多機器人學習正在獲得重大提升！ 📚 研究人員擴展了 Isaac Lab，以大規模訓練異質多代理機器人政策。 這個新框架支持高解析度物理、GPU 加速模擬，以及同質和異質代理在協調任務中共同工作。 他們在六個具有挑戰性的場景中基準測試了不同的方法（MAPPO：多代理近端政策優化和 HAPPO：異質代理 PPO），並顯示大規模多機器人訓練不僅可行，而且高效。 這是實際機器人協作的重要一步，機器人團隊需要協調、分配任務、調整角色並動態互動，而不僅僅是作為相同的克隆體運作。 代碼是開源的，這使得 Isaac Lab 更接近機器人實際需要的：可擴展的、以物理驅動的環境，讓許多不同的機器人可以學會協同工作。 這是項目頁面： ~~ ♻️ 加入每週機器人通訊，隨時掌握最新消息 →