在仿真中训练，在真实机器人上部署：基于 Isaac Lab 3.0 的 Microduck

英文原标题：Train in Simulation, Deploy on a Real Robot: Microduck with Isaac Lab 3.0

本文为英文原文的机器翻译摘要，原文见：Hugging Face Blog ↗

• Microduck 是 Pollen Robotics 与 Hugging Face 推出的平价开源双足机器人，现可借助 Isaac Lab 和 Newton 训练行走策略。
• Isaac Lab 是开源框架，能在 GPU 上并行运行数千个仿真环境训练策略；结合 Newton、执行器建模和域随机化，为真机部署做准备。
• 训练流程包括：安装 Isaac Lab、使用预置 Microduck 环境、并行训练、评估并导出 ONNX，最后部署到真机。
• 策略输入 61 个观测值，输出 14 个关节位置；导出和部署时需保持观测顺序、归一化和动作缩放与训练一致。
• 训练使用 Newton 的 MJWarp 求解器和 BAM 建模伺服响应，并启用 backlash 预设模拟齿轮间隙；域随机化涵盖质量、摩擦、关节惯量、编码器偏移、电池电压和指令延迟等。

关键数据

• 使用 16 块 GPU 分布式训练时，在崎岖地形和 backlash 启用下可达每秒 125 万步。
• 策略输入 61 个观测值，输出 14 个关节位置。
• Microduck Arena 接受 61 个观测值、14 个动作值、最大 64 MiB 的模型。
• 训练命令示例使用 4096 个并行环境。

引语

• 在仿真中训练的策略也必须应对真实机器人伺服系统的摩擦、延迟和机械间隙。

为什么值得看：它展示了从 GPU 并行仿真训练到 ONNX 导出、再到真机部署的完整开源工作流，降低了双足机器人行走策略的开发与验证门槛。