NVlabs/neural-robot-dynamics

해결하는 문제

NeRD는 접촉 제약 하에서 아티큘레이티드 강체(로봇)의 미래 상태를 예측하는 문제를 해결합니다. 분석적 시뮬레이터 내에서 전통적으로 계산 비용이 높은 저수준의 동역학 및 접촉 소거기를 학습된 접근 방식으로 대체하여 장기적인 예측 정확도를 유지하려는 목표를 가지고 있습니다.

작동 방식

NeRD는 로봇 중심의 학습된 동역학 모델을 구현하여 교체 가능한 백엔드 소거기로 작동합니다. 로봇 중심적이고 공간적으로 불변인 시뮬레이션 상태 표현을 사용하여 운동을 예측합니다. 이 시스템은 NVIDIA Warp에 통합되어 있으며, 사용자는 Featherstone 또는 XPBD와 같은 전통적인 분석적 동역학과 신경 동역학 사이를 통합된 통합 인터페이스를 통해 전환할 수 있습니다.

대상 사용자

이 프로젝트는 물리 시뮬레이션, 로봇 동역학 모델링, 아티큘레이티드 로봇을 위한 강화 학습(RL)에 종사하는 로봇 연구자 및 엔지니어를 대상으로 합니다.

주요 특징

• 교체 가능한 백엔드: NVIDIA Warp에 표준 물리 소거기의 대체로 삽입 가능.
• 신경 동역학: 미래 상태를 예측하기 위해 저수준 접촉 소거기를 학습된 모델로 대체.
• RL 통합: NeRD 동역학을 기반으로 한 시뮬레이터 내에서 직접 RL 정책 학습을 지원.
• 사전 학습된 모델: Cartpole, Ant, ANYmal 등의 환경용으로 사용 가능한 사전 학습된 모델 제공.