Een internationale onderzoeksgroep heeft aangetoond dat de combinatie van grootschalig virtueel trainen en beperkt testen in de praktijk – ook wel Sim2Real genoemd – goede eindresultaten biedt. Het is daarmee een prima alternatief voor organisaties met een beperkt budget.
Het grote leerwerk gebeurt in een gesimuleerde omgeving, in dit geval met Nvidia Isaac Gym, waarna het geleerde in de praktijk wordt getest op een beperkte groep echte robots. Isaac Gym maakt gebruik van Nvidia’s PhysX GPU-accelerated engine om duizenden parallelle simulaties op een enkele GPU mogelijk te maken. Het haalt ongeveer 100.000 samples per seconde op een RTX 3090 GPU.
Hoge slagingskans ondanks beperkt budget
De onderzoeksgroep, waarin Nvidia, het Max Planck Instituut, de universiteit van Toronto, Vector Institute, ETH en Snap zitten noemt “een hoog slagingspercentage van 83 procent”, terwijl een volledige installatie om het systeem uit te voeren, inclusief training, inferentie en fysieke robothardware, nog geen 10.000 dollar (8.600 euro ) zou kosten.
Het door de groep gebruikte systeem traint “op desktopniveau in Canada, in 16.384 parallelle omgevingen op een enkele Nvidia Tesla V100 GPU,” aldus het rapport. “Inferentie wordt vervolgens op afstand uitgevoerd op een TriFinger-robot in Duitsland met behulp van de geüploade actor weights.”
De onderzoekers hopen dat hun werk “een pad biedt voor democratisering van robotleren en een bruikbare oplossing, door grootschalige simulatie en robotics-as-a-service.”
39 minuten geleden
