利用AI代理在模拟中教微型鸭等机器人行走 - NVIDIA开发者

英伟达正在把机器人训练这件事搬进虚拟世界。该公司最新公布的一套开发流程显示，开发者可以借助AI智能体在仿真环境中教会机器人走路、避障，而不必一上来就动用昂贵的实体硬件。这套流程以一款名为Microduck的参考机器人作为演示对象，串联起本地规划、云端训练和本地验证三个环节，试图解决机器人开发中"仿真训练"与"真机部署"之间的衔接难题。 具体来看，整个工作流分工明确：本地端由NVIDIA RTX Spark承担开发枢纽角色，负责AI辅助规划和策略验证；云端则由NVIDIA Isaac Lab提供强化学习框架，Newton负责物理行为建模，Omniverse相关库通过RTX渲染生成仿真视觉观测。开发者只需用一段提示词描述障碍赛道和机器人需要掌握的能力，Hermes和Nemotron 3.5 Bolt就能把这段描述拆解成可执行的项目计划，涵盖任务目标、可用资源、预期产出和执行阶段。随后Astra接手资产创建与仿真测试，包括生成逼真的赛道概念图、在FreeCAD中建模几何体、在Blender中赋予材质，最终组装赛道并测试机器人的导航、越障和复位能力。训练完成的策略再回到RTX Spark上，在Isaac Sim中进行本地评估。 对机器人开发者和AI从业者而言，这套流程的价值在于把原本分散的环节——资产制作、物理仿真、策略训练、效果评估——串成了一条可复用的流水线，并且明确划定了"仿真阶段不碰实体硬件"的边界。英伟达也坦言，仿真与真实世界的行为差异仍需进一步调校，这意味着该流程更像是真机部署前的基础铺垫，而非终点。对于正在探索具身智能和机器人自动化的团队来说，这种"AI智能体规划+仿真训练+本地验证"的组合，提供了一条降低试错成本的可行路径。