AI应用是构建在AnalyticDB Ray平台之上的一套标准化应用运行与管理框架，旨在帮助用户快速搭建并部署面向特定AI场景的解决方案。机器人仿真平台是该框架的核心能力之一，其集成主流物理仿真环境（如 Gym、Isaac Sim等），可以通过Ray将强化学习训练任务提交至云端，实现多机多卡的分布式并行仿真与训练，显著提升智能体策略迭代效率。本文介绍如何通过云原生数据仓库 AnalyticDB MySQL 版控制台创建机器人仿真平台以及如何使用该平台执行训练任务。
前提条件
集群的产品系列为企业版、基础版或湖仓版。
费用说明
创建Ray Cluster资源组，会产生如下费用：
Head磁盘空间与Worker磁盘空间计费一致，均会按照设置的存储空间大小计费。
Head资源类型与Worker资源类型为CPU时，会按照所使用ACU弹性资源组计费。
Head资源类型与Worker资源类型为GPU时，会按照GPU的规格、数量计费。
操作步骤
（可选）步骤一：创建存储卷
在机器人仿真平台中，训练完成的模型通常需要导出数据以便本地使用或部署，或者在训练过程中需要访问私有数据。为此，您可以选择创建存储卷并将其挂载到AI应用中。
登录云原生数据仓库AnalyticDB MySQL控制台，在左上角选择集群所在地域。在左侧导航栏，单击集群列表，然后单击目标集群ID。
在左侧导航栏，单击AI应用。
在存储管理页签下，单击创建存储卷。
在创建存储卷面板配置如下参数。
存储卷创建后仅支持修改存储名称与默认挂载路径。
参数
说明
存储类型
支持如下选项：
OSS。
NAS。
存储名称
存储的名字。您可以自定义。
Bucket路径
当存储类型为OSS时，需要选择OSS的路径。
存储路径
当存储类型为NAS时，需要选择NAS的路径。
默认挂载路径
AI应用中，读取或写入数据的路径。
权限
表示应用访问存储的权限，支持：
只读权限。
读写权限。
Fluid缓存加速
存储读取可以用Fluid加速：
缓存类型：支持内存或者云盘类型。
缓存加速容量：单位GB，按容量收费。
参数配置完成后，单击确定。
步骤二：创建仿真平台(Isaac Sim&Lab)
登录云原生数据仓库AnalyticDB MySQL控制台，在左上角选择集群所在地域。在左侧导航栏，单击集群列表，然后单击目标集群ID。
在左侧导航栏，单击AI应用。
在存储管理页签下，单击创建仿真平台(Isaac Sim&Lab)。
在创建仿真平台(Isaac Sim&Lab)面板配置如下参数：
基本配置：
参数
说明
应用名称
AI应用名称。您可以自定义。
镜像
选择lab2.10.0-ray2.43.0。
资源配置：
存储配置（可选）：
参数
说明
存储类型
支持如下选项：
OSS。
NAS。
存储名称
在下拉列表中选择已有的存储卷。若无存储卷，可单击点击创建，创建存储卷。
挂载路径
AI应用数据的挂载路径。
说明若需要挂载多个存储，可单击添加存储，并配置对应参数。
网络配置（可选）：
参数
说明
是否挂载用户网卡（ENI）
若挂载了存储卷，则必须打开开关，以确保可以成功访问挂载的存储卷。
参数配置完成后，单击确定。
步骤三：访问仿真平台(Isaac Sim&Lab)
SSH命令行访问
将运行SSH命令行工具的服务器IP地址添加至AnalyticDB for MySQL集群的白名单中。
获取AI应用的连接地址。
在AI应用页面单击应用管理页签。
单击目标应用服务调用列调用信息，查看服务地址。
执行如下命令，登录Ray Cluster的Head节点：
ssh root@<ssh-service-host>ssh-service-host：步骤2获取的连接地址。
执行模型训练任务：
cd /workspace/isaaclab isaaclab -p scripts/reinforcement_learning/rl_games/train.py --task Isaac-Ant-v0 --headless
XPRA远程GUI访问
将运行SSH命令行工具的服务器IP地址添加至AnalyticDB for MySQL集群的白名单中。
获取AI应用的连接地址。
在AI应用页面单击应用管理页签。
单击目标应用服务调用列调用信息，查看服务地址。
依次执行如下命令，访问GUI页面：
# 将本地20001端口映射为服务器20000端口，端口号可自定义。其中ssh-service-host填写步骤2获取的连接地址 ssh -L 20001:localhost:20000 root@<ssh-service-host> # 启动Xpra服务器，并将其绑定到localhost的20000端口 xpra start --bind-tcp=localhost:20000 # 使用本地的第一个显示屏 export DISPLAY=:0执行完上述命令后，在浏览器访问
http://localhost:20001地址，访问GUI页面。执行模型训练任务：
cd /workspace/isaaclab isaaclab -p scripts/reinforcement_learning/rl_games/train.py --task Isaac-Ant-v0
Ray API访问
将运行SSH命令行工具的服务器IP地址添加至AnalyticDB for MySQL集群的白名单中。
获取AI应用的连接地址。
在AI应用页面单击应用管理页签。
单击目标应用服务调用列调用信息，查看服务地址。
执行以下命令，安装Ray。
pip3 install ray配置ray集群地址。
创建名为
cluster_cnofig的文件，并指定AI应用的地址。name: isaacray address: http://<isaaclab_host>:8265isaaclab_host：步骤2获取的连接地址。
指定执行任务所需的资源量（例如：GUP数量）。
创建名为
tasks.yaml的配置文件，并在该文件中进行相应配置。配置文件参数详情介绍，请参见task_runner.py章节。创建任务脚本文件
task_runner.py。脚本文件的参数详情，请参见task_runner.py章节。#pip: [] #py_modules: [] tasks: - name: "task1" py_args: "-m torch.distributed.run --nnodes=1 --nproc_per_node=2 --rdzv_endpoint=localhost:29501 /workspace/isaaclab/scripts/reinforcement_learning/rsl_rl/train.py --task=Isaac-Cartpole-v0 --max_iterations 200 --headless --distributed" num_gpus: 2 num_cpus: 10 memory: 10737418240 # - name: "task2" # py_args: "script.py --option arg" # num_gpus: 0 # num_cpus: 1 # memory: 10*1024*1024*1024提交任务。
python3 submit_job.py --config_file=cluster_config --aggregate_jobs task_runner.py --task_cfg tasks.yaml参数说明：
submit_job.py：提交任务的脚本文件。详情请参见Ray Job Dispatch and Tuning。
config_file：步骤4中创建的
cluster_cnofig文件。aggregate_jobs：步骤6中创建的任务脚本文件
task_runner.py。task_cfg：步骤5中创建的
tasks.yaml文件。
查看作业运行状态。
在AI应用页面单击应用管理页签。
单击目标应用操作列详情，查看Dashboard地址。
在浏览器中访问Dashboard地址，进入可视化界面后查看作业的运行状态。