Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Addestra una politica di manipolazione dei robot con MuJoCo on Deadline Cloud
Il job bundle mujoco_sim_to_policy disponibile sul GitHub sito web forma e riproduce una politica di manipolazione robotica acquisita
-
Datagen: prelievo di un cubo nello spazio congiunto tramite script, registrato come set di dati. MuJoCo LeRobot Ogni episodio viene verificato mediante un controllo dell'altezza del cubo e scartato in caso di esito negativo.
-
Addestramento: ottimizza una politica LeRobot ACT sul set di dati generato (CUDA).
-
Rendering: avvia un' MuJoCoimplementazione con la politica ottimizzata e registra il risultato come video MP4 e fotogrammi PNG.
Il pacchetto richiede una flotta di GPU Linux x86_64 (i passaggi eseguono il rendering headless tramite EGL e il training su CUDA) e un ambiente di coda conda che utilizzi i parametri e il job. CondaPackages CondaChannels I pacchetti conda predefiniti sono attivi. python=3.12 pip git ffmpeg conda-forge
Dalla job_bundles directory, invia il lavoro:
OUT="$(pwd)/output"; mkdir -p "$OUT" deadline bundle submit mujoco_sim_to_policy -p "OutputDir=$OUT" --yes
