F3 · Robotics & Embodied
Robotics Reinforcement Learning on Arm
中文版:
導讀
在 DGX Spark 上原生建置 Isaac Sim 與 Isaac Lab，並透過 Unitree H1、RSL-RL 與 PPO，展示從 physics simulation 到 humanoid policy training 的完整 Arm workflow。此架構由 Grace Arm CPU 承擔 software build、environment orchestration 與 simulation workflow coordination，Blackwell GPU 執行 parallel physics simulation 和 reinforcement-learning training。本專案的生態價值在於建立 Isaac robotics stack 在 Grace–Blackwell heterogeneous platform 上的運行基線，並具體呈現 CPU／GPU 在 robotics RL pipeline 中的責任分工。
驗證範圍
- 約 65k simulation steps/s 是 512 個 parallel environments 與指定案例設定下的觀察值，實際 throughput 會隨 environment complexity、model、training configuration 與 software version 改變。
- 工作流聚焦 simulation 與 policy training；結果不構成 Sim-to-Real transfer、physical Unitree H1 deployment、control-loop timing 或 robot functional-safety validation。