KI-Agenten trainieren Laufroboter Microduck in der Simulation
NVIDIA zeigt einen Workflow, in dem Agenten wie Hermes, Nemotron und Astra einen Hindernisparcours für den Roboter Microduck planen, bauen und per Reinforcement Learning testen.
Worum es geht
NVIDIA beschreibt im Technical Blog, wie sich mit KI-Agenten ein kompletter Simulations-Workflow für Roboter aufbauen lässt. Als Beispiel dient der Roboter Microduck, der in einem Hindernisparcours Navigation und Balance lernen soll. Die Agenten übernehmen Planung, Asset-Erstellung und Vorbereitung der Simulation.
Die wichtigsten Fakten
- NVIDIA RTX Spark dient als lokaler Entwicklungsrechner für Planung und Validierung der Policies.
- Hermes und NVIDIA Nemotron 3.5 Bolt erstellen aus einem Prompt einen Projektplan und recherchieren die Microduck-Dokumentation.
- Ein lokales Bildmodell erzeugt ein Konzeptbild des Parcours; daraus wird ein Inventar wiederverwendbarer Assets mit Beschreibung und Crops erstellt.
- Der Agent Astra baut die 3D-Assets (Geometrie in FreeCAD, Materialien in Blender) und prüft, dass mindestens ein nutzbares Modell vorliegt.
- Das Training läuft per Reinforcement Learning mit Isaac Lab in der Cloud, Newton liefert die Physik, Omniverse-Bibliotheken die gerenderten Beobachtungen.
- Trainierte Policies werden lokal in Isaac Sim evaluiert; der Schritt auf echte Hardware erfordert weitere Anpassungen wegen der Sim-to-Real-Lücke.
Einordnung
Der Beitrag ist vor allem eine Demonstration des NVIDIA-Ökosystems und teils Produktwerbung für RTX Spark. Interessant ist die Kette aus Planungs- und Asset-Agenten, die sich auf eigene Roboter übertragen lässt. Konkrete Ergebnisse oder Benchmarks der Laufpolicy nennt der Auszug nicht.
