承接 Day 14（Isaac Sim 容器化），今天來看 Isaac Lab。它是基於 Isaac Sim 的強化學習（RL）/模仿學習（IL）框架，整合了 GPU 加速的物理模擬與 Python 機器學習生態系。我們將說明如何容器化 Isaac Lab，處理 Python 相依、CUDA/cuDNN 驗證，並跑起最小 RL/IL 任務。

A. Isaac Lab 簡介

• 基礎：以 Isaac Sim 為底層（USD 場景 + PhysX 模擬）。
• 擴展：提供常見的機器人控制環境（Arm/Legged/Manipulator）。
• RL/IL 任務：可與 PyTorch、JAX、RLlib 等框架整合。
• 研究用途：驗證演算法（PPO、SAC）、收集數據、模擬 domain randomization。

B. 容器化思路

1. 基底映像：從 nvcr.io/nvidia/isaac-sim:2023.1.1 延伸。
2. 安裝 Isaac Lab：複製 GitHub repo 進容器，或用 pip install -e .。
3. Python 相依：PyTorch、Gymnasium、Hydra、Omni.isaac.lab 套件。
4. GPU 驗證：容器內必須能正確存取 CUDA/cuDNN。

C. Dockerfile 範例

FROM nvcr.io/nvidia/isaac-sim:2023.1.1

# 環境變數
ENV ACCEPT_EULA=Y \
    PRIVACY_CONSENT=Y \
    ISAACSIM_HEADLESS=true

# 安裝 Python 依賴
RUN apt-get update && apt-get install -y python3-pip git && rm -rf /var/lib/apt/lists/*

# 安裝 PyTorch (與 CUDA 對應版本)
RUN pip3 install torch==2.2.0+cu121 torchvision==0.17.0+cu121 --extra-index-url https://download.pytorch.org/whl/cu121

# 下載 Isaac Lab
RUN git clone https://github.com/isaac-sim/IsaacLab.git /workspace/isaaclab
WORKDIR /workspace/isaaclab
RUN pip3 install -e .

注意：PyTorch CUDA 版本需與 Isaac Sim 映像內的 CUDA/cuDNN 相容。可在容器內 nvcc --version 與 torch.cuda.is_available() 驗證。

D. Pod 部署（K8s 範例）

apiVersion: v1
kind: Pod
metadata:
  name: isaac-lab-ppo
  namespace: robotics
spec:
  restartPolicy: Never
  containers:
  - name: isaac-lab
    image: myrepo/isaac-lab:latest
    command: ["python3","scripts/train.py","--task","Cartpole"]
    resources:
      limits:
        nvidia.com/gpu: 1
    volumeMounts:
    - name: datasets
      mountPath: /workspace/datasets
  volumes:
  - name: datasets
    persistentVolumeClaim:
      claimName: pvc-isaac-datasets

• 這會啟動一個訓練任務，並將數據集掛到 PVC。
• Cartpole 是最小 RL 任務，可驗證容器是否正常跑訓練 loop。

E. 驗證測試

1. CUDA 驗證：

   kubectl exec -n robotics isaac-lab-ppo -- python3 -c "import torch; print(torch.cuda.is_available())"
   

   預期：輸出 True。

2. cuDNN 驗證：

   python3 -c "import torch; print(torch.backends.cudnn.version())"
   

   預期：顯示 cuDNN 版本號。

3. 訓練驗收：

   • kubectl logs isaac-lab-ppo -n robotics
   • 預期看到 loss 曲線下降、policy update log。

F. 常見問題

• 版本不相容：PyTorch CUDA 版本與 Isaac Sim Base 不符，需調整對應 wheel。
• GPU 不可見：確認 Pod 有設 nvidia.com/gpu，GPU Operator 正常。
• ImportError: omni.isaac.lab → 確認 pip install -e . 已執行。
• 訓練不收斂 → 檢查 seed、超參數，或是否正確載入 Isaac Lab 環境。

感想

連休はあっという間だったQAQ