Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Entrene una política de manipulación de robots con MuJoCo Deadline Cloud
El paquete de trabajos mujoco_sim_to_policy del GitHub sitio web entrena y renderiza una política aprendida
-
Datagen: selección de un cubo en un espacio conjunto mediante un guion MuJoCo, registrado como conjunto de datos. LeRobot Cada episodio se verifica mediante una comprobación de la altura del cubo y se descarta si falla.
-
Entrenamiento: ajusta una política de LeRobot ACT sobre el conjunto de datos generado (CUDA).
-
Render: impulsa la MuJoCo implementación con una política ajustada y graba el resultado como un vídeo MP4 y fotogramas PNG.
El paquete requiere una flota de GPU Linux x86_64 (los pasos se procesan sin problemas mediante EGL y se entrenan en CUDA) y un entorno de cola conda que consuma los parámetros del trabajo y del trabajo. CondaPackages CondaChannels Los paquetes conda predeterminados están activados. python=3.12 pip git ffmpeg conda-forge
Desde el job_bundles directorio, envíe el trabajo:
OUT="$(pwd)/output"; mkdir -p "$OUT" deadline bundle submit mujoco_sim_to_policy -p "OutputDir=$OUT" --yes
