AI-ügynökök automatikusan építik a robot-szimulációs pályákat az NVIDIA RTX Spark-en
A fejlesztők egyetlen szöveges leírással építhetnek teljes robot-szimulációs pályát, miközben a rendszer 4 096 párhuzamos környezetben tanít az RTX PRO 6000 Blackwell GPU-n.
AI-ügynökök generálják a projekttervet
Az RTX Spark helyi fejlesztői központként támogatja az AI-ügynökök, például a Hermes és a Nemotron 3.5 Bolt együttműködését, amelyek egy szöveges promptból részletes projekttervet állítanak össze a Microduck szimulációs akadálypályához — írja az NVIDIA Developer Blog.
Astra automatikusan építi a 3D-eszközöket
Astra a terv alapján felhőalapú képszerkesztéssel tisztítja a referenciaképeket, majd a FreeCAD-ben megalkotja a geometriai alapot, a Blender-ben adja hozzá a finom részleteket és anyagokat, végül USD-formátumban exportálja a modelleket az Isaac Sim környezetébe.
Isaac Sim összeállítja a pályát
A kész 3D-eszközöket az NVIDIA Isaac Sim integrálja az Omniverse-könyvtárak segítségével, a Newton-fizikai motor pedig a Microduck mozgását és egyensúlyát modellezi.
Isaac Lab masszív tanítás 4 096 környezetben
Az Isaac Lab a robot észlelését, valamint járáspolitikáját 4 096 párhuzamos környezetben tanítja egy RTX PRO 6000 Blackwell Workstation Edition GPU-n, fej-kamera mélység- és robot-állapot-megfigyeléseket felhasználva.
Helyi validáció és szimuláció-valóság átvitel
A tréningelt politikát az RTX Spark-en futtatott Isaac Sim ellenőrzi, hogy a robot felismeri-e az akadályokat, módosítja-e a mozgást, és befejezi-e a pályát, mielőtt a Better Actuator Models és a domain randomisation segítségével szimuláció-valóság átvitelre készülne — az NVIDIA szerint a fizikai telepítés hatékonysága még nem bizonyított.
Erőforrások és további lépések
Az ungated SimReady Central Library már elérhető, a fejlesztők letölthetik a kész környezet-elemeket, az Isaac Lab dokumentáció részletes útmutatót nyújt a megerősítő- és imitációs-tanuláshoz, a Microduck szimuláció-valóság tutorial pedig a Hugging Face-en segít a munkafolyamat adaptálásában.