يشكل تطوير سياسات حركة فعّالة لروبوت رباعي الأرجل، تحديًا كبيرًا في مجال الروبوتات، بسبب الديناميكيات المعقدة لتطوير ذلك.
ويمكن أن يؤدي تدريب الروبوتات رباعي الأرجل على الصعود والنزول على السلالم في العالم الحقيقي، إلى إتلافه المعدات لذلك، تلعب أجهزة المحاكاة دورًا رئيسيًا في كل من السلامة والقيود الزمنية في عملية التعلم.
ويمكن أن يؤدي الاستفادة من التعلم التعزيزي العميق (RL) لتدريب الروبوتات في بيئة محاكاة، إلى تمكينه من أداء المهام المعقدة بشكل أكثر فعالية وأمانًا.
ومع ذلك، يقدم هذا النهج تحديًا جديدًا، وهو كيف نضمن أن هذه السياسة المدربة في المحاكاة تنتقل بسلاسة إلى العالم الحقيقي، وبعبارة أخرى، كيف يمكننا سد الفجوة بين المحاكاة والواقع (المحاكاة إلى الواقع)؟.
ويتطلب سد الفجوة بين المحاكاة والواقع، محاكيًا عالي الدقة قائمًا على الفيزياء للتدريب، وجهاز كمبيوتر عالي الأداء للذكاء الاصطناعي مثل NVIDIA Jetson، وروبوتًا به عناصر تحكم على مستوى المفصل، تجمع مجموعة أدوات البحث في التعلم التعزيزي، التي تم تطويرها بالتعاون مع Boston Dynamics وNVIDIA ومعهد الذكاء الاصطناعي.
هذه القدرات معًا لنشر رباعيات الأرجل بسلاسة من العالم الافتراضي إلى العالم الحقيقي، وهي تتضمن واجهة برمجة تطبيقات للتحكم على مستوى المفصل لروبوت Spot رباعي الأرجل للتحكم في كيفية تحرك الروبوت.
وIsaac Lab هو تطبيق مرجعي خفيف الوزن، مبني على منصة NVIDIA ISAAC SIM المحسّنة خصيصًا لتعلم الروبوت على نطاق واسع، كما إنه يستفيد من التوازي القائم على وحدة معالجة الرسوميات لمحاكاة فيزيائية متوازية بشكل كبير لتحسين أداء السياسة النهائية، وتقليل وقت تدريب التعلم التعزيزي في الروبوتات.
وبفضل قدرات الفيزياء عالية الدقة والعشوائية في المجال، يعمل Isaac Lab على سد الفجوة بين المحاكاة والواقع، مما يتيح النشر السلس للنماذج المدربة على الروبوتات المادية، بدون أي أخطاء.
