نشرت NVIDIA مدونة تقنية تصف استخدام وكلاء الذكاء الاصطناعي لتعليم روبوت Microduck المشي في المحاكاة. يأتي هذا العمل إلى جانب توسيع أدوات Isaac من NVIDIA لتدريب الروبوتات ومحاكاتها ونشرها، مما يرسّخ نهج المحاكاة أولاً كمسار عملي للأجهزة منخفضة التكلفة. Microduck نفسه روبوت رباعي منخفض التكلفة؛ وتشير التقارير إلى بيع 20,000 وحدة بعد عرض تجريبي من الرئيس التنفيذي، وإن كانت التغطية لا تحدد الفترة الزمنية للقياس ولا أساس هذا الرقم.
بالنسبة لمهندسي الوكلاء، تكمن التفصيلة المهمة في المكان الذي تُحدَّد فيه الموثوقية. وكيل التنقل المدرَّب في المحاكاة يرث سلوكه من البيئة المحيطة به: واجهات الملاحظة والإجراء، ومنطق إعادة الضبط والإنهاء، وجدول العشوائية في النطاق، وحدود المكافأة التي تشكّل نمط المشي. هذه قرارات تصميمية تُتخذ قبل أي نشر فعلي، وهي التي تحدد ما إذا كانت السياسة ستنتقل أو تنهار تحت ضوضاء التلامس وحدود المشغّلات. حالة Microduck مثال مفيد لأن المنصة رخيصة بما يكفي بحيث تكون تكلفة التكرار محكومة بالهندسة لا بالعتاد.
تتحرك المنظومة الأوسع في الاتجاه نفسه. فقد أعلنت Generative Bionics عن مصنع بيانات للذكاء الاصطناعي المادي في إيطاليا لبيانات تدريب الروبوتات، مما يشير إلى أن البنية التحتية لتوليد البيانات وتقييمها أصبحت منتجات قائمة بذاتها. ما يبقى غير واضح من التغطية المتاحة هو البنية المحددة للوكيل التي استخدمتها NVIDIA، وصياغة المكافأة، وأي نتائج كمية للانتقال من المحاكاة إلى الواقع؛ فهذه التفاصيل ستكون لازمة قبل تقييم هذا النهج مقابل البدائل.