![見出し画像](https://assets.st-note.com/production/uploads/images/145786841/rectangle_large_type_2_274679e5fb4055564e4fa59ea4f4f8d5.png?width=1200)
Isaac LabのシミュレーションでSpotロボットにテストされた学習済みポリシートレーニングされたRLポリシーをJetson OrinでSpotに展開する
シミュレーションで学習したモデルをロボットアプリケーションの実世界に展開するには、リアルタイム制御、安全制約、その他の実世界の条件など、いくつかの課題があります。
Isaac Labの正確な物理演算と領域ランダム化機能により、シミュレーションで学習したポリシーをJetson Orin上の実際のSpotロボットにゼロショットで展開し、仮想世界と実世界の両方で同様のパフォーマンスを達成することができます。
実際のSpotロボットフレームワークのポリシー展開です。
ポリシーのニューラルネットワークがロードされ、実際のロボットに推論される。
シミュレーションと同じオブザベーションがBoston Dynamics State APIを使って計算される。
センサーからの情報収集から正しいアクションの導出まで、ポリシーがどのようにテストされたかを説明するフローチャート。
図は 実際のSpotロボットフレームワークのポリシー展開を示す。
学習されたモデルをSpotロボットに転送するには、モデルをエッジに展開し、低レイテンシかつ高頻度でロボットを制御する必要がある。
NVIDIA Jetson AGX Orinのハイパフォーマンス・コンピューティング機能と低レイテンシのAI処理により、実世界のロボット・アプリケーションにとって極めて重要な、迅速な推論と応答時間が保証されます。
シミュレートされたポリシーは、推論用に直接展開することができ、展開プロセスを簡素化します。
この記事が気に入ったらサポートをしてみませんか?