Pular para o conteúdo principal

🎥 NVIDIA Isaac Sim

Objetivo do Módulo

Usar Isaac Sim para gráficos realistas, IA e treinamento de modelos.

💻 Requisitos de Sistema​

Mínimo​

  • GPU: NVIDIA RTX 2060 (6 GB VRAM)
  • CPU: Intel i7 ou AMD Ryzen 7
  • RAM: 16 GB
  • Armazenamento: 50 GB SSD
  • SO: Ubuntu 20.04/22.04 ou Windows 10/11

Recomendado​

  • GPU: NVIDIA RTX 4070 (12 GB VRAM)
  • RAM: 32 GB
  • Armazenamento: 100 GB NVMe SSD

📦 Instalação​

Download​

  1. Ir para https://developer.nvidia.com/isaac-sim
  2. Criar conta NVIDIA (grátis)
  3. Download Isaac Sim 2023.1.1 (~20 GB)

Instalação Linux​

# Extrair
cd ~/Downloads
chmod +x isaac-sim-*.AppImage
./isaac-sim-*.AppImage --appimage-extract

# Mover para local permanente
mv squashfs-root ~/.local/share/ov/pkg/isaac_sim-2023.1.1

# Criar launcher
~/.local/share/ov/pkg/isaac_sim-*/isaac-sim.sh

🌍 Primeiro Mundo​

Interface​

  1. Content Browser (bottom): Arrastar objetos para cena
  2. Viewport (center): Ver mundo 3D
  3. Property (right): Editar objetos
  4. Stage (left): Hierarquia da cena

Adicionar Humanoide​

# Isaac Sim usa Python Scripting
from omni.isaac.core.objects import DynamicCuboid
from omni.isaac.core.utils.stage import add_reference_to_stage

# Importar URDF
add_reference_to_stage(
    usd_path="/path/to/robot.usd",
    prim_path="/World/Robot"
)

🤖 ROS2 Bridge​

Configurar​

  1. Window → Extensions
  2. Buscar "ROS2"
  3. Ativar "omni.isaac.ros2_bridge"

Publicar Tópicos​

# No Isaac Sim Python console
import omni.isaac.core
from omni.isaac.core.utils.extensions import enable_extension

enable_extension("omni.isaac.ros2_bridge")

# Criar publisher de câmera
import omni.isaac.ros2_bridge as ros_bridge
ros_bridge.create_camera_publisher(
    camera_prim_path="/World/Robot/camera",
    topic_name="/robot/camera/image_raw"
)

Ver no ROS2:

ros2 topic list
# /robot/camera/image_raw

ros2 run rqt_image_view rqt_image_view

🧠 Treinamento de RL​

Cartpole Example​

# Isaac Sim vem com exemplos
cd ~/.local/share/ov/pkg/isaac_sim-*/standalone_examples/api/omni.isaac.gym

# Treinar
python cartpole.py

Saída:

Episode 1: Reward = 12.3
Episode 100: Reward = 85.7
Episode 500: Reward = 195.2  # Resolvido!

🎨 Ray Tracing​

Ativar​

  1. Viewport Settings (canto superior esquerdo)
  2. Renderer: RTX - Real-Time
  3. Denoiser: On

Performance:

  • RTX 3060: ~30 FPS
  • RTX 4080: ~90 FPS

🔗 Próximos Passos​

Próximo Módulo

🚀 Operação Prática Completa →

Projeto final integrando tudo que aprendeu.