#

النقاط الرئيسية

• يبدأ سير العمل بمطالبة تحدد مسار العقبات وهدف التعلم.

• يعمل RTX Spark كمركز تطوير محلي للتخطيط والتحقق من السياسة.

• يتولى Isaac Lab التعلم المعزز في السحابة.

• يقوم Newton بنمذجة السلوك الفيزيائي، وتولّد مكتبات Omniverse الملاحظات البصرية المحاكاة.

• تعود السياسات المدربة إلى RTX Spark للتقييم المحلي في NVIDIA Isaac Sim.

نظرة عامة

تصف NVIDIA سير عمل لتعليم روبوت مثل Microduck كيفية التنقل في مسار عقبات داخل المحاكاة. تتجاوز العملية مجرد سياسة للمشي. يجب على الروبوت أن يدرك ما حوله، ويحافظ على توازنه، ويغيّر أفعاله عندما تعترض العقبات الطريق أمامه. يربط سير العمل بين إنشاء الأصول، وإعداد البيئة، والمحاكاة الفيزيائية، وتدريب السياسة، وتقييمها.

يقدّم المنشور Microduck باعتباره روبوتًا مرجعيًا. كما يذكر Hermes وNVIDIA Nemotron وAstra كمساعدين للتخطيط والإعداد. الهدف هو إنشاء مسار عقبات محاكى، وتدريب سياسة تنقل، وتقييم كيفية تصرف تلك السياسة في المحاكاة. ويذكر المنشور أن هذا يمكن تكييفه مع روبوتات ومهام أخرى.

مكونات سير العمل

يستخدم سير العمل عدة أدوات من NVIDIA في أدوار مختلفة. يعمل NVIDIA RTX Spark كمركز تطوير محلي. وهو يدعم التخطيط بمساعدة الذكاء الاصطناعي والتحقق من السياسة. ويوفر NVIDIA Isaac Lab إطار عمل تعلم الروبوتات للتعلم المعزز في السحابة. أما Newton فينمذج السلوك الفيزيائي. وتولّد مكتبات NVIDIA Omniverse ملاحظات بصرية محاكاة عبر عرض RTX.

ثم تعود السياسات المدربة إلى RTX Spark للتقييم المحلي في NVIDIA Isaac Sim. وهذا يخلق حلقة بين التخطيط والتدريب والاختبار. ويعرض المنشور هذه الحلقة كأساس للنشر الفيزيائي. كما يلاحظ أن المحاكاة والسلوك في العالم الحقيقي قد يختلفان، لذا يلزم المزيد من التحسين قبل النشر.

الخطوة 1: إنشاء خطة لمسار العقبات

يبدأ سير العمل بمطالبة تصف مسار العقبات وما يجب أن يتعلمه Microduck. على RTX Spark، يقوم Hermes وNVIDIA Nemotron 3.5 Bolt بترجمة تلك المطالبة إلى خطة مشروع خطوة بخطوة. وتوجّه هذه الخطة بقية سير عمل المحاكاة.

هذه المرحلة الأولى مهمة لأن الروبوت يحتاج إلى أكثر من مجرد مسار. إنه يحتاج إلى مهمة تعلم محددة. تساعد الخطة على تنظيم العمل قبل بدء المحاكاة. كما تهيئ المراحل اللاحقة من التدريب والتقييم.

الخطوة 2: بناء بيئة المحاكاة

بعد التخطيط، ينتقل سير العمل إلى إنشاء الأصول والبيئة. ويذكر المنشور أن عملية تعلم الروبوت تتطلب إنشاء الأصول والبيئة قبل أن يبدأ التدريب. ثم تقوم المحاكاة الفيزيائية بنمذجة كيفية تفاعل الروبوت مع تلك البيئة.

تربط هذه المرحلة بين الجانبين البصري والفيزيائي للمهمة. يجب أن تدعم البيئة سلوك مسار العقبات. كما يجب أن تعكس المحاكاة كيفية تحرك الروبوت واستجابته. لا يضيف المنشور تفاصيل أخرى، لذا تبقى النقطة الأساسية هي الصلة بين تصميم البيئة والنمذجة الفيزيائية.

الخطوة 3: تدريب السياسة وتقييمها

المرحلة التالية هي تدريب السياسة في المحاكاة. يتولى Isaac Lab التعلم المعزز في السحابة. خلال هذه المرحلة، يتعلم الروبوت كيفية التنقل في مسار العقبات. ثم يقيّم سير العمل السياسة المدربة في المحاكاة.

تولّد مكتبات Omniverse ملاحظات بصرية محاكاة عبر عرض RTX. ويقوم Newton بنمذجة السلوك الفيزيائي الذي يشكل حركة الروبوت. معًا، تدعم هذه الأدوات حلقة التدريب. ثم تعود السياسة المدربة إلى RTX Spark للتقييم المحلي في NVIDIA Isaac Sim.

لماذا يهم هذا سير العمل

يقدّم المنشور هذا السير العمل كمسار عملي من المطالبة إلى السياسة. فهو يجمع التخطيط والمحاكاة والتدريب والتقييم في تسلسل واحد. ويساعد هذا الهيكل الفرق على الانتقال من فكرة إلى سلوك تم اختباره دون مغادرة بيئة المحاكاة.

كما يؤكد المنشور أن المحاكاة ليست الخطوة النهائية. فما زال النشر الفيزيائي يتطلب تحسينًا لأن السلوك في العالم الحقيقي قد يختلف عن المحاكاة. وهذا اعتبار تشغيلي مهم. يبني سير العمل أساسًا، لكنه لا يحل محل التحقق اللاحق.

الصلة بالمغرب

لا يورد المصدر أي حقائق خاصة بالمغرب. وبالنسبة للقراء في المغرب، فإن الدرس العام مشروط: إذا استخدمت سير عمل روبوتي مشابهًا، فاحرص على ربط التخطيط والمحاكاة والتقييم بإحكام قبل أي نشر في العالم الحقيقي.