本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 使用截止日期雲端上的 MuJoCo 訓練機器人操作政策
<a name="examples-jb-mujoco"></a>

[mujoco\_sim\_to\_policy](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/mujoco_sim_to_policy) 任務套件使用 Strands Robots so100 arms 的 [MuJoCo](https://mujoco.org/) 模擬，在 Deadline Cloud 上訓練和轉譯學到的機器人操作政策。任務會對受管 GPU 工作者執行三個相依步驟：

1. **Datagen**：MuJoCo 中立方體的指令碼關節空間挑選，記錄為 LeRobot 資料集。每個片段都會透過立方體高度檢查進行驗證，並在失敗時予以捨棄。

1. **訓練** — 在產生的資料集 (CUDA) 上微調 LeRobot ACT 政策。

1. **轉譯** — 使用微調政策驅動 MuJoCo 推展，並將結果記錄為 MP4 影片和 PNG 影格。

套件需要 Linux x86\_64 GPU 機群 （透過 EGL 進行無周邊轉譯並在 CUDA 上進行訓練的步驟），以及使用 `CondaPackages`和 `CondaChannels`任務參數的 conda 佇列環境。預設 conda 套件位於 `python=3.12 pip git ffmpeg`上`conda-forge`。

從 `job_bundles`目錄中，提交任務：

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