NVIDIA опубликовала технический блог, описывающий использование AI-агентов для обучения робота Microduck ходьбе в симуляции. Работа идёт в русле расширения инструментов NVIDIA Isaac для обучения, симуляции и развёртывания роботов, что закрепляет подход «сначала симуляция» как практический путь для недорогого оборудования. Сам Microduck — недорогой четвероногий робот; по сообщениям, после демонстрации генеральным директором было продано 20 000 единиц, хотя в материале не указаны ни период измерения, ни основание для этой цифры.
Для инженеров, работающих с агентами, важна та деталь, где решается надёжность. Агент локомоции, обученный в симуляции, наследует своё поведение от обвязки вокруг него: интерфейсов наблюдений и действий, логики сброса и завершения эпизода, расписания доменной рандомизации и членов награды, формирующих походку. Это проектные решения, принимаемые до любого физического развёртывания, и именно они определяют, перенесётся ли политика или разрушится под действием контактного шума и ограничений приводов. Случай Microduck показателен, поскольку платформа достаточно дешева, чтобы стоимость итераций определялась инженерией, а не оборудованием.
Более широкая экосистема движется в том же направлении. Generative Bionics объявила о создании Physical AI Data Factory в Италии для данных обучения роботов, что сигнализирует о превращении инфраструктуры генерации и оценки данных в самостоятельные продукты. Из предоставленного материала остаётся неясным, какую именно архитектуру агента использовала NVIDIA, какова формулировка награды и есть ли количественные результаты переноса; эти детали необходимы, чтобы оценить подход в сравнении с альтернативами.