Using AI Agents to Teach Robots Like Microduck to Walk in Simulation

AI Agent 驱动仿真机器人训练全流程，4,096 并行环境训练 Microduck

RTX Spark 上，Hermes 与 Nemotron 3.5 Bolt 把障碍课程提示词转为分步计划，要求 Microduck 在坡道与狭小空间中边感知边保持平衡。Astra 增强参考图，用 FreeCAD 建模、Blender 赋材质并导出 USD 资产。Isaac Sim 借 Omniverse 渲染与传感器仿真组装环境，Newton 负责运动与平衡物理。Isaac Lab 以头部相机深度和机器人状态为观测，在 4,096 个并行环境、RTX PRO 6000 GPU 上继续训练预训练运动策略，适应坡道与障碍。训练后的策略回到 RTX Spark 的 Isaac Sim 验证障碍检测、步态调整和完赛，记录摔倒碰撞以迭代。部署前用 Better Actuator Models 建模指令延迟、机械间隙和电压降，并以域随机化缩小 sim-to-real 差距；硬件部署不在本文范围，可参考 SimReady、Isaac Lab 文档和 Hugging Face Microduck 教程。

1. 1Hermes 与 Nemotron 3.5 Bolt 将提示词转为项目计划
2. 2Astra 用 FreeCAD + Blender 本地生成 USD 资产
3. 3BAM 与域随机化用于 sim-to-real 准备

为什么重要　完整展示 RTX Spark 本地加 Isaac Lab 云端 RL 的闭环与 BAM 域随机化细节，可直接迁移到自研机器人任务适合　机器人工程师、RL 训练者、Sim2Real 研究员，尤其用 NVIDIA 工具链者

来源

developer.nvidia.com

发布

2026/10/23

作者

Gabriele Leone