ManiSkill 机器人仿真环境完整安装指南：一条命令跑起 GPU 并行仿真

ManiSkill 机器人仿真环境完整安装指南：一条命令跑起 GPU 并行仿真

【免费下载链接】ManiSkillManipulation Skill Framework, an open source GPU parallelized robotics simulator and benchmark项目地址: https://gitcode.com/GitHub_Trending/ma/ManiSkill

ManiSkill 是一个开源机器人操作仿真与训练框架，基于 SAPIEN 物理引擎，支持 GPU 并行仿真与并行渲染。本文带你从环境自查、安装、理解核心能力，到写出第一个可运行示例，并附上常见问题的排查方法。

能不能跑：环境自查

结论：Linux + NVIDIA GPU 支持最完整，Windows 与 MacOS 只支持 CPU 仿真和渲染，GPU 并行仿真目前仅 Linux 可用。

ManiSkill 的官方支持矩阵如下，安装前可先对照确认你的硬件：

系统 / GPU	CPU 仿真	GPU 仿真	渲染
Linux / NVIDIA GPU	✅	✅	✅
Windows / NVIDIA GPU	✅	❌	✅
Windows / AMD GPU	✅	❌	✅
WSL / 任意	✅	❌	❌
MacOS / 任意	✅	❌	✅

两个关键前提：

• 渲染依赖 Vulkan 驱动。没有 Vulkan，状态类仿真仍可用，但相机图像等视觉数据无法生成。
• GPU 仿真依赖 NVIDIA 显卡。若只跑 CPU 仿真，可跳过 Vulkan 配置。

怎么最快跑起来：最小安装路径

结论：核心包只需一条 pip 命令装好，再用一条命令行验证即可。

# 安装 ManiSkill 主包与兼容版本的 PyTorch pip install --upgrade mani_skill torch

需要更新特性时，可改用每日构建版本：

# 安装每日更新的 nightly 版本 pip install mani_skill-nightly torch

安装后运行一条随机动作演示来验证环境是否可用：

# 用随机动作跑 PickCube 任务，验证安装 python -m mani_skill.examples.demo_random_action -e PickCube-v1

能看到任务在随机策略下正常推进、不报错，就说明基础环境已就绪。更完整的选项（源码安装、Docker、故障排查）见安装文档。

它里面有什么：核心能力全景

结论：ManiSkill 提供 GPU 并行仿真、GPU 并行渲染、大量内置机器人和任务，并通过 Gymnasium 标准接口接入现有训练流程。

核心能力一览：

• GPU 并行仿真：单张 4090 上可达 20 万+ FPS 的状态仿真。
• GPU 并行渲染：同卡可达 3 万+ FPS 的 RGBD + 分割数据采集。
• 异构并行：每个并行环境可以放完全不同的场景与物体。
• 标准接口：基于 Gymnasium，便于接入强化学习与模仿学习。
• 内置资产：覆盖人形（Unitree H1、G1）、四足（ANYmal-C）、灵巧手（Allegro、Inspire）等机器人模型，以及桌面抓取、绘图、灵巧操作等任务。

内置任务按类别组织在源码目录下，可用gym.make加载，例如PickCube-v1、PushCube-v1、PegInsertionSide-v1等。

实际怎么用：完整实战示例

结论：用gym.make指定任务与并行数，再循环采样动作即可，所有返回数据都是批量化的 torch 张量。

import gymnasium as gym import mani_skill.envs env = gym.make( "PickCube-v1", num_envs=16, # 大于 1 自动启用 GPU 并行 obs_mode="state", # 也可 "rgbd" 获取视觉数据 control_mode="pd_ee_delta_pose", ) obs, _ = env.reset(seed=0) done = False while not done: action = env.action_space.sample() obs, reward, terminated, truncated, info = env.step(action) done = terminated or truncated env.close()

逐步说明：

1. num_envs=16表示并行 16 个环境，数值大于 1 时自动切换到 GPU 仿真模式。
2. obs_mode决定你拿到什么观测：state是状态，rgbd是图像加深度。
3. env.reset接受seed以保证结果可复现；env.step返回的观测、奖励、终止标志都是批量张量。
4. 需要单环境、非批量的 numpy 数据时，可套一层CPUGymWrapper。

命令行同样可以演示，例如加--render-mode="human"打开交互窗口，或--shader="rt-fast"开启光线追踪。

怎么更快更稳：进阶调优

结论：三个最关键的调优点是多卡指定、并行渲染与自定义资产目录。

• 指定 GPU 设备：多卡服务器上通过环境变量选择用哪块卡，例如export CUDA_VISIBLE_DEVICES=1后再运行代码，即可让程序使用物理编号 1 的显卡（进程内仍显示为cuda:0，可用nvidia-smi核实）。
• 并行渲染单场景：把parallel_in_single_scene=True传入gym.make，可在一个 GUI 里同时查看所有并行环境，并开启rt-fast获得更逼真的演示视频。

• 自定义资产存储路径：ManiSkill 会下载任务资产，默认存放在~/.maniskill/data。可用环境变量改到自定义目录，或跳过下载提示：

# 设置资产保存目录，并跳过缺失资产的下载提示 export MS_ASSET_DIR=/your/custom/path export MS_SKIP_ASSET_DOWNLOAD_PROMPT=1

出问题怎么办：避坑速查

结论：多数安装问题集中在 Vulkan 驱动与缺失的驱动配置文件，按下表对照排查。

错误现象	原因	解决方案
RuntimeError: vk::Instance::enumeratePhysicalDevices: ErrorInitializationFailed	Vulkan 驱动损坏或未正确安装	按官方步骤重装 Vulkan，检查驱动配置文件
Some required Vulkan extension is not present...	缺少 Vulkan 扩展	重装 Vulkan 与 NVIDIA 驱动
Segmentation fault (core dumped)	Vulkan 驱动异常	重装 Vulkan 与驱动
找不到libGLX_nvidia	安装了错误的 NVIDIA 驱动	改装nvidia-driver-xxx（避免带 server 的包）

Ubuntu 下安装与验证 Vulkan：

# 安装 Vulkan 运行时 sudo apt-get install libvulkan1 # 安装并运行检测工具 sudo apt-get install vulkan-tools && vulkaninfo

若vulkaninfo无输出，检查以下配置文件是否存在（缺失时可手动创建）：

• /usr/share/vulkan/icd.d/nvidia_icd.json
• /usr/share/glvnd/egl_vendor.d/10_nvidia.json
• /etc/vulkan/implicit_layer.d/nvidia_layers.json（部分 GPU 如 A100 必需）

如需卸载，运行pip uninstall mani-skill，并手动清理~/.maniskill目录下的缓存与数据。

下一步

建议接着阅读快速上手文档与强化学习配置指南，并在示例代码目录中按需运行演示脚本。

【免费下载链接】ManiSkillManipulation Skill Framework, an open source GPU parallelized robotics simulator and benchmark项目地址: https://gitcode.com/GitHub_Trending/ma/ManiSkill