Çok robotlu öğrenme ciddi bir ivme kazanıyor! 📚 Araştırmacılar, Isaac Lab'ı heterojen çok ajanlı robotik politikaları ölçekli olarak eğitmek için genişlettiler. Yeni çerçeve, yüksek çözünürlüklü fizik, GPU hızlandırmalı simülasyon ve hem homojen hem de heterojen ajanların birlikte koordinasyon görevlerinde çalışmasını destekler. Farklı yaklaşımları (MAPPO: Çok Ajanlı Yakın Politika Optimizasyonu ve HAPPO: Heterojen Ajan PPO) altı zorlu senaryoda kıyasladılar ve büyük ölçekli çoklu robot eğitiminin sadece mümkün değil, aynı zamanda verimli olduğunu gösterdiler. Bu, robot ekiplerinin sadece aynı klonlar olarak hareket etmek yerine koordinasyon yapması, görevleri bölmesi, rolleri uyarlaması ve dinamik etkileşimde bulunması gereken gerçek dünya robotik iş birliği için önemli bir adım. Kod açık kaynaklı ve Isaac Lab'i robotiklerin gerçekten ihtiyaç duyduğu şeye daha da yaklaştırıyor: ölçeklenebilir, fizik odaklı ortamlar, birçok farklı robotun birlikte çalışmayı öğrenebileceği. İşte proje sayfası: ~~ ♻️ Haftalık robotik bültenine katılın ve hiçbir haberi kaçırmayın→