Ubuntu 22.04 + RTX 50 显卡搭建 BeyondMimic 仿真训练环境

验证 GPU 识别情况：

python - << 'PY'
import torch
print("torch:", torch.__version__)
print("cuda ok:", torch.cuda.is_available())
if torch.cuda.is_available():
    print("device:", torch.cuda.get_device_name(0))
PY

看到 RTX 5060 名称即表示成功。随后进入 IsaacLab 目录运行官方安装脚本：

conda activate isaaclab
cd ~/skx/IsaacLab
chmod +x isaaclab.sh
./isaaclab.sh --install

完成后简单验证版本：

python -c "import isaaclab; print('IsaacLab version:', isaaclab.__version__)"

基础环境测试

在终端按顺序执行以下三步以初始化环境：

conda activate isaaclab
cd ~/skx/IsaacLab
source _isaac_sim/setup_conda_env.sh
./isaaclab.sh -p scripts/tutorials/00_sim/create_empty.py

预期终端会刷出 kit/isaacsim 日志，并弹出一个黑色空场景窗口。

BeyondMimic 环境配置

安装 whole_body_tracking 仓库

conda activate isaaclab
cd ~/skx
git clone https://github.com/HybridRobotics/whole_body_tracking.git
cd whole_body_tracking

下载 Unitree 机器人描述文件并解压：

curl -L -o unitree_description.tar.gz \
  https://storage.googleapis.com/qiayuanl_robot_descriptions/unitree_description.tar.gz
tar -xzf unitree_description.tar.gz \
  -C source/whole_body_tracking/whole_body_tracking/assets/
rm unitree_description.tar.gz

将包安装为 Python 可编辑模式：

python -m pip install -e source/whole_body_tracking

配置 WandB 数据管理

安装并登录 WandB，设定组织名：

pip install wandb
wandb login
export WANDB_ENTITY=你的组织名

在 WandB 网页左侧 Core → Registry 里新建一个 collection，命名为 Motions，类型选 All Types。

准备动作数据并上传

复制动作数据（如 g1_walk.csv）到 data/motions/ 目录，使用官方脚本转换为 .npz 并上传：

cd ~/skx/whole_body_tracking
python scripts/csv_to_npz.py \
  --input_file data/motions/g1_walk.csv \
  --input_fps 30 \
  --output_name g1_walk \
  --headless

执行成功后，WandB Registry 中会出现对应的 artifact，日志也会显示保存路径。

回放动作测试

使用 IsaacLab 的 launcher 来跑，这样环境变量会自动配置好：

conda activate isaaclab
cd ~/skx/IsaacLab
source _isaac_sim/setup_conda_env.sh
cd ~/skx/whole_body_tracking
../IsaacLab/isaaclab.sh -p scripts/replay_npz.py \
  --registry_name=你的 org 名-org/wandb-registry-motions/g1_walk

若机器人能在 Isaac Sim 中按动作走动，说明数据链路和 WandB Registry 均正常。

开始训练 Tracking Policy

conda activate isaaclab
cd ~/skx/IsaacLab
source _isaac_sim/setup_conda_env.sh
cd ~/skx/whole_body_tracking

../IsaacLab/isaaclab.sh -p scripts/rsl_rl/train.py \
  --task=Tracking-Flat-G1-v0 \
  --registry_name 你的 org 名-org/wandb-registry-motions/g1_walk \
  --headless \
  --logger wandb \
  --log_project_name whole-body-tracking \
  --run_name g1_walk_run1

参数说明：

• --task：仓库定义的 tracking 环境
• --registry_name：指向上传的动作 artifact
• --headless：不打开 GUI，节省显存
• --logger wandb：发送训练日志到 WandB

训练过程中终端会打印 reward、loss 等指标，同时 WandB 网页同步显示曲线。

评估训练好的策略

训练完成后，从 WandB 的 run 页面获取 run path（形式如 org/project/run_id），用于回放策略：

conda activate isaaclab
cd ~/skx/IsaacLab
source _isaac_sim/setup_conda_env.sh
cd ~/skx/whole_body_tracking

../IsaacLab/isaaclab.sh -p scripts/rsl_rl/play.py \
  --task=Tracking-Flat-G1-v0 \
  --num_envs=2 \
  --wandb_path=你的 org 名/whole-body-tracking/abcd1234

此时 Isaac Sim 会加载训练好的 policy，让机器人跟随参考动作。可以看到驼背的智能体（RL policy 控制）跟随纯白色的参考动作轨迹。

踩过的坑

Isaac Sim 版本匹配问题

经验法则：务必查看 Isaac Lab 仓库 README 要求的 Isaac Sim 版本，严格按其要求选择。版本过新或不匹配会导致扩展无法加载。

混用安装方式

一开始尝试了 pip 包路线，后来改为 Workstation standalone 压缩包，中间未清理旧缓存导致依赖解析报错。建议选一条路线走到底；改路线前彻底删除旧环境 + 缓存，直接重建环境比修复更快。

Numpy 版本冲突

高优先级满足 Isaac Lab / Isaac Sim 的要求。若遇到 opencv 等其他库冲突，可暂时卸载后按兼容版本重装。