Nyhet

Nvidia visar hur roboten Microduck tränas i Isaac Lab 3.0 och körs på riktig hårdvara

Nvidia har publicerat en guide på Hugging Face, daterad 21 oktober 2026, som visar hur man tränar den öppna tvåbenta roboten Microduck att gå i simulering med Isaac Lab 3.0 och Newton. Den tränade gångpolicyn exporteras som ONNX-fil och kan köras på en verklig robot. Microduck har nyligen släppts av Pollen Robotics och Hugging Face.

Det viktigaste i korthet

• Microduck är en nyligen släppt, prisvärd och öppen tvåbent robot från Pollen Robotics och Hugging Face.

• Nvidia beskriver hur en gångpolicy tränas med Isaac Lab och fysikmotorn Newton och exporteras som ONNX.

• Policyn tar 61 observationsvärden och ger 14 ledpositioner som utdata.

• Enligt Nvidia kan träning på 16 GPU:er nå upp till 1,25 miljoner steg per sekund med ojämn terräng och glapp (backlash) aktiverat.

• Microduck Arena på Hugging Face tar emot modeller med 61 observationer, 14 åtgärdsvärden och högst 64 MiB.

• Guiden kräver en Linux-dator med en NVIDIA-GPU som stöds, samt Git och uv.

Vad har hänt

Nvidia har lagt ut en steg-för-steg-guide på Hugging Face om hur en gångpolicy för Microduck tränas i simulering och sedan flyttas till en fysisk robot. Utmaningen är att en policy som fungerar i simulering också måste klara friktion, fördröjningar och mekaniskt spel i verkliga servon.

Isaac Lab är Nvidias öppna ramverk för att träna policyer i tusentals parallella GPU-simuleringar. I guiden används Newton med MJWarp-lösaren och Newton-baserade Better Actuator Models (BAM) för att modellera servonas respons. Tillsammans med förinställningen ”backlash” omvandlas positionsmål till realistiska servomoment, där firmwarens regulator, motorns elektriska gränser, friktion och fördröjning ingår.

För att policyn ska fungera i verkligheten används domänrandomisering. För varje robot varieras massa och tyngdpunkt, markfriktion, ledtröghet, encoderoffset, batterispänning och spänningsfall samt kommandofördröjning. Terrängen varieras, roboten utsätts för knuffar och glappet varierar per led för att efterlikna ojämnt slitage. Glapp är det mekaniska spelet i en växellåda när en led byter riktning.

Isaac Lab innehåller redan Microducks robotmodell, scen, observationer, rewards och randomisering. Det finns en plan variant och en ojämn variant med trappor, backar och ojämnt underlag. Träningen startas med kommandot ”uv run isaaclab train” med rsl_rl, 4096 miljöer och presets=backlash. Nvidia säger att den ojämna terrängen användes för själva utplaceringen.

Efter träningen utvärderas policyn i Newton-visualiseraren. Uppspelningen i RSL-RL exporterar automatiskt både TorchScript (policy.pt) och ONNX (policy.onnx). Observationsordning, normalisering och skalning av åtgärder måste vara desamma som vid träningen. Microducks inbyggda körmiljö läser ONNX-filer.

Filen kan delas på Hugging Face Hub, testas i Microduck Arena eller köras på roboten. Arena är ett Hugging Face Space där kompatibla policyer jämförs på gemensamma utmaningar med resultattavla. För hårdvaran kopieras filen med scp, och med kommandot robotctl laddas den som gångpolicy medan roboten stöttas på ett stativ. Standardpolicyn kan återställas. Nvidia visar att roboten kan resa sig och fortsätta gå efter att ha knuffats omkull.

Guiden pekar också vidare mot Isaac Lab 3.0:s övriga användningsområden: svårare terräng med stigande svårighetsgrad, perceptionsuppgifter med djupkamera i huvudet, manipulation med Kuka–Allegro samt egna miljöer med SimReady-tillgångar.

Vad det betyder för dig i Sverige

Källan tar inte upp Sverige. Isaac Lab är ett öppet ramverk och guiden är skriven för den som har en Linux-dator med en NVIDIA-GPU som stöds, så svenska utvecklare, studenter och hobbyister kan i princip följa stegen i simulering. För att köra policyn på en fysisk robot krävs en konfigurerad Microduck, och källan hänvisar till Microducks hemsida för beställning och installation.

Det här vet vi inte än

Källan anger inget pris för Microduck och inte om eller när roboten kan beställas i Sverige. Den redovisar inga mätvärden för hur snabbt eller stabilt roboten går i verkligheten, bara en bild på att den återhämtar sig efter en knuff. Hur Microduck Arena rankar policyer eller vilka utmaningar som finns framgår inte heller. Nvidias uppgift om 1,25 miljoner steg per sekund gäller en specifik konfiguration med 16 GPU:er och har inte verifierats av någon annan.