NVIDIA 详细介绍了 Microduck 仿真训练的人工智能代理工作流程

NVIDIA概述了一套教学参考机器人Microduck的工作流程，用于在仿真中行走和穿越障碍，将人工智能辅助规划、资产创建、物理建模、政策培训和本地验证相结合。公司表示，这一过程旨在缩小仿真与真实硬件之间的差距，尽管最终的物理部署仍不在2026-10-23发布的文章范围内。

证据与背景

在开发者博客中，NVIDIA表示，工作流程始于RTX Spark，Hermes和NVIDIA Nemotron 3.5 Bolt将任务提示转化为障碍赛道的结构化计划，而Astra则协助创建和验证资产。公司描述该计划涵盖研究、概念生成、资产库存、交接、资产创建和仿真测试。帖子中表示，机器人必须做的不仅仅是步行策略：它必须感知周围环境，保持平衡，并在障碍物阻挡时做出调整。

工作流程随后转向仿真资产的制作。NVIDIA表示，Astra可以增强参考图像，在FreeCAD中构建可编辑几何体，在Blender中应用材质，并导出USD资产用于Isaac Sim。该帖子还提到SimReady Central Library，该库被描述为包含超过2,000个仿真就绪OpenUSD资产的免费库，作为可复用环境组件的来源。NVIDIA表示，组装后的环境将这些资产与Isaac Sim、Omniverse渲染和牛顿物理结合起来，用于建模机器人运动、传感器观察和平衡。

在策略培训方面，公司表示Isaac Lab并行运行多个模拟，并利用强化学习改进共享策略。在所述示例中，Microduck被训练通过头部摄像头深度和机器人状态观察穿越弯曲斜坡和不平整表面。NVIDIA表示，此次适配运行在NVIDIA RTX PRO 6000 Blackwell Workstation Edition GPU上4,096并行环境。该帖子未提供性能比较指标，也未说明最终策略是否在同一工作流程中测试过物理硬件。

培训结束后，NVIDIA表示该策略在Isaac Sim的RTX Spark上得到验证，机器人接收模拟观测、预测动作并检查障碍物检测、平衡和路线完成情况。公司表示评估应记录坠落、碰撞及进展停止点，并使用推广视频指导后续迭代。帖子还讨论了模拟到实际准备，包括更优执行器模型以反映指令延迟、回波和电压下降，以及域随机化以暴露策略在物理和传感器噪声变化中的作用。

文章将该方法描述为机器人开发的分阶段流程，而非普遍模拟到真实传输的主张。NVIDIA表示，在机器人机载计算机上运行训练有素的策略前，仍需进一步完善，硬件部署细节超出本文范围。