nvidia-isaac/WBC-AGILE

解决的问题

AGILE 简化了训练人形机器人执行复杂动作（如行走、起身、跳舞等）的流程，同时确保在仿真环境中学习到的行为能够成功迁移到真实机器人上（仿真到现实的迁移）。

工作原理

基于 NVIDIA Isaac Lab 构建，AGILE 使用强化学习训练全身控制策略。它采用教师-学生蒸馏机制，先使用仿真中独有的特权信息训练一个「教师」策略，再将该策略的知识蒸馏到一个「学生」策略中，该学生策略仅依赖真实机器人上的传感器即可运行。

适用人群

专为使用人形机器人平台（如 Booster T1 和 Unitree G1）的机器人研究人员和实践者设计。

主要亮点

• 多机器人支持：已在 Booster T1 和 Unitree G1 机器人上验证了仿真到现实的迁移能力。
• 教师-学生蒸馏：通过将仿真中的特权数据蒸馏到学生策略中，实现可部署策略的创建。
• 跨仿真器验证：提供从 Isaac Lab 到 MuJoCo 的策略迁移框架，用于进一步验证。
• 远程训练：支持 OSMO 工作流，在计算集群上进行大规模训练和超参扫描。
• 集成评估：提供运动指标、HTML 报告以及 Weights & Biases 集成，用于追踪性能。