NVIDIA y Hugging Face explican cómo entrenar en simulación un robot bípedo Microduck y desplegarlo en hardware real
Hecho Qué ha ocurrido
NVIDIA y Hugging Face publicaron un tutorial para entrenar una política de caminar del robot bípedo de código abierto Microduck con Isaac Lab 3.0 y Newton, exportarla a ONNX y desplegarla en el robot físico. Según el texto, el entrenamiento distribuido con 16 GPU alcanza hasta 1,25 millones de pasos por segundo en terreno irregular con holgura activada. La política recibe 61 valores de observación y produce 14 posiciones articulares.
Resumen generado mediante IA a partir de Hugging Face (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra un flujo reproducible de simulación a robot real que reduce el coste de experimentar con robótica bípeda, aunque está orientado a desarrolladores y laboratorios más que a empresas en producción.
- Quién se ve afectado
- Equipos de robótica, investigadores y desarrolladores de hardware de bajo coste.
- Qué puede cambiar
- Podría facilitar que equipos pequeños prueben locomoción con aprendizaje por refuerzo sin disponer de grandes infraestructuras, siempre que adopten el mismo entorno de software.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Resultados de la competición Microduck Arena y si aparecen despliegues reales fuera de los autores del tutorial.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Hugging Face (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗Isaac LabNewtonaprendizaje por refuerzoONNXrobótica NVIDIAHugging FacePollen Robotics Isaac Lab 3.0 Microduck Newton Pollen Robotics robótica
Relacionadas
AWS y NVIDIA permiten entrenar robots humanoides a escala con simulación GPU
AWS y NVIDIA publican una guía técnica para entrenar políticas de robots humanoides (Unitree H1) usando NVIDIA Isaac Lab en Amazon SageMaker AI, aprovechando…
Por qué importaAcelera el ciclo de desarrollo de robots físicos desplazando el entrenamiento a simulación de alta fidelidad en lugar de ensayo y error en el mundo…
NVIDIA amplía plataforma Isaac para desarrollo acelerado de robots con IA
NVIDIA ha anunciado nuevas herramientas y modelos abiertos en su plataforma Isaac para acelerar el desarrollo de robots autónomos. La actualización incluye…
Por qué importaLas herramientas anunciadas reducen significativamente el tiempo y coste de desarrollo de robots autónomos al permitir generar datos sintéticos (que…
NVIDIA publica receta para ajustar modelos de embedding en menos de un día
NVIDIA ha publicado en Hugging Face un tutorial completo para adaptar modelos de embedding a dominios específicos usando una sola GPU en menos de 24 horas, sin…
Por qué importaPara empresas que utilizan búsqueda semántica o RAG, este método reduce drásticamente el coste y tiempo de adaptación de modelos a sus datos…
NVIDIA lanza Isaac ROS 5.0 con capacidades agénticas para desarrollo robótico open source
NVIDIA presentó en ROSCon Toronto Isaac ROS 5.0, colección de paquetes acelerados por GPU para ROS que introduce flujos de trabajo agénticos, soporte para ROS…
Por qué importaConsolida a NVIDIA como capa de infraestructura estándar para robótica física con IA, facilitando que agentes de IA colaboren en el desarrollo de…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.