NVIDIA یک راهنمای فنی گام‌به‌گام منتشر کرده است که نشان می‌دهد agentهای هوش مصنوعی به ربات Microduck آموزش می‌دهند در شبیه‌سازی راه برود، و ابزارهای Isaac خود را برای آموزش، شبیه‌سازی و استقرار ربات گسترش داده است. این دو موضوع به هم مرتبط‌اند: خط لولهٔ agent حلقهٔ آموزش را تأمین می‌کند، در حالی که Isaac محیطی را فراهم می‌کند که این حلقه در آن اجرا می‌شود. پوشش TechCrunch از این نمایش گزارش می‌دهد که ربات Microduck حدود ۲۰٬۰۰۰ واحد فروش داشته است.
برای تیم‌هایی که agentهای embodied می‌سازند، تغییر عملی این است که یک بستر agent-in-the-loop به نقطهٔ شروع تبدیل می‌شود، نه چیزی که از صفر ساخته شود. این مسئله، مشکل سخت مهندسی را از کد policy به دو حوزهٔ دیگر منتقل می‌کند: وفاداری شبیه‌سازی، و ارزیابی رفتار یادگرفته‌شده. یک policy که درون شبیه‌ساز به‌طور قانع‌کننده راه می‌رود، تنها به اندازهٔ فاصلهٔ میان آن شبیه‌ساز و سخت‌افزار هدف مفید است، و تنها به اندازهٔ ارزیابی‌ای که آن را تأیید می‌کند قابل اعتماد است. هیچ‌کدام از این دو صرفاً با ابزار بهتر حل نمی‌شوند، و این راهنما هیچ بنچ‌مارکی برای انتقال sim-to-real ارائه نمی‌کند.
آنچه از پوشش ارائه‌شده روشن نیست، مجوز و دسترس‌پذیری اجزای گسترش‌یافتهٔ Isaac، الزامات سخت‌افزاری برای اجرای خط لولهٔ agent، و نحوهٔ شمارش آمار Microduck است. تیم‌هایی که این مجموعه را ارزیابی می‌کنند باید وفاداری شبیه‌سازی و ارزیابی رفتار را به‌عنوان ریسک‌های اصلی مهندسی در نظر بگیرند، نه پیاده‌سازی policy.