Programmerò la simulazione NVIDIA ISAC e l'apprendimento per rinforzo in ISAC Lab.


Informazioni su questo servizio
Traduzione automatica.
Implementare simulazioni accelerate da GPU e pipeline di apprendimento per rinforzo in NVIDIA Isaac Sim
Hai bisogno di un apprendimento per rinforzo (RL) all'avanguardia o di una simulazione fisicamente accurata per quadrupedi, bipedi o manipolatori complessi? Configuro gli ambienti NVIDIA Isaac Sim e Isaac Lab (precedentemente Orbit) per creare pipeline di addestramento ad alta fedeltà.
Cosa offro:
1 Importazione risorse (da URDF a USD):** Importazione dei modelli CAD/URDF in OpenUSD, regolazione dei materiali fisici, delle proprietà di massa e delle mesh di collisione.
2 Compiti nella palestra del laboratorio Isaac:** Creare ambienti di apprendimento per rinforzo personalizzati, allestire spazi di azione/osservazione e progettare funzioni di ricompensa.
3 Addestramento delle politiche RL:** Addestramento di politiche stabili utilizzando Stable-Baselines3, rsl_rl o algoritmi PPO personalizzati con ambienti paralleli accelerati da CUDA.
4 ROS2 Bridge e Sim-to-Real:** Configurazione di bridge di comunicazione per implementare policy di reti neurali addestrate su hardware fisico reale.
Risultati attesi:
1. Area di lavoro Python documentata.
2 file USD e script di attività personalizzati.
3 Pesi del modello pre-addestrato.
4 Ambiente Docker.
Prima di effettuare l'ordine, contattatemi per discutere i gradi di libertà (DoF) e gli obiettivi di apprendimento per rinforzo (RL) del vostro robot!*
Scopri di più su Aman Patel
Robotics Expert
- DaIndia
- Membro daapr 2023
- Tempo di risposta medio2 ore
Lingue
Hindi, Gujarati, Inglese, Marathi
Traduzione automatica.
Il mio portfolio
Altri servizi della categoria Sviluppo AI offerti da me
FAQ
Traduzione automatica.
D: Perché consigliate NVIDIA Isaac Sim al posto di Gazebo per l'addestramento di sistemi di intelligenza artificiale?
A: Isaac Sim è basato su NVIDIA Omniverse e utilizza il motore fisico PhysX, che viene eseguito direttamente sulla GPU. Questo permette di simulare migliaia di robot in parallelo, accelerando i tempi di addestramento dell'apprendimento per rinforzo da settimane a ore.
D: Come si trasferisce la politica appresa a un robot reale?
A: Ho configurato lo script di inferenza della policy in Python/C++ per leggere gli stati delle articolazioni in tempo reale dal tuo hardware (tramite ROS2 o comunicazione seriale), elaborarli con il modello addestrato e restituire ai motori le coppie o le velocità target.
D: Progettate voi le funzioni di ricompensa per l'apprendimento per rinforzo?
A: Sì. Personalizzo le funzioni di ricompensa in base al compito. Ad esempio, per la deambulazione a quattro zampe, includo ricompense per la velocità di inseguimento del bersaglio, la stabilità dell'altezza del corpo e il contatto dei piedi, insieme a penalità per coppie elevate, picchi di velocità articolare e collisioni.
D: È possibile eseguire l'addestramento all'interno di un server senza interfaccia grafica?
A: Sì. Creo un pacchetto completo dell'ambiente di lavoro di Isaac Sim all'interno di un container Docker configurato per essere eseguito senza interfaccia grafica sulle tue istanze cloud con GPU (AWS, GCP) o sul tuo server locale, permettendoti di addestrare i modelli tramite SSH.

