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


Informazioni su questo servizio
Traduzione automatica.
Implementa simulazioni accelerate da GPU e pipeline di reinforcement learning in NVIDIA Isaac Sim
Hai bisogno di reinforcement learning all'avanguardia (RL) o di simulazioni con fisica precisa per quadrupedi, bipedi o manipolatori complessi? Configuro ambienti NVIDIA Isaac Sim e Isaac Lab (ex Orbit) per creare pipeline di addestramento ad alta fedeltà.
**Cosa offro:**
* **Importazione asset (URDF a USD):** Importazione dei tuoi modelli CAD/URDF in OpenUSD, regolazione dei materiali fisici, proprietà di massa e mesh di collisione.
* **Compiti Isaac Lab Gym:** Creazione di ambienti personalizzati di reinforcement learning, configurazione di spazi di azione/osservazione e progettazione di funzioni di ricompensa.
* **Addestramento policy RL:** Addestramento di policy stabili usando Stable-Baselines3, rsl_rl o algoritmi PPO personalizzati con ambienti paralleli accelerati da CUDA.
* **Bridge ROS2 & Sim-to-Real:** Configurazione di ponti di comunicazione per deployare policy di reti neurali addestrate su hardware fisico reale.
**Deliverables:**
* Workspace Python documentato.
* File USD e script di task personalizzati.
* Pesature di modelli pre-addestrati.
* Ambiente Docker.
*Contattami prima di ordinare per discutere i DoF del tuo robot e gli obiettivi del task RL!
Scopri di più su Jiten T
Robotics Engineer
- DaIndia
- Membro dafeb 2026
- Tempo di risposta medio1 ora
- Ultima consegna2 mesi
Lingue
Inglese, Gujarati, Hindi
Traduzione automatica.
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 funziona direttamente sulla GPU. Questo ti permette di simulare migliaia di robot in parallelo contemporaneamente, accelerando i tempi di addestramento del reinforcement learning da settimane a ore.
D: Come si trasferisce la politica appresa a un robot reale?
A:** Configuro lo script di inferenza della policy in Python/C++ per leggere in tempo reale gli stati delle articolazioni dal tuo hardware (via ROS2 o comunicazione seriale), passarli attraverso il modello addestrato e restituire coppie di torsione o velocità target ai motori.
D: Progettate voi le funzioni di ricompensa per l'apprendimento per rinforzo?
A:** Sì. Personalizzo le funzioni di ricompensa in base al tuo task. Per esempio, per il camminare del quadrupede, includo ricompense per il tracciamento della velocità target, la stabilità dell'altezza del corpo e il contatto dei piedi, insieme a penalità per coppie elevate, picchi di velocità delle articolazioni e collisioni.
D: È possibile eseguire l'addestramento all'interno di un server senza interfaccia grafica?
A:** Sì. Impacchetto l'intero workspace di Isaac Sim in un contenitore Docker configurato per funzionare senza interfaccia su istanze cloud con GPU (AWS, GCP) o su server locale, permettendoti di addestrare modelli via SSH.

