第3章环境搭建

第3章：环境搭建：Ubuntu + ROS2 + PyTorch 环境配置

说实话，做机器人算法这几年，我踩过最多的坑就是环境问题。明明代码逻辑没问题，一跑就崩，查半天发现是某个库版本不对。所以这一章，咱们把环境一次性搭稳了。

我个人习惯用 Ubuntu 22.04 + ROS2 Humble + PyTorch 2.x 这套组合。为什么选这个？因为兼容性好，社区活跃，遇到问题搜一下基本都有答案。你想想看，要是用个冷门版本，出错了连个问的人都没有，多难受。

3.1 操作系统准备：Ubuntu 22.04 LTS

我建议直接用 Ubuntu 22.04 LTS 桌面版。别问为什么不用 20.04，ROS2 Humble 对 22.04 的支持最完整。我在项目中遇到过用 20.04 装 Humble，结果一堆依赖冲突，折腾了两天才搞定。

系统要求：

Ubuntu 22.04 LTS（推荐）或 20.04 LTS
至少 8GB 内存（16GB 以上更佳）
NVIDIA GPU（可选，但强烈推荐用于训练）
50GB 以上磁盘空间

装好系统后，第一件事就是换源。嗯，这里要注意，别用默认的官方源，国内访问太慢了。我一般用清华源或者阿里云源，速度能快 10 倍。

# 备份原源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

# 替换为清华源（Ubuntu 22.04）
sudo sed -i 's/archive.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list
sudo sed -i 's/security.ubuntu.com/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list

# 更新
sudo apt update && sudo apt upgrade -y

3.2 ROS2 Humble 安装

ROS2 版本很多，为什么选 Humble？因为它长期支持到 2027 年，而且和 PyTorch 的兼容性经过了我实际验证。我之前试过用 Rolling 版本，结果 PyTorch 的某些算子不兼容，搞得我头大。

安装步骤其实很简单，跟着官方文档走就行。但我给你总结一个精简版，省得你翻来翻去。

# 设置 locale
sudo apt update && sudo apt install locales
sudo locale-gen en_US en_US.UTF-8
sudo update-locale LC_ALL=en_US.UTF-8 LANG=en_US.UTF-8

# 添加 ROS2 源
sudo apt install software-properties-common
sudo add-apt-repository universe
sudo apt update && sudo apt install curl -y
sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(. /etc/os-release && echo $UBUNTU_CODENAME) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null

# 安装 ROS2 Humble 桌面版
sudo apt update
sudo apt install ros-humble-desktop -y

# 安装开发工具
sudo apt install ros-dev-tools -y

小技巧：安装完成后，记得把 ROS2 环境变量加到 .bashrc 里，不然每次开终端都要 source 一遍，很烦人。

echo "source /opt/ros/humble/setup.bash" >> ~/.bashrc
source ~/.bashrc

3.3 PyTorch 与 CUDA 环境

做 VLA 模型，GPU 是刚需。我建议装 CUDA 11.8 或 12.1，这两个版本对 PyTorch 2.x 支持最好。别装最新的 CUDA 12.4，有些库还没适配好。

先检查你的显卡驱动：

nvidia-smi

如果没显示，说明驱动没装。我遇到过这种情况，直接装 NVIDIA 官方驱动就行：

sudo apt install nvidia-driver-535 -y
sudo reboot

然后装 CUDA Toolkit。我个人习惯用 runfile 安装，因为可以指定安装路径，方便管理多个版本。

# 下载 CUDA 11.8 runfile
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run

注意：安装时不要选驱动选项，只选 CUDA Toolkit 和 CUDA Samples。驱动我们已经装过了。

装完配置环境变量：

echo 'export PATH=/usr/local/cuda-11.8/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

最后装 PyTorch。我建议用 pip 安装，比 conda 快，而且版本控制更灵活。

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

验证一下：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

如果输出 True，恭喜你，环境搭好了。

3.4 必要 Python 库安装

做 VLA 模型，这几个库是标配：

库名	版本要求	用途
transformers	≥ 4.30.0	加载预训练 VLM 模型
torchvision	≥ 0.15.0	图像预处理与数据增强
opencv-python	≥ 4.8.0	摄像头采集与图像处理
numpy	≥ 1.24.0	数值计算
pillow	≥ 10.0.0	图像 I/O

安装命令：

pip install transformers torchvision opencv-python numpy pillow

避坑指南：我曾经装 opencv-python 时遇到依赖冲突，原因是系统里同时有 conda 和 pip 管理的包。解决办法是统一用 pip 安装，或者用虚拟环境隔离。

3.5 验证环境

环境搭好了，跑个简单测试验证一下。我写了个小脚本，检查所有组件是否正常：

#!/usr/bin/env python3
import torch
import torchvision
import cv2
import transformers
import numpy as np

print("PyTorch 版本:", torch.__version__)
print("CUDA 可用:", torch.cuda.is_available())
print("Torchvision 版本:", torchvision.__version__)
print("OpenCV 版本:", cv2.__version__)
print("Transformers 版本:", transformers.__version__)
print("NumPy 版本:", np.__version__)

# 测试 GPU 计算
if torch.cuda.is_available():
    x = torch.randn(3, 224, 224).cuda()
    print("GPU 计算测试通过")
else:
    print("警告: 未检测到 GPU，将使用 CPU 模式")

如果所有版本都显示正常，说明环境搭建成功。嗯，这里要注意，如果 CUDA 不可用，别慌，可能是驱动问题，重新装一下驱动就好。

3.6 知识体系总览

为了让你对整个环境搭建有个全局认识，我画了张图：

这张图很直观地展示了整个环境的分层结构。从底层的操作系统，到中间件 ROS2，再到计算框架和工具库，最后到我们的 VLA 模型应用。每一层都依赖下一层，所以搭建时要按顺序来。

好了，环境搭建就到这里。这套配置我用了大半年，跑了十几个项目，稳定性没得说。你照着搭，应该不会出大问题。如果遇到什么奇怪的问题，多半是版本冲突，用虚拟环境隔离一下就好。

📚 课程目录