View a markdown version of this page

Melatih kebijakan manipulasi robot dengan MuJoCo Deadline Cloud - Awan Batas Waktu

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Melatih kebijakan manipulasi robot dengan MuJoCo Deadline Cloud

Bundel pekerjaan mujoco_sim_to_policy di GitHub situs web melatih dan merender kebijakan manipulasi robot yang dipelajari di Deadline Cloud menggunakan simulasi dari Strands Robots so100 di situs web. MuJoCo MuJoCo Pekerjaan menjalankan tiga langkah tergantung pada pekerja GPU terkelola:

  1. Datagen — Pilihan ruang gabungan berskrip dari kubus MuJoCo, direkam sebagai kumpulan data. LeRobot Setiap episode diverifikasi oleh pemeriksaan ketinggian kubus dan dibuang jika gagal.

  2. Ker eta - Menyelesaikan kebijakan LeRobot ACT pada dataset yang dihasilkan (CUDA).

  3. Render — Mendor MuJoCo ong peluncuran dengan kebijakan finetuned dan merekam hasilnya sebagai video MP4 dan bingkai PNG.

Bundel ini membutuhkan armada GPU Linux x86_64 (langkah-langkah dirender tanpa kepala melalui EGL dan berlatih di CUDA) dan lingkungan antrian conda yang mengkonsumsi parameter dan pekerjaan. CondaPackages CondaChannels Paket conda default aktifpython=3.12 pip git ffmpeg. conda-forge

Dari job_bundles direktori, kirimkan pekerjaan:

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