Ik programmeer Nvidia Isaac Sim en reinforcement learning in Isaac lab


Over deze dienst
Automatische vertaling
Implementeren van GPU-versnelde simulaties en reinforcement learning pipelines in NVIDIA Isaac Sim
Heb je state-of-the-art reinforcement learning (RL) of physics-accurate simulatie nodig voor quadrupeds, bipeds of complexe manipulators? Ik configureer NVIDIA Isaac Sim en Isaac Lab (voorheen Orbit) om high-fidelity trainingspipelines op te zetten.
Wat ik aanbied:
1 Asset import (URDF naar USD):** Importeren van je CAD-modellen/URDFs naar OpenUSD, afstemmen van physics-materialen, massa-eigenschappen en collision meshes.
2 Isaac Lab Gym taken:** Maken van aangepaste reinforcement learning omgevingen, opzetten van actie/waarnemingsruimtes en ontwerpen van beloningsfuncties.
3 RL beleid trainen:** Train stabiele policies met Stable-Baselines3, rsl_rl of aangepaste PPO-algoritmes met CUDA-versnelde parallelle omgevingen.
4 ROS2 bridge en sim-to-real:** Opzetten van communicatiebruggen om getrainde neural network policies op echte hardware te implementeren.
Leveringen:
1 Gedocumenteerde Python workspace.
2 USD-bestanden en aangepaste taak scripts.
3 Voorgetrainde modelgewichten.
4 Docker-omgeving.
Neem contact met me op voordat je bestelt om de DoF en RL-doelstellingen van je robot te bespreken!*
Maak kennis met Aman Patel
System Integrator
- Afkomstig uitIndia
- Lid sindsapr 2023
- Gem. reactietijd1 uur
Talen
Hindi, Gujarati, Engels, Marathi
Automatische vertaling
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Q: Waarom raad je Nvidia Isaac Sim aan boven Gazebo voor AI training?
A: Isaac Sim is gebouwd op NVIDIA Omniverse en gebruikt de PhysX physics engine, die direct op de GPU draait. Hierdoor kun je duizenden robots parallel simuleren, waardoor de trainingstijd voor reinforcement learning van weken naar uren wordt versneld.
Q: Hoe brengen we de getrainde policy over op een echte robot?
A: Ik zet het policy inference script op in Python/C++ om real-time joint states van je hardware te lezen (via ROS2 of seriële communicatie), deze door het getrainde model te halen en target torques of snelheden terug te sturen naar de motoren.
Q: Ontwerp je de reinforcement learning beloningsfuncties?
A: Ja. Ik pas de beloningsfuncties aan op basis van jouw taak. Bijvoorbeeld, voor quadruped lopen, voeg ik beloningen toe voor target tracking snelheid, stabiliteit in lichaamshoogte en voetcontact, samen met straffen voor hoge torques, joint velocity spikes en botsingen.
Q: Kun je de training uitvoeren op een headless server?
A: Ja. Ik verpakt de volledige Isaac Sim workspace in een Docker container die headless draait op je GPU-gestuurde cloud instances (AWS, GCP) of lokale server, zodat je modellen kunt trainen via SSH.

