install-isaaclab

tarafından nvidia

Isaac Lab'i, Isaac Sim destekli iş akışları veya Isaac Lab 3.0+ kit'siz/Newton iş akışları için kurun, ardından kurulumu doğrulayın. Kullanıcı kurulum, yapılandırma talep ettiğinde kullanın.

npx skills add https://github.com/nvidia/omniperf --skill install-isaaclab

Install Isaac Lab

Repo: https://github.com/isaac-sim/IsaacLab.git Modes: Isaac Sim-backed full install, or Isaac Lab 3.0+ kit-less/Newton install.

Choose Install Mode

  • Full Isaac Sim-backed install: use for PhysX, ROS, URDF/MJCF importers, Omniverse visualization, and most benchmarking/profiling work. This requires Isaac Sim first.
  • Kit-less/Newton install (Isaac Lab 3.0+): use only when the user explicitly wants core Isaac Lab/Newton workflows that do not require Isaac Sim features.

If the user does not specify, default to the full Isaac Sim-backed install for performance benchmarking.

Kit-less / Newton Quick Install (Isaac Lab 3.0+)

Use this path only when Isaac Sim features are not needed.

git clone https://github.com/isaac-sim/IsaacLab.git
cd IsaacLab
git checkout develop   # or a specific commit/tag

# Installs core Isaac Lab packages plus the Newton backend.
./isaaclab.sh -i

Do not use this mode for PhysX, ROS, URDF/MJCF importers, or Omniverse visualizers.

Full Isaac Sim-Backed Install

Step 1: Install Isaac Sim

See the install-isaacsim skill. You need a working Isaac Sim before proceeding.

Step 2: Install an Environment Manager (if not present)

Conda is the most common path; uv is also supported by recent Isaac Lab versions.

# Prefer an existing environment manager.
command -v conda >/dev/null && echo "CONDA OK" || echo "CONDA MISSING"
command -v uv >/dev/null && echo "UV OK" || echo "UV MISSING (needed for ./isaaclab.sh -u)"

If neither conda nor uv is available, ask before installing one. Do not run conda init from this skill; it mutates user shell startup files. If the user approves a local Miniconda install, use a non-mutating activation path:

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O /tmp/miniconda.sh
bash /tmp/miniconda.sh -b -p "$HOME/miniconda3"
source "$HOME/miniconda3/etc/profile.d/conda.sh"
conda --version

Step 3: Clone Isaac Lab

git clone https://github.com/isaac-sim/IsaacLab.git
cd IsaacLab
git checkout develop   # or a specific commit/tag

Step 4: Link Isaac Sim

# If Isaac Sim was source-built:
ln -s /path/to/IsaacSim/_build/linux-x86_64/release _isaac_sim

# If Isaac Sim was pip-installed, the link may not be needed —
# isaaclab.sh should detect the pip installation automatically.
# Check: ./isaaclab.sh -p -c "import isaacsim; print('OK')"

Step 5: Create Environment

# Choose one. Default environment name is env_isaaclab if omitted.
# Conda:
./isaaclab.sh -c env_isaaclab

# uv on supported versions:
./isaaclab.sh -u env_isaaclab

This creates an environment with the correct Python version and base dependencies. The default name (if you omit the argument) is env_isaaclab.

Note: You may need to accept conda channel TOS first if this is a fresh install:

conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/main
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/r

Step 6: Install Dependencies

# Conda
source "$(conda info --base)/etc/profile.d/conda.sh"
conda activate env_isaaclab

# Or uv
# source env_isaaclab/bin/activate

./isaaclab.sh -i

Important: Make sure to run these commands in bash (not sh). The source builtin and conda activate require bash.

Verify

source "$(conda info --base)/etc/profile.d/conda.sh"
conda activate env_isaaclab
cd IsaacLab

# Quick import check
./isaaclab.sh -p -c "import isaaclab; print('OK')"

# Run a minimal benchmark (few frames)
./isaaclab.sh -p scripts/benchmarks/benchmark_non_rl.py \
  --task=Isaac-Cartpole-Direct-v0 --viz none --num_frames 10 --num_envs=16

Note: --headless is deprecated in recent versions. Omit --viz for headless mode, or use --viz none to force headless when visualizers are configured.

Day-to-Day Activation

source "$(conda info --base)/etc/profile.d/conda.sh"
conda activate env_isaaclab
cd IsaacLab

Common Issues

./isaaclab.sh -i fails finding Isaac Sim

Make sure the _isaac_sim symlink points to a valid Isaac Sim build/install:

ls -la _isaac_sim/
# Should show Isaac Sim files (python.sh, kit/, exts/, etc.)

Conda env already exists

conda env remove -n env_isaaclab
./isaaclab.sh -c env_isaaclab

GPU not found / CUDA errors

Verify NVIDIA driver and CUDA:

nvidia-smi
python -c "import torch; print(torch.cuda.is_available())"

nvidia tarafından daha fazla skill

fhir-basics
nvidia
Ajanlara FHIR R4 API'lerinin nasıl çalıştığını, hangi kaynakların mevcut olduğunu, arama parametreleriyle nasıl sorgulanacağını ve tüm yanıt formatlarının nasıl doğru şekilde ayrıştırılacağını öğretir…
compileiq-validate-result
nvidia
Bir arama tamamlandıktan SONRA ve herhangi bir hızlandırma talep etmeden veya bir ACF göndermeden ÖNCE kullanın. dump_results CSV dosyasını yükler, en iyi K adayı (tek amaçlı) çıkarır…
changelog-audit
nvidia
Bir sürüm öncesinde Warp CHANGELOG.md dosyasını denetle: kayıp girdileri kurtar, kullanıcı etkisine göre sırala, girdi dilini iyileştir, satır kaydırma yap ve (sürüm dalı modunda) karşılaştırmayı artır…
dgx-diagnose
nvidia
Yaygın DGX Station GB300 sorunlarını teşhis edin — CUDA çökmeleri, yanlış GPU hedefleme, vLLM/SGLang konteyner hataları, MIG durumu sorunları, NVLink/Fabric Manager hataları,…
aicr-managing-openvex
nvidia
Use when adding, updating, or removing CVE/GHSA suppressions in `.openvex.json` — the OpenVEX document consumed by the daily image vulnerability scan workflow.…
aicr-creating-slide-decks
nvidia
Teknik bir kavram veya iş akışı için kendi kendine yeten bir HTML slayt sunumu veya görsel konuşma noktası oluştururken kullanın (ör. demos/*.html) — tam ekran gösterilir veya…
aicr-creating-guided-demos
nvidia
Etkileşimli rehberli demo scripti (demos/*.sh) hazırlar, canlı veya kendi hızında, Frame → Tell → Show → Close deseniyle. "demo script", "guided…" üzerine tetiklenir.
aicr-analyzing-snapshots
nvidia
AICR snapshot YAML dosyasını analiz ederken, küme durumunu incelerken, sağlayıcı özelliklerini karşılaştırırken, GPU/ağ topolojisi içgörüleri çıkarırken veya… kullanın.