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 Deadline Cloud
Il job bundle mujoco_sim_to_policy addestra e rende una policy
-
Datagen: selezione di un cubo in uno spazio congiunto tramite script, registrata come set di dati. MuJoCo LeRobot Ogni episodio viene verificato mediante un controllo dell'altezza del cubo e scartato se fallisce.
-
Train: ottimizza una politica LeRobot ACT sul set di dati generato (CUDA).
-
Render: consente l' MuJoCoimplementazione con la politica di ottimizzazione e registra il risultato come video MP4 e frame PNG.
Il pacchetto richiede una flotta di GPU Linux x86_64 (i passaggi vengono renderizzati senza testa tramite EGL e addestrati su CUDA) e un ambiente di coda conda che utilizza i parametri e 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
