NVIDIA 发布了一篇技术博客，介绍如何使用 AI 智能体在仿真中教会 Microduck 机器人行走。这项工作与 NVIDIA 扩展 Isaac 工具（用于机器人训练、仿真和部署）同步进行，将仿真优先的运动控制定位为低成本硬件的实用路径。Microduck 本身是一款低成本四足机器人；有报道称，在 CEO 演示后已售出 20,000 台，但相关报道未说明统计周期或该数字的依据。
对于智能体工程师而言，真正重要的细节在于可靠性是在哪里决定的。在仿真中训练的运动控制智能体，其行为继承自围绕它的测试框架：观测与动作接口、重置与终止逻辑、域随机化调度，以及塑造步态的奖励项。这些都是任何物理部署之前做出的设计决策，它们决定了策略能否迁移，还是会在接触噪声和执行器限制下崩溃。Microduck 案例是一个有用的例证，因为该平台足够便宜，迭代成本主要由工程而非硬件决定。
更广泛的生态也在朝同一方向移动。Generative Bionics 宣布在意大利建立 Physical AI Data Factory，用于生成机器人训练数据，这表明数据生成和评估基础设施正在成为独立产品。从现有报道中仍不清楚的是 NVIDIA 使用的具体智能体架构、奖励公式以及任何定量的迁移结果；在将该方法与替代方案进行比较评估之前，需要这些细节。