Un ponte tra simulazione e hardware
Microduck, robot bipede open source e a basso costo presentato da Pollen Robotics con Hugging Face, è ora al centro di un tutorial che ne illustra l'addestramento alla deambulazione tramite Isaac Lab, framework open source di NVIDIA per addestrare politiche su migliaia di simulazioni eseguite in parallelo su GPU. Il passaggio cruciale consiste nel trasformare una politica addestrata in ambiente simulato in un modello capace di funzionare sul robot fisico, esportandola in formato ONNX e caricandola sul runtime di bordo.
Secondo la fonte, la sfida principale è che una politica di camminata addestrata in simulazione deve comunque gestire attrito, ritardi e giochi meccanici dei servi reali. Per questo il flusso di lavoro combina Newton con il solver MJWarp e i modelli di attuatori BAM, che riproducono il comportamento dei servi modellando il controller firmware, i limiti elettrici del motore, l'attrito e il ritardo. A questi si aggiunge la randomizzazione di dominio: massa e centro di massa, attrito del terreno, inerzia articolare, offset degli encoder, tensione e calo della batteria, latenza dei comandi, oltre a spinte esterne e variazioni del terreno.
Numeri e passaggi del tutorial
Il materiale indica che la politica riceve 61 valori in osservazione e restituisce 14 posizioni articolari, e che l'ordine delle osservazioni, la normalizzazione e il ridimensionamento delle azioni devono restare coerenti tra esportazione e distribuzione. Viene citato un ambiente a terreno piatto e una variante accidentata con scale, pendenze e suoli irregolari. La fonte riporta inoltre che, con terreno accidentato e gioco meccanico attivo, la configurazione può raggiungere fino a 1,25 milioni di passi al secondo e che è possibile distribuire l'addestramento su più GPU, citando l'esempio di 16 GPU per aumentare velocità e robustezza.
Il flusso di esportazione RSL-RL di Isaac Lab produce automaticamente sia un file TorchScript sia un file ONNX: è quest'ultimo che il runtime di bordo del robot carica. Il tutorial descrive poi la condivisione del modello sull'Hugging Face Hub, con la raccomandazione di aggiungere una scheda del modello e la configurazione di addestramento per favorire la riproducibilità, e la verifica in Microduck Arena, uno Space di Hugging Face che accetta modelli con 61 osservazioni, 14 azioni e dimensione massima di 64 MiB.
Cosa è confermato e cosa resta da verificare
La fonte afferma che il robot fisico, dopo la distribuzione della politica, mostra capacità di recupero: viene mostrato un caso in cui Microduck, colpito, ritrova l'equilibrio e riprende a camminare. Il materiale descrive anche possibili estensioni, come l'aggiunta di una telecamera frontale per compiti di percezione e navigazione, la manipolazione con esempi Kuka-Allegro e la creazione di ambienti personalizzati.
Restano tuttavia fuori dal materiale alcuni elementi utili a una valutazione indipendente: non sono indicati tempi di addestramento, costi hardware o energetici, tassi di successo misurati né risultati comparativi sulla classifica di Microduck Arena. Le prestazioni citate vanno quindi attribuite alla fonte e considerate descrittive di un tutorial, non di una validazione esterna. Il valore dell'iniziativa, stando alle informazioni disponibili, sta soprattutto nella messa a disposizione di un percorso riproducibile e accessibile per portare una politica di locomozza dalla simulazione al robot.