benchmark-isaacsim

por nvidia

Ejecuta scripts de benchmark de Isaac Sim e interpreta los resultados de los benchmarks. Cubre scripts de benchmark de cámara, SDG, carga de escenas, robot, lidar/radar/sensor, común…

npx skills add https://github.com/nvidia/omniperf --skill benchmark-isaacsim

Isaac Sim Benchmarking

Parameter references may be outdated. Always verify with ./python.sh <script> --help. For profiling details (Tracy, Nsight), see the profiling skill.

Setup

See the install-isaacsim skill for installation (pip, source build, Docker).

Before Running Any Benchmark

  1. Use a WARM run for headline FPS/frametime — see the COLD/WARM/TRACY method in the profiling skill.
  2. Set CPU governor to performance — see perf-tuning skill.
  3. Set Nucleus auth if using Nucleus-hosted assets — see install-isaacsim skill.
  4. Do not patch Isaac Sim shutdown by default. If Tracy shutdown hangs after outputs are complete, use the scoped last-resort guidance in the profiling skill.

Benchmark Scripts

All in standalone_examples/benchmarks/. Run via ./python.sh <script> [args].

ScriptWhat it measuresKey params
benchmark_camera.pyMulti-camera rendering FPS--num-cameras, --resolution W H
benchmark_sdg.pySynthetic data generation throughput--num-cameras, --annotators, --asset-count
benchmark_scene_loading.pyScene load time + FPS--env-url (required)
benchmark_robots_o3dyn.pyO3Dyn robot physics--num-robots, --physics
benchmark_robots_humanoid.pyHumanoid physics--num-robots, --physics
benchmark_robots_nova_carter.pyNova Carter (no ROS)--num-robots
benchmark_robots_nova_carter_ros2.pyNova Carter + ROS2--num-robots, --enable-3d-lidar, --enable-hawks
benchmark_robots_evobot.pyEvobot multi-phase--num-robots 1 10 20
benchmark_robots_ur10.pyUR10 manipulation--num-robots, --device
benchmark_core_world.pyCore world cloning--num-envs (no --num-frames)
benchmark_rtx_lidar.pyRTX lidar sensor--num-sensors, --lidar-type
benchmark_physx_lidar.pyPhysX lidar sensor--num-sensors
benchmark_rtx_radar.pyRTX radar sensor--num-sensors
benchmark_single_view_depth_sensor.pySingle-view depth camera--num-cameras, --resolution W H
benchmark_rtx_lidar_ros2_pcl_metadata.pyRTX lidar + ROS2 PCL (v6+)--num-sensors, --metadata
benchmark_nucleus_kpis.pyNucleus KPIs(none)

Common params: --num-frames (default 600), --num-gpus, --backend-type, --viewport-updates, --non-headless

Output control Kit args (append to any benchmark command):

--/exts/isaacsim.benchmark.services/metrics/metrics_output_folder=<output_dir>
--/log/file=<output_dir>/kit.log

Critical Gotchas

Parameter format: HYPHENS, not underscores

Isaac Sim uses hyphens in parameter names. Underscores are silently ignored by argparse:

CORRECT: --num-cameras 8 --num-gpus 1 --num-frames 600
WRONG:   --num_cameras 8  (silently uses default=1!)

Always verify result JSON to confirm params were applied.

Headless and viewport validation

When comparing benchmark outputs, record whether the run used --non-headless, --viewport-updates, render products, or camera sensors. Do not change viewport code or settings from this skill; if extra viewport work appears to affect results, hand off to perf-tuning.

JWT token expiry = silent black renders

Expired OMNI_PASS tokens cause silent asset loading failure. See install-isaacsim skill for the expiry check command.

carb.log_warn() doesn't go to stdout

Monitor progress by polling for result JSON files, not watching stdout. Kit log: ~/.nvidia-omniverse/logs/Kit/isaacsim*/kit.log or --/log/file=/tmp/kit.log.

Hung processes after results are written

If kpis_*.json and *.tracy exist with non-zero size and the process has not exited after 2 minutes with no new output, follow the profiling skill's guide-aligned shutdown handling and force-kill the app and capture processes.

Optimization Handoff

If results indicate per-camera viewport overhead, too many render products, default viewport work in headless mode, or poor multi-GPU scaling, do not apply fixes here. Summarize the benchmark evidence and use perf-tuning for the configuration changes.

Output Files

  • kpis_benchmark_<name>.json — benchmark KPIs (main results)
  • kit.log — execution log (if --/log/file= is set)
  • *.tracy — Tracy profiling trace (only with Tracy args)
  • *.nsys-rep — Nsight profiling trace (only with nsys)

Note: benchmark_result.json and startup_*.json are NOT produced by default in v5.x/v6.x. The primary results file is kpis_benchmark_<name>.json.


Más skills de nvidia

compileiq-debug
nvidia
Úsalo cuando algo esté mal: Search() se cuelga, todas las evaluaciones devuelven INVALID_SCORE, las puntuaciones no mejoran, cada configuración devuelve el mismo número, errores de ptxas…
create-github-pr
nvidia
Crear solicitudes de extracción de GitHub usando la CLI gh. Usar cuando el usuario quiera crear un nuevo PR, enviar código para revisión o abrir una solicitud de extracción. Palabras clave de activación -…
nemoclaw-maintainer-cross-issue-sweep
nvidia
Escanea otros issues abiertos para encontrar aquellos que un PR dado también podría corregir o romper accidentalmente. Genera oportunidades de corrección adyacente y riesgos de contradicción con archivo:línea…
fhir-basics
nvidia
Enseña a los agentes cómo funcionan las APIs de FHIR R4, qué recursos están disponibles, cómo consultarlos con parámetros de búsqueda y cómo analizar correctamente todos los formatos de respuesta…
compileiq-validate-result
nvidia
Usar DESPUÉS de que una Búsqueda haya finalizado y ANTES de reclamar cualquier aceleración o enviar un ACF. Carga el CSV de dump_results, extrae los mejores K candidatos (de un solo objetivo)…
changelog-audit
nvidia
Auditar el CHANGELOG.md de Warp antes de un lanzamiento: recuperar entradas perdidas, ordenar por impacto en el usuario, refinar el lenguaje de las entradas, ajustar saltos de línea y (en modo rama de lanzamiento) incrementar comparación…
maintain-dynamic-plugins
nvidia
Mantener los cargadores de plugins dinámicos de NeMo Relay, manifiestos, SDKs nativos de Rust, protocolo de trabajador gRPC, SDK de trabajador Python, documentación, pruebas y cobertura del flujo de trabajo de lanzamiento
dgx-diagnose
nvidia
Diagnostica problemas comunes de la DGX Station GB300: fallos de CUDA, direccionamiento incorrecto de GPU, errores de contenedores vLLM/SGLang, problemas de estado MIG, errores de NVLink/Fabric Manager,…