法对比。
亮点
- 统一配置与日志管理
- 任务与资产模块化
- 易于扩展的训练脚本结构
建议实践
- 参数扫描与自动化实验
- 标准化评测流程
- 基线模型持续迭代
资源与链接
- 项目笔记：将实验记录整理成条目化的 short notes
- 论文阅读：训练稳定性、奖励设计与 Sim2Real 相关
- 代码仓库：统一版本控制与实验可复现脚本