[Isaac Lab] AWS EC2 g5.xlarge + Amazon DCV で Isaac Sim を GUI 起動し、SO-ARM101 を手動で動かしてみました

1 はじめに

製造ビジネステクノロジー部の平内（SIN）です。

ロボット制御や強化学習の勉強のためのシミュレータ環境として NVIDIA Isaac Sim / Isaac Lab がありますが、これを快適に動かすには RT Core を搭載した GPU が必要です。

そして、AWS EC2 にクラウド GPU 環境を立てるアプローチが、ここ Developers IO で、既に紹介されています。

https://dev.classmethod.jp/articles/ec2-isaac-sim-session-manager/

NVIDIA / AWS 公式サポートの構成（Marketplace AMI「NVIDIA Isaac Sim Development Workstation」+ g6e インスタンス + SSM ポートフォワーディング）で、SSH キー不要・インバウンドポート全閉という美しい構成でブラウザから Amazon DCV に接続するアプローチが示されています。

「Isaac Sim をすぐ触ってみたい」「公式サポート構成で安定運用したい」というのであれば、この記事が最短ルートで素直で優れた選択になると思います。

私もこの記事に倣って、作業を進めていたのですが、「Isaac Sim を一度体験してみる」ではなく「継続的に Isaac Sim / Isaac Lab を学習したい」となると、AWS 利用費がどうしても気になってきます。

そこで、本記事では、基本的に先の記事をなぞりながら、少し工夫してみた点について紹介させてください。

2 本記事で工夫した点

本記事の工夫点は、以下です。

1. g5.xlarge 利用 — 公式サポート外ですが、driver / kit / docker run の組み合わせを詰めて動作確認できました
2. t3 ↔ g5 切替運用 — 普段は t3.medium 、GPU 必要時のみ g5.xlarge に切り替える運用形態にしました
3. EBS 35 GiB 最小スタート — 停止時の EBS 利用費を抑えるため、最小限のサイズにしました（オンライン拡張可能）
4. NGC コンテナベース（AMI 非依存） — 派生イメージで xdg-utils 同梱や Isaac Lab pre-install などを後から積むことも視野に入れました
5. CDK で IaC 化 — teardown.sh で完全削除、ISAAC_VERSION 変数で NGCのバージョンを指定することで、Isaac Sim のバージョン追従可能になっています
6. シェルスクリプト — 再現性を確保し、改善を積み重ねられるように、操作シェルをいくつか準備しました

Marketplace AMI（g6e / g7e のみ対応）は、使用せず、NGC コンテナをUbuntuに立てる構成となっています。

工夫の結果、利用費は、概ね以下となりました。

単価は 2026/05/15 時点のものです。
Amazon EC2 オンデマンド料金

なお、g5.xlarge を 1 ヶ月起動しっぱなしにすると約 17 万円となってしまいます。使用していない時の停止忘れには、十分に注意が必要です。

個人的には、下記のしくみで止め忘れをサポートする環境を構築しています。

[Amazon EC2] LINE で「まだ使ってる？」と聞いてくる EC2 停止忘れ防止の仕組みを作ってみました

3 前提環境

4 環境構築

最初に t3.medium で安く環境を整え、必要なときだけ g5.xlarge に切り替える運用です。

(1) AWS 側の事前確認

最初に、対象アカウント・リージョンで g5.xlarge が起動可能かを確認します。

G/VT vCPU クォータ確認

g5.xlarge は Running On-Demand G and VT instances という vCPU ベースのクォータに紐付きます。g5.xlarge = 4 vCPU 必要。

$ aws service-quotas get-service-quota \
  --service-code ec2 \
  --quota-code L-DB2E81BA \
  --region ap-northeast-1 \
  --query 'Quota.{Quota:QuotaName, Value:Value}' \
  --output table

---------------------------------------------------
|                 GetServiceQuota                 |
+----------------------------------------+--------+
|                  Quota                 | Value  |
+----------------------------------------+--------+
|  Running On-Demand G and VT instances  |  768.0 |
+----------------------------------------+--------+

Value が 4 以上なら OK。私のアカウントでは 768 vCPU だったのでそのまま進めました。不足なら Service Quotas コンソールから引き上げ申請します。

提供 AZ 確認

GPU インスタンスは AZ 限定で提供されます。ap-northeast-1 で g5.xlarge の提供 AZ を確認します。

$ aws ec2 describe-instance-type-offerings \
  --location-type availability-zone \
  --filters Name=instance-type,Values=g5.xlarge \
  --region ap-northeast-1 \
  --query 'InstanceTypeOfferings[].Location' \
  --output table
-------------------------------
|DescribeInstanceTypeOfferings|
+-----------------------------+
|  ap-northeast-1a            |
|  ap-northeast-1c            |
+-----------------------------+

確認時点では ap-northeast-1a と ap-northeast-1c で提供されていました。CDK の VPC は ap-northeast-1a 固定となっています。

NGC API Key 準備

Isaac Sim の Docker イメージを nvcr.io から pull するため、NVIDIA NGC の API Key が必要です。

1. NGC にアクセスしてアカウント作成（無料、既存の NVIDIA Developer アカウントでも可）
2. 右上のアバター → Account Settings → Keys & Secrets → API Keys → Generate API Key
3. Services で NGC Catalog にチェックを入れて生成
4. 表示された Key を一度だけ控える（再表示不可）

AWS Session Manager Plugin のインストール

先の記事で紹介されていたとおり、AWS Systems Manager Session Manager 経由で接続するため、ローカル PC に AWS CLI v2 に加えて Session Manager Plugin が必要です。インストール方法は OS ごとに異なるので、公式ドキュメントを参照してください。

Session Manager プラグインをインストールする

# Homebrew で入れる場合
$ brew install --cask session-manager-plugin

# 動作確認
$ session-manager-plugin --version
1.2.814.0 # 2026.05 時点

(2) リポジトリ取得 + CDK デプロイ

$ git clone https://github.com/furuya02/aws-ec2-isaaclab-soarm101-gui.git
$ cd aws-ec2-isaaclab-soarm101-gui
$ cd cdk
$ pnpm install
$ pnpm exec cdk bootstrap # 初回のみ
$ pnpm exec cdk deploy

GitHub: cdk/lib/aws-ec2-isaaclab-soarm101-gui-stack.ts

CDK スタックには以下が含まれます。

• VPC（ap-northeast-1a 単一 AZ、Public Subnet、NAT なし）
• Security Group（インバウンド全閉、アウトバウンドのみ）
• IAM Role（AmazonSSMManagedInstanceCore + S3 Read for DCV License / NVIDIA driver）
• EC2 Instance（初期 t3.medium / EBS gp3 35 GiB）

Outputs には以下が表示されます。いずれも Public IP に依存しないため、stop/start のたびに値が変わることはありません。

• InstanceId — stop/start で不変
• SsmStartCommand — SSM Session Manager の対話シェル起動コマンド
• DcvPortForwardCommand — localhost:8443 → EC2:8443 のポートフォワーディングコマンド

この時点では、t3.mediumのインスタンスが上がります。

(3) 接続確認（SSM Session Manager）

GitHub: scripts/connect.sh

$ ./scripts/connect.sh

scripts/connect.sh は Name タグで running なインスタンスの InstanceId を引いて、SSM Session Manager の対話シェルを開くヘルパーです。

SSM Session Manager では、デフォルトで、ssm-user というユーザーで /home/ssm-user にログインします。

本記事は ubuntu ユーザーのホーム に作業ファイルを置く前提で、connect.sh の中で sudo su - ubuntu を実行する形にしてあります（--document-name AWS-StartInteractiveCommand --parameters command="sudo su - ubuntu"）。

$ ./connect.sh
Opening SSM session to i-09767e6e4d0500cbf (as ubuntu)...

Starting session with SessionId: AssumeRole-Session-4qln4eakc9cgj7nx64y565dd4e
To run a command as administrator (user "root"), use "sudo <command>".
See "man sudo_root" for details.

$ uname -a
Linux ip-10-0-0-4 6.8.0-1053-aws #56~22.04.1-Ubuntu SMP Tue Apr 21 06:13:23 UTC 2026 x86_64 x86_64 x86_64 GNU/Linux
$ whoami
ubuntu
$ pwd
/home/ubuntu
$ nvidia-smi
Command 'nvidia-smi' not found, but can be installed with:

この時点では、GPUが利用できる環境ではないため、nvidia-smiは利用できません。

(4) EC2 上にリポジトリを配置

setup-docker.sh などのセットアップスクリプトは EC2 上で実行するため、EC2 にも同じリポジトリを clone し、~/scripts から参照できるようにします。

$ cd ~
$ git clone https://github.com/furuya02/aws-ec2-isaaclab-soarm101-gui.git
$ ln -s ~/aws-ec2-isaaclab-soarm101-gui/scripts ~/scripts

$ ls ~/scripts/
connect.sh           launch-isaac.sh  setup-docker.sh  switch-to-g5.sh  teardown.sh
dcv-port-forward.sh  setup-dcv.sh     setup-isaac.sh   switch-to-t3.sh

以降の ~/scripts/... はこのシンボリックリンク経由で実行します。

(5) Docker + NVIDIA Container Toolkit インストール

t3.medium 上で Docker CE と NVIDIA Container Toolkit を入れます。GPU 不要な作業なので、g5 に切り替える前に t3 で済ませることでコストを抑えます。

GitHub: scripts/setup-docker.sh

$ ~/scripts/setup-docker.sh

setup-docker.shでは、以下を実行しています。

1. Docker CE のインストール

• Docker 公式の GPG キーと apt リポジトリ（download.docker.com）を追加
• docker-ce / docker-ce-cli / containerd.io / docker-buildx-plugin / docker-compose-plugin を一括インストール
• ubuntu ユーザーを docker グループに追加（以降は sudo なしで docker コマンドを叩ける）

2. NVIDIA Container Toolkit のインストール

• NVIDIA 公式の GPG キーと apt リポジトリ（nvidia.github.io/libnvidia-container）を追加
• nvidia-container-toolkit パッケージを導入
• sudo nvidia-ctk runtime configure --runtime=docker で Docker daemon に nvidia ランタイムを登録（/etc/docker/daemon.json を書き換え）
• sudo systemctl restart docker で反映

Toolkitは t3.medium に GPU が無くても apt 経由のインストールは普通に進みます。

setup-docker.sh (抜粋)

#!/bin/bash
set -euo pipefail

# --- Docker CE ---

# 1. Docker 公式 GPG キーと apt リポジトリを追加
sudo apt-get update
sudo apt-get install -y ca-certificates curl gnupg
sudo install -m 0755 -d /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg \
  | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
sudo chmod a+r /etc/apt/keyrings/docker.gpg
echo "deb [arch=$(dpkg --print-architecture) \
       signed-by=/etc/apt/keyrings/docker.gpg] \
       https://download.docker.com/linux/ubuntu \
       $(. /etc/os-release && echo "$VERSION_CODENAME") stable" \
  | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# 2. Docker 関連パッケージを一括インストール
sudo apt-get update
sudo apt-get install -y docker-ce docker-ce-cli containerd.io \
                       docker-buildx-plugin docker-compose-plugin

# 3. ubuntu ユーザーを docker グループに追加（sudo なしで docker 実行可）
sudo usermod -aG docker ubuntu

# --- NVIDIA Container Toolkit ---

# 4. NVIDIA 公式 GPG キーと apt リポジトリを追加
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey \
  | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list \
  | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' \
  | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

# 5. nvidia-container-toolkit を入れて Docker daemon に nvidia runtime を登録
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit
sudo nvidia-ctk runtime configure --runtime=docker   # /etc/docker/daemon.json を書き換え
sudo systemctl restart docker

NFO[0000] Config file does not exist; using empty config
INFO[0000] Wrote updated config to /etc/docker/daemon.json
INFO[0000] It is recommended that docker daemon be restarted.

==> Docker + NVIDIA Container Toolkit installed.
==> Log out and back in (or run 'newgrp docker') so the docker group takes effect.
$

完了後、docker グループの反映のため一度 exit で SSM セッションを抜けて再接続（./scripts/connect.sh）すれば、sudo なしで docker ps できます。また、nvidia-container-toolkitのインストールが完了していることも確認できます。

$ docker ps
CONTAINER ID   IMAGE     COMMAND   CREATED   STATUS    PORTS     NAMES
$ nvidia-ctk --version
NVIDIA Container Toolkit CLI version 1.19.0
commit: ec7b4e2fa2caecad6d89be4a26029b831fe7503a

5 Amazon DCV セットアップ

(1) g5.xlarge への切替

ここからは、GPUインスタンスによる課金に注意が必要です。（g5.xlarge は約 232 円/h かかります）

GitHub: scripts/switch-to-g5.sh

ローカルPCで、switch-to-g5.shを実行します。

$ ./scripts/switch-to-g5.sh

スクリプトは「stop → modify-instance-attribute → start → wait」を一括実行します。EBS は共有で引き継がれるため、ここまでの作業は引き継がれます。

注意：g5 系はキャパシティ不足で起動失敗（InsufficientInstanceCapacity）することがあります。その場合は時間を置いて再試行するか、g6.xlarge 等の別タイプにフォールバックします。

(2) NVIDIA Datacenter Driver + Amazon DCV インストール

g5 に再接続（./scripts/connect.sh）してからsetup-dcv.shを実行します。

GitHub: scripts/setup-dcv.sh

＄ ~/scripts/setup-dcv.sh

スクリプトは、以下を実行します。

1. ubuntu-desktop-minimal インストール
2. Wayland 無効化（DCV は Xorg ベース）
3. gcc-12 を導入して default に切替（kernel 6.8 の DKMS ビルドに必須）
4. CUDA Datacenter driver 570（nvidia-driver-570）を apt で導入
5. xorg.conf を手書きで作成（AllowEmptyInitialConfiguration "True" 含む）
6. Amazon DCV Server 2025.0 をインストール
7. dcv.conf で自動 console session を有効化
8. dcvserver を enable + start
9. ubuntu ユーザーのパスワードを設定（DCV ログイン用）

setup-dcv.sh (抜粋)

# kernel 6.8 の DKMS ビルドには gcc-12 が必須（gcc-11 では失敗）。--set で明示切替する
sudo apt-get install -y build-essential gcc-12 "linux-headers-$(uname -r)"
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-12 100
sudo update-alternatives --set gcc /usr/bin/gcc-12

# GRID ではなく CUDA Datacenter driver 570 を apt で導入（GRID は Isaac Sim でクラッシュ → 後述「10-(1)」）
wget -q https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update && sudo apt-get install -y nvidia-driver-570

# DCV の自動 console session を ubuntu 所有で作成
sudo tee /etc/dcv/dcv.conf > /dev/null <<'EOF'
[session-management]
create-session = true
[session-management/automatic-console-session]
owner = "ubuntu"
[display]
target-fps = 30
EOF

sudo systemctl enable --now dcvserver
sudo passwd ubuntu   # DCV ブラウザログインで使うパスワードを設定

sudo passwd ubuntu で設定するパスワードが、後でブラウザから DCV ログインする際に使われます。

==> Set the ubuntu user password for DCV login:
New password:
Retype new password:
passwd: password updated successfully

============================================================
 DCV setup complete.
 Reboot is required to load NVIDIA driver 570:
   sudo reboot

 After reboot, open in your browser:
   https://<PublicIp>:8443
   Username: ubuntu
   Password: (the one you just set)
============================================================

完了後、ドライバ反映のため reboot します:

＄ sudo reboot

1〜2 分待ってから ./scripts/connect.sh で再接続し、nvidia-smi で A10G + driver 570 + Xorg + DCV agent が GPU を使っていることを確認します。

(3) ブラウザから DCV 接続（SSM ポートフォワーディング）

DCV のポート 8443 は Security Group で閉じてあるため、SSM Session Manager の AWS-StartPortForwardingSession で localhost:8443 → EC2:8443 のトンネルを張ってからブラウザ接続します。

GitHub: scripts/dcv-port-forward.sh

ローカル PC で、別ターミナルから、トンネルを張ります。（Ctrl+C で切断）

$ ./scripts/dcv-port-forward.sh
==> Forwarding localhost:8443 -> i-09767e6e4d0500cbf:8443
    Open in a browser:  https://localhost:8443
    (Ctrl+C to stop)

Starting session with SessionId: AssumeRole-Session-3yfdooddj9baagflchg6cxhdje
Port 8443 opened for sessionId AssumeRole-Session-3yfdooddj9baagflchg6cxhdje.
Waiting for connections...

続いてブラウザで、https://localhost:8443を開きます。

自己署名証明書のため警告が出ます。Chrome なら「詳細設定」→「localhost にアクセスする（安全ではありません）」で進みます。

• Username: ubuntu
• Password: 先ほど sudo passwd ubuntu で設定したもの

Ubuntu の GNOME デスクトップがブラウザに表示されれば成功です。

6 Isaac Sim GUI で SO-ARM101 を触ってみる

(1) NGC ログイン + Isaac Sim コンテナ取得

GitHub: scripts/setup-isaac.sh

SSM セッション内（./scripts/connect.sh で接続中）の EC2 上で:

~/scripts/setup-isaac.sh

スクリプトは以下を行います。

1. NGC API Key を対話入力
2. docker login nvcr.io --username '$oauthtoken' --password-stdin
3. docker pull nvcr.io/nvidia/isaac-sim:5.1.0
4. ~/work 配下のパーミッション緩和（sudo chmod -R a+rwX ~/work/）
5. git clone https://github.com/MuammerBay/isaac_so_arm101.git
6. Isaac Sim 起動用の docker run コマンドを画面に表示

setup-isaac.sh (抜粋)

#!/bin/bash
set -euo pipefail
ISAAC_VERSION="${ISAAC_VERSION:-5.1.0}"                  # この変数で Isaac Sim のバージョンを切替可能
NGC_IMAGE="nvcr.io/nvidia/isaac-sim:${ISAAC_VERSION}"

# 1. NGC API Key を対話入力（履歴・ファイルには残さない）
echo "Enter your NGC API Key (input is hidden):"
read -rs NGC_API_KEY

# 2. NGC レジストリにログイン（Username は文字通り '$oauthtoken' 固定）
echo "${NGC_API_KEY}" | docker login nvcr.io \
  --username '$oauthtoken' --password-stdin
unset NGC_API_KEY

# 3. Isaac Sim コンテナを pull（~30 GB、初回は 5〜20 分）
docker pull "${NGC_IMAGE}"

# 4. SO-ARM101 の URDF をリポジトリから取得（uv sync は不要、URDF を借りるだけ）
mkdir -p ~/work && cd ~/work
[[ -d isaac_so_arm101 ]] || git clone https://github.com/MuammerBay/isaac_so_arm101.git

# 5. URDF Importer が同階層に USD ファイルを書き出すため、~/work の書込権限を緩める
#    （コンテナ内 root → ホスト ubuntu uid 1000 の書込問題を回避）
sudo chmod -R a+rwX "${HOME}/work"

# 6. Isaac Sim 用 cache ディレクトリを事前作成（GPU タイプ切替時はクリア推奨）
mkdir -p ~/docker/isaac-sim/{kit-cache,ov-cache,gl-cache,compute-cache,logs}

(2) Isaac Sim を Native GUI モードで起動

GitHub: scripts/launch-isaac.sh

DCV のデスクトップ画面に戻り、そのデスクトップ内のターミナルから、起動スクリプトを実行します。

$ ~/scripts/launch-isaac.sh

launch-isaac.sh は内部で以下を実行します:

• DISPLAY 必須チェック（無ければエラーで停止）
• cache ディレクトリを ~/docker/isaac-sim/{kit,ov,gl,compute}-cache + logs で事前作成
• xhost +local:docker で X server へのアクセス許可
• 既存 isaac-sim コンテナの残骸を docker rm -f
• docker run --runtime=nvidia --gpus all --ipc=host --network=host ... --entrypoint /isaac-sim/kit/kit nvcr.io/nvidia/isaac-sim:5.1.0 /isaac-sim/apps/isaacsim.exp.full.kit --/app/extensions/registryEnabled=false を exec で起動

launch-isaac.sh (抜粋)

#!/bin/bash
set -euo pipefail

NGC_IMAGE="${NGC_IMAGE:-nvcr.io/nvidia/isaac-sim:5.1.0}"
EXPERIENCE="${EXPERIENCE:-/isaac-sim/apps/isaacsim.exp.full.kit}"

# 1. DISPLAY 必須チェック（SSM / SSH ターミナル等での誤実行を早期失敗させる）
if [[ -z "${DISPLAY:-}" ]]; then
  echo "Error: DISPLAY is not set. Run inside the DCV desktop terminal." >&2
  exit 1
fi

# 2. --clear-cache: GPU タイプ切替直後など、shader cache の不整合を解消したい時
if [[ "${1:-}" == "--clear-cache" ]]; then
  rm -rf ~/docker/isaac-sim/{kit-cache,ov-cache,gl-cache,compute-cache,logs}
fi

# 3. cache ディレクトリ確保 + X server アクセス許可 + 残骸コンテナ掃除
mkdir -p ~/docker/isaac-sim/{kit-cache,ov-cache,gl-cache,compute-cache,logs}
xhost +local:docker > /dev/null
docker rm -f isaac-sim 2>/dev/null || true

# 4. Native GUI を kit + experience を直接指定して起動
#    （./isaac-sim.sh は default で Streaming experience になるため使わない）
#    --/app/extensions/registryEnabled=false: online extension registry
#    （omni.kit.registry.nucleus）の同期を無効化。付けないと起動が数分 hang する
#    ことがある。URDF はローカルから読み込むので online registry は不要。
exec docker run --name isaac-sim --rm \
  --runtime=nvidia --gpus all \
  --ipc=host --network=host \
  -e DISPLAY="${DISPLAY}" -e ACCEPT_EULA=Y -e PRIVACY_CONSENT=Y \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  -v "${HOME}/work:/work" \
  -v "${HOME}/docker/isaac-sim/kit-cache:/isaac-sim/kit/cache:rw" \
  -v "${HOME}/docker/isaac-sim/ov-cache:/root/.cache/ov:rw" \
  -v "${HOME}/docker/isaac-sim/gl-cache:/root/.cache/nvidia/GLCache:rw" \
  -v "${HOME}/docker/isaac-sim/compute-cache:/root/.nv/ComputeCache:rw" \
  -v "${HOME}/docker/isaac-sim/logs:/root/.nvidia-omniverse/logs:rw" \
  --entrypoint /isaac-sim/kit/kit \
  "${NGC_IMAGE}" \
  "${EXPERIENCE}" \
  --/app/extensions/registryEnabled=false

数分待つと、DCV デスクトップに 「Isaac Sim Full 5.1.0」 のウィンドウが開きます。途中で「is not responding」ダイアログが出たら Wait を押して待ち続けます。

(3) URDF Import

メニュー File → Import を選び、ファイル選択ダイアログで URDF を選びます。

/work/isaac_so_arm101/src/isaac_so_arm101/robots/trs_so101/urdf/so_arm101.urdf

Import ボタンを押すと、3D Viewport に SO-ARM101 のロボットアームが表示されます。

初回は表示までにロボットのマテリアルのシェーダーコンパイルで数分かかります。2 回目以降はキャッシュが効いて速くなります。

(4) Physics Inspector で 6 関節を動かす

メニュー Tools → Physics → Physics Inspector を開きます。Stage パネルで so101_new_calib を選択した状態で、Physics Inspector 上部の 円形矢印アイコンをクリックします。

その後表示される Re-Enable authoring ボタンを押すと、Articulation がパースされ、6 関節のスライダーが表示されます。

各行の中央にある青いバー（Drive Target Position）をドラッグすると、3D Viewport で SO-ARM101 のリンクがリアルタイムに動きます。

(5) 2 回目以降の起動を速くする：シーンを USD として保存

URDF Import は そのたびに USD を生成し直すため、ロボットのマテリアルのシェーダーコンパイルが毎回走ります。これを避けるには、最初の 1 回だけ URDF Import し、結果を USD として保存して、次回からはそれを開きます。

1. URDF Import してアームが表示された状態で、File → Save As で保存（例: /work/so_arm101_scene.usd）
2. 次回からは File → Import ではなく File → Open でその USD を開く

こうすると、シェーダーキャッシュ（~/docker/isaac-sim/{kit,ov,gl,compute}-cache にホスト保存）が効いて、2 回目以降はコンパイル待ちがほぼ無く開けるようになります。

シェーダーキャッシュは EBS に永続化されているので、Docker やインスタンスを再起動しても残ります。

7 g5.xlarge で対応できるか（実測）

「公式サポート外の g5.xlarge で本当に足りるのか」を、nvtop（sudo apt install -y nvtop）で実測しました。

• GPU-Util は定常 28% 前後（カメラ回転や関節操作の瞬間だけ一時的に 70〜75% 程度までスパイク）→ A10G は余裕
• kit（Isaac Sim 本体）が CPU 約 245%（≒ 2.4 コア）を常時消費 → 4 vCPU の g5.xlarge では まだ大丈夫
• dcvagent（DCV）は CPU 17% 程度（GPU エンコードを使うため軽い）

操作時の FPS は 100 前後出ており、SO-ARM101 を Physics Inspector で動かす程度なら g5.xlarge で問題なしと言えそうです。

今後、CPU が不足したら g5.2xlarge へ、GPU が不足したら g6e へ移行を検討することにします。

8 停止・t3.medium への移行

GUI 操作が必要ない（データのコピーなど）場合、 t3.medium へ戻すことでコスト削減となります。

GitHub: scripts/switch-to-t3.sh

./scripts/switch-to-t3.sh

なお、作業がない場合は、インスタンスは確実に停止してください。

9 完全削除

下記のコマンドで完全削除できます。

GitHub: scripts/teardown.sh

./scripts/teardown.sh

スクリプトは内部で pnpm exec cdk destroy --force を実行し、その後 EC2 / EBS の残留をチェックします。CDK 管理下のため、Stack 削除で EC2 / EBS / SG / IAM Role / VPC まで一括削除されます。

10 気になった点

(1) GRID driver では Isaac Sim 5.1.0 が動かない

私の環境だけかも知れませんが、NVIDIA GRID driver（Virtual Workstation 用）で Isaac Sim 5.1.0 を起動すると、librtx.scenedb.plugin.so!carbOnPluginStartup でクラッシュしてしまいました。

[Fatal] [carb.crashreporter-breakpad.plugin] 004: librtx.scenedb.plugin.so!carbOnPluginStartup+0x3b4de
...
Segmentation fault (core dumped)

今回は、GRID driver ではなく CUDA Datacenter driver nvidia-driver-570 を apt で入れました。

(2) headless

AWS の EC2 はモニタが接続されていない headless サーバなので、Option "AllowEmptyInitialConfiguration" "True" を含めないと Xorg が起動できません。

Section "Device"
    Identifier "Device0"
    Driver "nvidia"
    Option "AllowEmptyInitialConfiguration" "True"
EndSection

(3) ./isaac-sim.sh はデフォルトで Streaming experience が起動する

nvcr.io/nvidia/isaac-sim:5.1.0 の /isaac-sim/isaac-sim.sh を実行すると、ログに Isaac Sim Full Streaming Version: 5.1.0-rc.19 と出て、WebRTC streaming プロファイルが起動します。この状態では DCV デスクトップに Native GUI ウィンドウが描画出来ませんでした。

docker run ... \
  --entrypoint /isaac-sim/kit/kit \
  nvcr.io/nvidia/isaac-sim:5.1.0 \
  /isaac-sim/apps/isaacsim.exp.full.kit

/isaac-sim/apps/ には isaacsim.exp.full.kit（Native）と isaacsim.exp.full.streaming.kit（Streaming）が分かれて存在しており、Native を明示することで DCV に Isaac Sim ウィンドウが表示できました。

(4) URDF Import で Could not create directory エラー

Isaac Sim の URDF Importer は URDF と同じディレクトリに USD ファイルを書き出します。setup-isaac.sh では、コンテナ内 root が書き込めるよう、ホスト側 ~/work のパーミッションを緩めています。

sudo chmod -R a+rwX ~/work/

(5) GPU タイプを切り替えたら shader cache をクリア

GPUタイプを変えて Isaac Sim を起動すると、[56s] omni.kit.registry.nucleus startup の段階で hang しました。

GPU タイプを変更したら cache を全削除して再生成が必要です。

rm -rf ~/docker/isaac-sim/{kit-cache,ov-cache,gl-cache,compute-cache,logs}
mkdir -p ~/docker/isaac-sim/{kit-cache,ov-cache,gl-cache,compute-cache,logs}

(6) NVIDIA driver の DKMS ビルドが gcc-11 で失敗する

kernel 6.8 環境では nvidia-driver-570 のモジュールビルドが、 gcc-11 で失敗します。gcc-12 を入れ、update-alternatives --set で明示的に切り替えてから 再構成して解消できました。

sudo apt-get install -y gcc-12
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-12 100
sudo update-alternatives --set gcc /usr/bin/gcc-12   # ← これが無いと gcc-11 のまま
sudo dpkg --configure -a                             # gcc-12 で nvidia-dkms 再ビルド

11 最後に

今回は、「継続的に Isaac Sim / Isaac Lab を学習したい」
ということで、EC2で環境を構築してみました。

「7 g5.xlarge で対応できるか（実測）」で確認した通り、SO-ARM101 を 1 体、Physics Inspector で手動操作　ぐらいの操作であれば、GPU(A10G) は余裕・CPU も操作中で 7 割程度に収まり、g5.xlarge で必要十分でした。

ただし、下記のような作業に進んだ場合、恐らく力不足となるでしょう。

• 強化学習で並列環境を多数立てる（CPU/GPU の両方を食う）
• 複数ロボット・複雑なシーンを同時に扱う
• 物理シミュレーションを連続再生（Play）し続ける

最初の一歩として、まず g5.xlarge で安く始め、重い用途に進む段階でリソースの増強を考えることにします。

GitHub リポジトリ: aws-ec2-isaaclab-soarm101-gui