Isaac Lab-Arena
Framework ouvert de NVIDIA pour créer des benchmarks robotiques et tester des politiques
Licence
Apache 2.0 (tourne sur Isaac Sim, qui a des parties propriétaires)
Code : Apache-2.0, d'après LICENSE.md. GitHub n'affiche aucune licence parce que le fichier commence par un titre Markdown. Environnement d'exécution requis : Isaac Sim, qui comprend des composants sous la licence propriétaire Omniverse de NVIDIA, et son EULA doit être acceptée pour faire tourner Arena. Les modèles et benchmarks utilisés avec Arena, comme GR00T, π0.5 ou des suites de tâches tierces, gardent leurs propres licences. Vérifié le 2026-11-06 d'après LICENSE.md et le README.
Aperçu
Isaac Lab-Arena est un framework open source de NVIDIA pour créer des benchmarks robotiques en simulation et y évaluer des politiques à grande échelle. Il étend Isaac Lab : un environnement se compose d'une scène, d'un embodiment de robot et d'une tâche, si bien qu'une tâche peut être reprise avec d'autres robots, objets et décors sans nouveau code. Une politique peut tourner dans des milliers d'environnements parallèles sur un GPU ou être répartie sur plusieurs machines, et les résultats montrent à quelle étape d'une tâche une politique échoue et à quelles conditions elle est sensible. C'est un logiciel en version alpha, dont la branche de version actuelle est 0.3.1, et des benchmarks publiés comme RoboDojo, RoboTwin 2.0 et les suites de tâches RoboCasa et LIBERO de Lightwheel tournent déjà dessus.
Isaac Lab-Arena est le framework de NVIDIA pour créer des benchmarks de simulation et y évaluer des politiques robotiques, écrit comme une extension d'Isaac Lab sur Isaac Sim. Au lieu d'une configuration distincte pour chaque combinaison de robot, d'objet et de décor, on compose un environnement à partir de trois parties indépendantes : une scène avec ses objets et son mobilier, un embodiment (le robot avec ses capteurs, ses observations et ses actions) et une tâche (ce que le robot doit faire et comment la réussite est jugée). Arena les assemble en un environnement Isaac Lab standard : faire passer une tâche d'un bras Franka à un humanoïde, ou d'une cuisine à une table d'emballage, revient à changer une seule brique. Les objets sont placés par des relations comme sur et à côté de plutôt que par des coordonnées, des gestes courts s'enchaînent en tâches longues, et un système de variations transforme un environnement en balayage de l'éclairage, des arrière-plans, des paramètres de caméra et de la masse des objets, une forme contrôlée de randomisation de domaine. Un agent expérimental transforme la description d'une tâche en langage courant en une spécification d'environnement modifiable, construite à partir de ressources SimReady.
L'évaluation fait tourner une politique dans des milliers d'environnements sur un GPU, et ces environnements peuvent contenir des objets différents. Les expériences qui combinent plusieurs tâches et politiques tournent en local ou sur plusieurs nœuds avec OSMO. Les politiques tournent derrière un serveur et dialoguent avec Arena par une seule interface d'observations et d'actions : le dépôt contient des intégrations pour GR00T, π0.5 d'OpenPI et DreamZero, et d'autres modèles se branchent de la même façon. Les résultats reviennent sous forme de métriques globales et par épisode. Des prédicats de sous-tâches enregistrent jusqu'où chaque déroulé est allé (saisir, soulever, transporter, poser), et l'analyse de sensibilité montre dans quelles conditions une politique échoue. Newton peut remplacer PhysX comme moteur physique pour les tâches déformables et riches en contacts, comme l'insertion d'engrenages.
Dans l'article de lancement de NVIDIA, évaluer GR00T N1.5 sur 10 tâches RoboCasa avec 4096 variantes d'environnement par tâche a pris 0,76 heure en parallèle sur 8 GPU, contre 34,9 heures l'une après l'autre dans le même framework, soit environ 40 fois plus vite. Un test préliminaire de la documentation a mesuré 2390 pas d'environnement par seconde avec 1024 environnements parallèles sur un seul GPU RTX 5880 Ada, sans caméras.
Les benchmarks vivent dans les dépôts de leurs auteurs et tournent sur Arena. Le README cite les suites de tâches de Lightwheel adaptées de RoboCasa et de LIBERO, RoboTwin 2.0, les workflows RHEO d'Isaac for Healthcare, VABAR, DexBench et RoboDojo. NVIDIA a annoncé RoboDojo sur Arena avec des tâches bimanuelles comme l'insertion de précision, le pliage et l'usage d'outils ; la branche Arena de RoboDojo fait tourner 54 tâches sur le robot à deux bras X5 d'ARX. Arena fournit lui-même un Kitchen Benchmark de 31 tâches de manipulation DROID et des tâches inspirées de RoboLab, listés dans ses environnements d'exemple. Les environnements Arena peuvent aussi être partagés sur l'Environment Hub de LeRobot et évalués avec la commande d'évaluation de LeRobot, comme le montre l'article de Hugging Face avec SmolVLA.
Pourquoi c'est important
Les politiques généralistes comme les modèles vision-langage-action se jugent à leur tenue sur de nombreuses tâches, robots et conditions, et tester cela sur du vrai matériel est lent, coûteux et difficile à reproduire. La simulation est le premier contrôle bon marché, mais les benchmarks arrivent généralement avec leurs propres environnements, scripts et lanceurs, si bien que tester une politique sur plusieurs d'entre eux demande plusieurs installations séparées. Arena les réunit sur un socle commun : les auteurs de benchmarks réutilisent les mêmes scènes, robots et métriques, et une équipe qui développe une politique peut tous les lancer par un seul client. Ses outils de prédicats et de sensibilité répondent aussi à ce qu'un simple taux de réussite masque : à quelle étape une politique a échoué et dans quelles conditions. Notre catalogue contient d'autres outils d'évaluation, SimplerEnv et Inspect Robots. Arena est celui qui est conçu pour créer de nouveaux benchmarks et les exécuter à l'échelle du GPU, et c'est le socle sur lequel s'appuient RoboDojo, RoboTwin et Lightwheel et que prend en charge l'Environment Hub de LeRobot.
Le problème résolu
Évaluer sérieusement une politique robotique généraliste, c'est la faire tourner sur de nombreuses tâches, robots, objets et conditions. En simulation, cela suppose en général un environnement et un lanceur écrits à la main pour chaque combinaison, avec des déroulés exécutés l'un après l'autre. Arena remplace cela par des briques réutilisables, une évaluation parallèle sur GPU et des métriques communes : un benchmark s'écrit une fois, se décline par configuration et s'exécute à grande échelle, et différents benchmarks passent par la même interface de politique.
Points clés
- Les environnements se composent de briques séparées de scène, d'embodiment et de tâche et donnent des environnements Isaac Lab standard
- Fait tourner une politique dans des milliers d'environnements parallèles sur un GPU, ou sur plusieurs machines avec OSMO
- Les politiques tournent derrière un serveur avec une seule interface, et des intégrations pour GR00T, π0.5 et DreamZero sont incluses
- La progression par sous-tâches et l'analyse de sensibilité montrent où une politique échoue et dans quelles conditions
- Parmi les benchmarks publiés construits dessus figurent RoboDojo, RoboTwin 2.0 et les suites de tâches RoboCasa et LIBERO de Lightwheel
- Logiciel alpha : les API changent d'une version à l'autre et NVIDIA déconseille de l'utiliser en production
Pour qui
- Équipes qui entraînent des politiques vision-langage-action ou d'autres politiques généralistes et ont besoin d'une évaluation reproductible sur de nombreuses tâches
- Auteurs de benchmarks qui veulent publier des tâches que d'autres peuvent exécuter sans reconstruire scènes, robots et métriques
- Utilisateurs d'Isaac Lab qui veulent ajouter à leurs environnements l'évaluation, des variations contrôlées et l'analyse des échecs
- Utilisateurs de LeRobot qui veulent partager des environnements de simulation via l'Environment Hub
Limites
- Logiciel alpha (version 0.3) : les API publiques changent sans avertissement d'obsolescence, et NVIDIA déconseille l'usage en production
- Linux uniquement (Ubuntu 22.04 ou plus récent), avec un GPU NVIDIA qui répond aux exigences matérielles d'Isaac Sim
- Tourne sur Isaac Sim, qui comprend des composants sous licence propriétaire de NVIDIA, donc l'ensemble de la pile n'est pas open source
- Lié à la pile de NVIDIA : chaque environnement est un environnement Isaac Lab, donc les benchmarks construits sur Arena ne tournent que là
- Les versions sont des branches de release et non des releases GitHub étiquetées, et chacune fixe des versions précises d'Isaac Lab et d'Isaac Sim
- La génération agentique d'environnements est marquée comme expérimentale, et ses agents comme sa conception peuvent changer