nvidia-isaac/WBC-AGILE

解決的問題

AGILE 簡化了訓練人形機器人執行複雜動作（如行走、起身、跳舞等）的流程，同時確保在模擬環境中學習到的行為能成功遷移到實體機器人上（模擬到現實的遷移）。

工作原理

基於 NVIDIA Isaac Lab 建構，AGILE 使用強化學習訓練全身控制策略。它採用教師-學生蒸餾機制，先使用模擬中獨有的特權資訊訓練一個「教師」策略，再將該策略的知識蒸餾到一個「學生」策略中，該學生策略僅依賴實體機器人上的感測器即可運行。

適用對象

專為使用人形機器人平台（如 Booster T1 和 Unitree G1）的機器人研究人員與實務者設計。

主要亮點

• 多機器人支援：已在 Booster T1 和 Unitree G1 機器人上驗證了模擬到現實的遷移能力。
• 教師-學生蒸餾：透過將模擬中的特權資料蒸餾到學生策略中，實現可部署策略的建立。
• 跨模擬器驗證：提供從 Isaac Lab 到 MuJoCo 的策略遷移框架，用於進一步驗證。
• 遠端訓練：支援 OSMO 工作流程，在計算叢集上進行大規模訓練與超參數掃描。
• 整合評估：提供運動指標、HTML 報告以及 Weights & Biases 集成，用於追蹤效能。