Isaac Gym

소개

RBQ 로봇을 위한 오픈소스 Isaac Gym 학습 환경

이 가이드는 IsaacGym에서 RBQ 로봇의 보행 정책을 학습(Train)하고, 평가(Play)한 뒤, 실제 로봇에 배포(Deploy)하는 방법을 설명합니다.

요구사항

항목	요구사항
OS	Ubuntu 22.04 (x86_64)
CPU	Intel Core i7 12세대 이상
RAM	16 GB
저장공간	25 GB 이상
GPU	NVIDIA RTX 4080 이상

i

NOTE — GPU 호환성

Isaac Gym은 NVIDIA RTX 50 시리즈(Blackwell) GPU를 지원하지 않습니다. RTX 40 시리즈 이하를 사용하세요.

워크플로우

Train → Play → Sim2Sim → Deploy

단계	설명
Train	IsaacGym + PPO — 설계된 보상을 최대화하는 정책 학습
Play	IsaacGym 내에서 학습된 정책 검증
Sim2Sim	rbq_low_level로 MuJoCo에서 재평가
Deploy	실제 로봇에서 실행

Isaac Gym	MuJoCo

환경 설정

RBQ 저장소 루트에서 rbq_simulator/rbq_gym 디렉토리로 이동:

cd <workspace>/rbq_simulator/rbq_gym

환경 설정 스크립트 실행:

bash scripts/setup.bash

학습 (Train)

bash scripts/train.bash

• --headless 옵션을 추가하면 렌더링 없이 실행됩니다 (학습 속도 향상).

Train RBQ10

i

TIP

학습이 시작된 뒤 v 키를 누르면 렌더링을 멈춰 성능을 높일 수 있습니다. 진행 상황을 확인할 때 다시 켜면 됩니다.

평가 (Play)

학습된 정책 검증:

bash scripts/play.bash

옵션:

• --sim_device=cpu — GPU 대신 CPU 사용.
• --load_run <name> — 특정 실험 런 지정.
• --checkpoint <n> — 특정 모델 이터레이션 로드.

기본값: 마지막 런의 마지막 모델을 로드합니다.

Play RBQ10

Sim2Sim & 배포

학습 완료 후 policy.onnx와 info.json을 사용합니다.
MuJoCo 검증 및 실제 로봇 배포는 Low Level (RL 정책)을 참조하세요.

사전 학습된 정책 위치:

rbq_simulator/rbq_gym/policy/rbq10/
├── info.json
└── policy.onnx

디렉토리 구조

rbq_simulator/rbq_gym/
├── rbq_gym/
│   ├── envs/
│   │   ├── base/              # 기본 환경 클래스 및 설정
│   │   └── rbq10/             # RBQ10 환경, 설정, 보상 함수
│   ├── model_test.py
│   ├── play.py
│   ├── train.py
│   └── utils/                 # 헬퍼, 키보드, 로거, 수학, 태스크 레지스트리, 지형
├── policy/
│   └── rbq10/
│       ├── info.json
│       └── policy.onnx
├── scripts/
│   ├── setup.bash, train.bash, play.bash
├── dependencies.yaml
└── setup.py

새 환경 추가

1. rbq_gym/envs/에 새 폴더를 추가하고 기존 환경 설정을 상속받는 <env>_config.py 작성.
2. 새 로봇 추가 시: resources/에 에셋 추가, 설정에서 에셋 경로·바디 이름·기본 관절 위치·PD 게인 정의.
3. <env>_env.py에서 환경 구현 (기존 환경 상속, 보상 함수 오버라이드).
4. rbq_gym/envs/__init__.py에 환경 등록.
5. 보상을 비활성화하려면 scale을 0으로 설정 — 다른 환경의 파라미터는 수정하지 마세요.

관련 문서

• Isaac Lab — Isaac Lab 학습 환경
• Low Level (RL 정책) — 학습된 정책 배포
• 시뮬레이터 개요