Aug, 2021

Isaac Gym：面向机器学习的高性能 GPU 物理仿真平台

PDF
TL;DR该研究证明了使用 Isaac Gym 平台进行机器人学习的高效性，其在 GPU 上进行物理模拟和神经网络策略培训，大大提高了单 GPU 上复杂机器人任务训练的速度。
isaac gymgpurobotics tasksneural network policy trainingrl training
发现论文，激发创造
  • 基于 GPU 加速的分布式强化学习机器人仿真

    使用 GPU 加速物理引擎 NVIDIA Flex 模拟机器人学习在连续控制和运动任务上表现出了极大的优势，使用少量的 CPU 与单 GPU 即可短时间内训练出高效的机器人智能。

    Oct, 2018

  • 手术健身房：基于高性能 GPU 的机器人手术加强学习平台

    机器人辅助手术的进展使得手术变得更加精确、高效和微创，从而引发了机器人手术干预的新时代。本文介绍了 Surgical Gym，这是一个开源、高性能的外科机器人学习平台，通过在 GPU 上直接进行物理模拟和强化学习，实现了 100-5000 倍的更快训练时间与之前的外科学习平台相比。

    Oct, 2023

  • Humanoid-Gym: 人形机器人的零样本 Sim2Real 迁移增强学习

    基于 Nvidia Isaac Gym 的 Humanoid-Gym 是一个易于使用的强化学习框架，旨在训练仿人机器人的运动能力，重点是从模拟到真实环境的零迁移。

    Apr, 2024

  • 辅助健身房：辅助机器人的物理模拟框架

    本文介绍了 Assistive Gym 这个开源的物理仿真框架，可用于为多种日常生活活动提供机器人辅助，并基于强化学习方法训练不同商用机器人的基本策略。通过对人类活动模型进行建模，该框架可模拟人类活动能力和辅助偏好以提供奖励函数，从而提供更好的人机交互体验。

    Oct, 2019

  • 学会飞行 -- 一种使用 PyBullet 物理引擎的 Gym 环境，用于多智能体四轴飞行器控制的强化学习

    本文介绍了一种基于 Bullet 物理引擎的开源多旋翼 OpenAI Gym 环境，并通过多个实验展示了其在控制和强化学习方面的应用，旨在鼓励将控制理论和机器学习相结合的未来研究。

    Mar, 2021

  • ORBIT：交互式机器人学习环境的统一仿真框架

    ORBIT 是一个统一的、模块化的机器人学习框架，由 NVIDIA Isaac Sim 提供支持。它采用模块化设计，可以轻松、高效地创建具有照片级真实场景和快速、精确刚性和可变形体模拟的机器人环境。它还提供了各种难度的基准任务，可以支持各种研究领域，包括表示学习、强化学习、模仿学习和任务规划等。

    Jan, 2023

  • 基于 GPU 仿真和高质量演示的交互式人类样学习加速

    利用 GPU 模拟技术和模仿学习指导策略搜索以使强化学习培训可在高维机器人手表现复杂控制问题的领域中成为可能，最终演示了并行强化学习和模仿学习的互补优势和优秀的验证结果。

    Dec, 2022

  • PeersimGym：使用强化学习解决任务卸载问题的环境

    通过开发和优化计算网络中的任务卸载策略，引入了一个可自定义的模拟环境以支持深度强化学习代理，并展示了深度强化学习方法在分布式计算环境中显著提升任务卸载策略的潜力，从而弥合了理论强化学习模型和实际应用之间的差距。

    Mar, 2024

  • 为自主网络代理开发网络 AI 健身房

    本文旨在通过应用增强学习和深度增强学习（RL/DRL）来使网络网络运营（CyOps）中的自主智能体成为可能，并且通过提出的一个名为 Cyber Gym for Intelligent Learning（CyGIL）的统一训练环境，尤其是最近发展出的一种在仿真环境下训练智能体的解决方案，该方案旨在在实际网络环境中实现从仿真到现实的自主智能体应用。

    Apr, 2023

  • 深度强化学习大批量模拟

    该论文在复杂的 3D 环境中，通过设计以 “batch simulation” 为原则的 3D 渲染器和模拟器来加速基于深度强化学习的训练，使用单个 GPU 每秒获得超过 19,000 帧的经验，并在单个 8-GPU 机器上每秒获得最高达 72,000 帧的经验，同时维持任务的高性能并通过增加大型 mini-batches 的样本效率，在 1.5 天内使用单个 GPU 训练 PointGoal 导航代理以达到 64-GPU 集群上训练的代理的 97％准确度。

    Mar, 2021