日期：2025-11

系统环境：Ubuntu 22.04 LTS

显卡要求：NVIDIA 显卡（支持 CUDA >= 11.7）

核心组件：Isaac Gym (Preview 4) + RSL_RL (v1.0.2) + Legged Gym

基础环境准备

Ubuntu 22.04 默认系统库较新，而 Isaac Gym 较旧，因此必须严格锁定 Python 和 PyTorch 版本。

注：显卡驱动和CUDA安装相对较容易，可以自行寻找教程

创建 Conda 环境

miniconda安装指南

使用 Python 3.8 以获得最佳兼容性。

conda create -n legged_gym python=3.8
conda activate legged_gym

安装 PyTorch 1.13

为了适配 Isaac Gym 且不引发 CUDA 兼容问题，使用以下特定版本：

pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url [https://download.pytorch.org/whl/cu117](https://download.pytorch.org/whl/cu117)

验证安装： 进入 Python 输入 import torch; print(torch.cuda.is_available()) 应返回 True。

安装 Isaac Gym (模拟器)

Isaac Gym下载地址

解压与安装

建议建立专门的工作目录（如 ~/workspace），不要在 Downloads 或 /tmp 下安装。

# 假设压缩包已在当前目录
tar -xf IsaacGym_Preview_4_Package.tar.gz
cd isaacgym/python
pip install -e .

解决 Ubuntu 22.04 核心兼容问题 (Critical)

现象：运行示例时报错 ImportError: libpython3.8.so.1.0: cannot open shared object file。 原因：系统找不到 Conda 环境内的动态链接库。 错误尝试：不要将路径直接写入 ~/.bashrc，这会导致系统命令（如 nano, ls）因库冲突而发生“段错误”或崩溃。

正确解决方案： 在运行时动态指定环境变量。后续我们将通过启动脚本 (train.sh) 来一劳永逸地解决此问题。

安装 RSL_RL (算法库)

RSL_RL仓库地址

这是配置中最容易出错的环节。官方最新版 (master 分支) 适配了新版 PyTorch 2.x，会导致依赖冲突（如 ModuleNotFoundError: tensordict 或 pyproject.toml 格式错误）。

解决方案：强制降级到 v1.0.2 版本。

cd ~/workspace  # 回到工作根目录
git clone [https://github.com/leggedrobotics/rsl_rl](https://github.com/leggedrobotics/rsl_rl)
cd rsl_rl

# 切换到稳定旧版本
git checkout v1.0.2

# 安装
pip install -e .

安装 Legged Gym (训练环境)

legged_gym仓库

安装本体

cd ~/workspace
git clone [https://github.com/leggedrobotics/legged_gym](https://github.com/leggedrobotics/legged_gym)
cd legged_gym
pip install -e .

解决 NumPy 版本冲突

现象：运行时报错 AttributeError: module 'numpy' has no attribute 'float'。 原因：Isaac Gym 依赖旧版 NumPy，而新版（1.24+）废弃了部分属性。 解决：

pip install "numpy<1.24"

补充缺失工具

如果不安装 Tensorboard，训练时会报错。

pip install tensorboard

运行与显存优化

创建通用启动脚本 (推荐)

为了解决 libpython 路径问题，且避免使用不稳定的 alias，在 legged_gym/scripts 目录下创建 train.sh。

cd legged_gym/scripts
# 写入脚本内容
echo '#!/bin/bash' > train.sh
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib' >> train.sh
echo 'python train.py "$@"' >> train.sh

# 赋予权限
chmod +x train.sh

解决显存溢出 (CUDA OOM)

现象：报错 RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED。 原因：默认配置开启 4096 个环境并行，显存需求大（需 8G+）。 解决： 修改 legged_gym/envs/a1/a1_config.py (或对应机器人的 config)。

class A1RoughCfg( LeggedRobotCfg ):
    class env( LeggedRobotCfg.env ):
        num_envs = 1024  # <--- 将 4096 改为 1024 或 512

启动训练

./train.sh --task=a1

常见报错速查表