NVIDIA опубликовала технический разбор, демонстрирующий, как AI-агенты обучают робота Microduck ходьбе в симуляции, и расширила свои инструменты Isaac для обучения, симуляции и развёртывания роботов. Эти две линии связаны: агентный пайплайн обеспечивает цикл обучения, а Isaac — среду, в которой этот цикл выполняется. В репортаже TechCrunch об этой демонстрации сообщается, что робот Microduck продан тиражом около 20 000 единиц.
Для команд, создающих embodied-агентов, практический сдвиг состоит в том, что агентный контур (agent-in-the-loop) становится отправной точкой, а не чем-то, что строится с нуля. Это переносит сложную инженерную задачу с кода политики на две другие области: точность симуляции и оценку обученного поведения. Политика, которая убедительно ходит внутри симулятора, полезна лишь настолько, насколько мал разрыв между этим симулятором и целевым железом, и надёжна лишь настолько, насколько надёжна оценка, которая её сертифицирует. Ни то, ни другое не решается одним лишь улучшением инструментов, и в разборе не приводятся бенчмарки переноса sim-to-real.
Из предоставленных материалов остаётся неясным лицензирование и доступность расширенных компонентов Isaac, аппаратные требования для запуска агентного пайплайна и то, как подсчитывались показатели Microduck. Командам, оценивающим этот стек, следует рассматривать точность симуляции и оценку поведения как основные инженерные риски, а не реализацию политики.