NVIDIAはIsaac Lab 3.0とNewtonを使うMicroduckの学習例を紹介しました。歩行方策を評価し、ONNXへ出力して実機で使う流れです。 模擬環境と実機の差を扱う設計例です。摩擦、遅延、アクチュエーターの条件を揃え、方策の互換性を確認することが焦点です。 模擬環境の歩行を実際の二足ロボットへ NVIDIAは10月21日、MicroduckをIsaac LabとNewtonで学習する手順を公開しました。MicroduckはPollen RoboticsとHugging Faceのオープンな二足ロボットです。GPU上で並列に模擬環境を動かし、歩行方策を作り、評価後にONNXへ出力して実機へ渡します。学習の開始から配備までの一連の流れを扱う技術記事です。模擬環境では動いても、実機には摩擦、制御の遅れ、機械的な遊びなどがあります。アクチュエーターのモデル化と条件の変動を取り入れ、その差を扱います。公開された手順は、研究や開発で再現するための入口として示されています。 学習環境と共有する方策の形式を揃える Isaac LabにはMicroduckのモデル、場面、観測、操作、報酬、条件変動が用意されています。平らな場所の歩行から始め、段差や傾斜、不整地へ広げる構成です。Linuxと対応するNVIDIA GPUで学習し、評価した方策をONNXとして出力します。Hugging Face Hubで共有し、Microduck Arenaで互換性を検証する流れも紹介しています。対象は二足歩行の学習や実機への移行を試す開発者です。実機側には設定済みのロボットとソフトウェア、対応する操作インターフェースが必要です。モデルのファイル形式が合っていても、観測や操作の意味が違えば期待どおりに動きません。共有する方策の条件を揃えることが、再利用と比較の前提になります。記事は歩行を出発点に、より高度な地形や知覚の課題への拡張も案内しています。 実機へ移す前の合格条件を残す 実務では、学習の報酬が上がったことだけで移行を判断せず、異なる初期状態や条件でも歩行を保てるかを確認することが論点です。摩擦や遅延を変えた試験を行い、実機の設定と合う範囲を記録する方法が考えられます。ONNXへ出した前後で出力が同じか、制御周期や関節の対応が一致するかも確認する対象です。模擬環境の並列数や学習時間は計算資源の費用に関わりますが、実機での調整にかかる時間も比較に含める必要があります。共有したモデルには、学習条件や必要なソフトウェアの版を添えることが重要です。記事の構成を参考にする場合も、手元の機器との差を確かめながら進める必要があります。模擬環境での評価、変換後の検証、実機での確認を順に結び付けることが、次の課題へ広げる判断材料になります。方策の来歴を保つことも再現性を支えます。