概要
NVIDIAは2026年10月23日、AIエージェントを使ったシミュレーション環境の作成から、Microduckの歩行・障害物走行ポリシーの学習と評価までを紹介した。学習実験では4,096環境を並列実行し、学習済みポリシーを実機に移す手順の詳細は対象外としている。
详细事实
AIエージェントでコース環境を作成
NVIDIAは2026年10月23日、Microduckを使う障害物コースのシミュレーション構築手順を公開した。HermesとNVIDIA Nemotron 3.5 Boltが指示文を作業計画に変換し、Astraが参照画像の整理や3Dアセット作成を支援する。AstraはFreeCADで形状を作り、Blenderで細部と素材を加え、編集可能なモデルとUSDアセットを出力する。
查看出处 ↗Isaac Labで学習し、Isaac Simで評価
作成したアセットをNVIDIA Isaac Simに配置し、Omniverseのライブラリで描画・センサーシミュレーションを行い、Newtonでロボットの動きやバランスを扱う。NVIDIA Isaac Labでの学習実験では、頭部カメラの深度情報とロボット状態を入力に使い、NVIDIA RTX PRO 6000 Blackwell Workstation Edition GPU上で4,096環境を並列実行した。学習後はRTX Spark上のIsaac Simで障害物への反応やコース完了を評価し、実機展開の詳細は記事の対象外としている。
查看出处 ↗独自観点のコメント
### 開発工程をつなぐ構成と、実機移行に残る課題
この手順の特徴は、AIエージェントを単独のロボット制御器としてではなく、計画作成やアセット準備を進める補助役として位置付けている点にある。環境の組み立てと学習・評価にはIsaac製品群などを組み合わせ、ローカルでの準備・評価と並列シミュレーション学習をつないでいる。
一方、シミュレーションでの評価は実機での性能保証とは異なる。記事も、サーボの遅延や機械的な遊び、電圧変動などをモデルに反映し、現実との差を縮める準備を挙げる一方、ハードウェア上での導入手順は扱っていない。したがって、この公開内容の価値は完成した実機導入事例というより、環境作成からポリシー評価までの開発ワークフローを示した点にある。
相关企业与产品
出处
- 一手信息 NVIDIA Developer Blog — Robotics — 阅读原文 ↗