View a markdown version of this page

Formez une politique de manipulation des robots avec MuJoCo on Deadline Cloud - Deadline Cloud

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Formez une politique de manipulation des robots avec MuJoCo on Deadline Cloud

Le bundle de tâches mujoco_sim_to_policy sur le GitHub site Web forme et affiche une politique apprise de manipulation de robots sur Deadline Cloud à l'aide d'une simulation du bras Strands Robots so100 intégré sur le site Web. MuJoCo MuJoCo La tâche s'exécute en trois étapes qui dépendent des processeurs GPU gérés :

  1. Datagen  : sélection scriptée d'un cube dans un espace joint MuJoCo, enregistrée sous forme de jeu de données. LeRobot Chaque épisode est vérifié par une vérification de la hauteur du cube et supprimé en cas d'échec.

  2. Entraîner  : affine une politique LeRobot ACT sur le jeu de données généré (CUDA).

  3. Render  : pilote un MuJoCo déploiement avec une politique affinée et enregistre le résultat sous forme de vidéo MP4 et d'images PNG.

Le bundle nécessite un parc de GPU Linux x86_64 (les étapes sont rendues sans tête via EGL et s'entraînent sur CUDA) et un environnement de file d'attente conda qui consomme les paramètres et la tâche. CondaPackages CondaChannels Les packages conda par défaut sont python=3.12 pip git ffmpeg activés. conda-forge

Depuis le job_bundles répertoire, soumettez la tâche :

OUT="$(pwd)/output"; mkdir -p "$OUT"
deadline bundle submit mujoco_sim_to_policy -p "OutputDir=$OUT" --yes