Pollen Robotics 同 Hugging Face 新推出低價開源雙腿機械人 Microduck，而家開發者可以直接喺 NVIDIA Isaac Lab 模擬環境度訓練佢行路，將訓練好嘅策略導出為 ONNX 檔案，再部署上真台機械人，分享上 Hugging Face Hub，或者參加 Microduck Arena 競賽。
點解模擬訓練唔夠？
喺模擬環境訓練行路策略，最啲癲嘅地方係真機有摩擦、延遲同機械 backlash（齒輪背隙）呢啲模擬未必完全還原嘅物理現象。Isaac Lab 用 GPU 並行跑成幾千個模擬環境，加上 Newton 物理引擎嘅 MJWarp solver 同 Better Actuator Models（BAM），將伺服馬達嘅固件控制器、電氣限制、摩擦同延遲都建到模型入面，再配合 domain randomization（域隨機化），先至令策略喺真機上穩定。
點樣行？
開發者需要一台裝好 NVIDIA GPU 嘅 Linux 工作站。Isaac Lab 已經預先載入 Microduck 嘅機械人模型、場景、觀察值、動作、獎勵函數同域隨機化設定。平路行路任務係起步；rough terrain 版本會加樓梯、斜坡同不平整地形。
策略層嘅輸入輸出係 61 維觀察值、輸出 14 個關節位置——導出同部署時觀察值順序、歸一化同動作縮放必須保持一致。用 16 張 GPU 分佈式訓練，rough terrain 加 backlash 嘅設定下，每秒可以跑達 125 萬步。
部署上真機需要已組裝好嘅實體 Microduck、安裝好嘅機上軟體，同控制介面（例如 pairing 好嘅 gamepad）。
模姐驗嚇貨
呢個 sim-to-real（模擬到現實）pipeline 係具身智能度實打實重要嘅一步。Microduck 定位低價開源，意思係門檻擺低咗，開發者唔使先籌幾百萬先可以玩人形機械人。但「可喺模擬訓練」唔等於「已可穩定商用」——行路係起點，唔係終點。Microduck Arena 嘅存在正正係畀開發者一個共同基準比較各自策略嘅兼容性同表現，呢個係健康開源生態度應該有嘅嘢。下一步，就睇邊個策略先上到不平整地形而唔會跌個狗。
模姐｜深度調教
