NVIDIA 发布教程：用 Isaac Lab 3.0 在仿真中训练 Microduck 双足机器人行走策略并部署实机

OmniTools 10月22日消息，NVIDIA 在 Hugging Face 博客发布技术教程，介绍如何借助开源框架 Isaac Lab 与 Newton，为 Pollen Robotics 和 Hugging Face 联合推出的低成本开源双足机器人 Microduck 训练行走策略，并完成从仿真到真机的部署。

教程显示，Isaac Lab 已内置 Microduck 的机器人模型、场景、观测、动作、奖励与域随机化配置，提供平地与崎岖地形两类任务。策略接收 61 个观测值，输出 14 个关节位置；导出与部署时需保持观测顺序、归一化和动作缩放一致。训练依托 GPU 并行仿真环境，可跨多 GPU 分布式运行，官方称在启用崎岖地形与齿轮间隙（backlash）预设时可达每秒 125 万步，示例命令使用 4096 个并行环境。域随机化覆盖质量与质心、地面摩擦、关节惯量、编码器偏移、电池电压跌落、指令延迟，以及每个关节独立的机械间隙。

流程上，RSL-RL 回放工作流会自动导出 TorchScript（policy.pt）与 ONNX（policy.onnx）文件，机器人板载运行时加载 ONNX 策略。导出的策略可上传至 Hugging Face Hub 分享，或在 Microduck Arena 中参与评测与排行榜比较，该平台要求模型具备 61 个观测值、14 个动作值，且体积不超过 64 MiB。实机部署通过 scp 传输策略文件，并用 robotctl 命令加载与监测，教程还演示了机器人在被推倒后恢复行走的鲁棒性。

教程同时指出，Isaac Lab 3.0 支持运动控制、灵巧操作和基于视觉的任务，可进一步扩展到台阶、斜坡、不平地形以及加入头部相机深度信息的感知任务。