Ik programmeer Nvidia Isaac Sim en reinforcement learning in Isaac lab


Over deze dienst
Automatische vertaling
GPU-versnelde simulaties en reinforcement learning pipelines inzetten in NVIDIA Isaac Sim
Wil je state-of-the-art reinforcement learning (RL) of fysica-accurate simulaties 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:**
* **Asset import (URDF naar USD):** Importeren van je CAD-modellen/URDF's naar OpenUSD, fysica-materialen afstemmen, massa-eigenschappen en collision meshes aanpassen.
* **Isaac Lab Gym taken:** Maken van aangepaste reinforcement learning omgevingen, opzetten van actie-/waarnemingsruimtes en beloningsfuncties ontwerpen.
* **RL beleid trainen:** Stabiliteit van beleid trainen met Stable-Baselines3, rsl_rl of aangepaste PPO-algoritmes met CUDA-versnelde parallelle omgevingen.
* **ROS2 brug & Sim-to-Real:** Communicatiebruggen opzetten om getrainde neurale netwerkbeleid op echte hardware te implementeren.
**Leveringen:**
* Gedocumenteerde Python workspace.
* USD-bestanden & aangepaste taak scripts.
* Voorgetrainde modelgewichten.
* Docker-omgeving.
*Neem contact met me op voordat je bestelt om je robot's DoF en RL-taakdoelen te bespreken!
Maak kennis met Jiten T
Robotics Engineer
- Afkomstig uitIndia
- Lid sindsfeb 2026
- Gem. reactietijd1 uur
- Laatste levering1 maand
Talen
Engels, Gujarati, Hindi
Automatische vertaling
Andere AI-development diensten die ik aanbied
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 trainingstijden voor reinforcement learning van weken naar uren worden verkort.
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 sturen 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 verpakk het hele 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.

