Hugging Face e Pollen Robotics integram robô Microduck ao Nvidia Isaac Lab 3.0
Novo fluxo permite treinar locomoção bípede em simulação acelerada por GPU, exportar o modelo em formato ONNX e transferir o controle diretamente para o robô físico.
Por que importa. A ponte entre simulação física e hardware reduz o custo de validar modelos de controle para robótica bípede, permitindo treinar redes neurais em milhares de instâncias paralelas antes de enviar o arquivo ao dispositivo real.
A Hugging Face e a Pollen Robotics anunciaram uma integração que permite treinar políticas de caminhada para o robô bípede de código aberto Microduck utilizando o framework Nvidia Isaac Lab 3.0. O processo utiliza simulação paralela em GPU e física avançada com o motor Newton para preparar modelos capazes de lidar com folga mecânica e atrito real. Ao final do treino, os pesos são exportados no formato ONNX e carregados diretamente no software de bordo do robô.
A política de locomoção recebe 61 variáveis de observação e gera 14 valores de posição para as articulações do dispositivo. O treinamento ocorre em ambientes paralelos no Isaac Lab, que pode ser escalado em clusters de até 16 placas gráficas para atingir taxas de processamento de até 1,25 milhão de passos por segundo. Desenvolvedores podem escolher entre cenários de solo plano ou terrenos acidentados, que incluem rampas e degraus.
Para transferir o aprendizado da simulação para a máquina física sem falhas de controle, o sistema adota o modelo de atuadores BAM rodando sobre o solucionador MJWarp do Newton. Essa configuração simula os limites elétricos dos motores, atrasos de transmissão, limites de voltagem de bateria e o desgaste desigual das engrenagens por meio de randomização de domínio aplicada em cada articulação.
Exportação ONNX e transferência para hardware
O fluxo de avaliação e reprodução baseado na biblioteca RSL-RL gera arquivos no formato TorchScript e no formato ONNX de forma automatizada ao final da checagem em simulação. O arquivo ONNX resultante é transferido diretamente para a placa embarcada do Microduck via rede local por comando de cópia segura. Na sequência, a interface de linha de comando interna do robô permite substituir a política de movimentação em execução.
O software de controle do Microduck carrega o arquivo e permite testar a marcha com um controle sem fio pareado. Em testes documentados no anúncio, o bípede conseguiu restabelecer a postura ereta e retomar a caminhada após sofrer empurrões e quedas leves no chão real, aproveitando as variações aleatórias de força injetadas durante o treinamento sintético.
A configuração exige uma estação de trabalho com Linux, placa de vídeo Nvidia compatível e o gerenciador de pacotes uv para rodar o Isaac Lab. A publicação não detalha o preço do hardware do Microduck nem os custos operacionais de computação em nuvem para quem não possui placas próprias para o treinamento local.
Microduck Arena e avaliação no Hugging Face Hub
Junto ao fluxo de exportação, a Hugging Face disponibilizou o Microduck Arena, um ambiente no Hugging Face Spaces para comparar o desempenho de diferentes modelos de locomoção em desafios padronizados. O espaço aceita submissões em ONNX com limite de tamanho de arquivo de até 64 megabytes, desde que respeitem a interface de 61 observações e 14 ações.
Além da caminhada básica, o ambiente do Isaac Lab 3.0 suporta tarefas avançadas de percepção visual com a câmera de profundidade acoplada à cabeça do robô. Desenvolvedores também podem integrar peças e cenários tridimensionais compatíveis por meio da biblioteca SimReady Central, além de programar currículos de aprendizado com inclinações maiores e degraus.
Pesquisadores podem publicar os pontos de checagem e as configurações de treinamento diretamente no Hugging Face Hub para permitir que outros times reproduzam os resultados ou adaptem o código para outros modelos bípedes.
Fontes
- Hugging Face: Train in Simulation, Deploy on a Real Robot: Microduck with Isaac Lab 3.0
Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.
