Microduck ist ein 25 cm großer, quelloffener zweibeiniger Roboter, der für KI-Entwickler konzipiert wurde, um eigene Verhaltensweisen mittels Reinforcement Learning und Simulation zu trainieren.
Funktion und offizielle Positionierung des Produkts
Microduck bietet eine Open-Source-Plattform für Robotik-Enthusiasten, um mit Reinforcement Learning zu experimentieren. Der Roboter ist darauf ausgelegt, Verhaltensweisen in einer physikbasierten Simulationsumgebung zu erlernen, bevor diese auf die Hardware übertragen werden.
Das System umfasst einen vollständigen Software-Stack inklusive SDKs und Trainings-Tools, was es Nutzern ermöglicht, eigene Verhaltensrichtlinien zu erstellen, zu modifizieren und mit der Community zu teilen.
Durch offizielle Quellen belegte Anwendungsfälle
Nutzer können neue Bewegungsrichtlinien in einer simulierten Umgebung entwickeln und testen, bevor sie auf dem physischen Roboter eingesetzt werden.
Entwickler können einzigartige Roboterverhaltensweisen wie spezielle Gangarten oder Interaktionsroutinen erstellen und diese der breiteren Community zur Verfügung stellen.
Der dokumentierte Ablauf, sofern verfügbar
Entwickeln und Erlernen von Verhaltensrichtlinien in einer Physiksimulation auf einem lokalen Rechner oder über Cloud-Dienste.
Übertragen der trainierten Policy aus der Simulationsumgebung direkt auf die physische Microduck-Hardware.
Analysieren der Leistung, Anpassen von Parametern und erneutes Trainieren des Modells zur Verbesserung der Verhaltensergebnisse.
Teilen der finalisierten Verhaltensrichtlinie mit der Community für eine gemeinschaftliche Weiterentwicklung.
Das Microduck-Ökosystem basiert auf einem Sim-to-Real-Workflow, der die Lücke zwischen virtuellem Training und physischer Ausführung schließt. Durch die Nutzung der MuJoCo-Physik-Engine können Anwender komplexe Bewegungen iterativ verbessern, ohne Hardware-Schäden zu riskieren.
Prüfungen mit eigenen Inhalten und Arbeitsabläufen
Welche Quellen wann geprüft wurden
Antworten auf Basis des quellengeprüften Produkteintrags
Ja, das SDK, die Simulationsumgebung und der vollständige Reinforcement-Learning-Trainings-Stack sind Open-Source und unter Apache-2.0 lizenziert.
Ja, jedes Verhalten ist eine Policy, die in einer Physiksimulation auf dem eigenen Rechner oder über Hugging Face Jobs trainiert und dann auf den Roboter übertragen werden kann.
Der Roboter ist mit einer Kamera, LiDAR und zwei IMUs ausgestattet, um seine Bewegungs- und Interaktionsfähigkeiten umfassend zu unterstützen.
Ja, der Roboter wird standardmäßig mit sieben trainierten Bewegungen ausgeliefert, darunter Gehen, Sitzen, Stehen, Treten, Greifen und das Aufstehen nach einem Sturz.
Nutzer können den Roboter mithilfe der bereitgestellten robotctl-Befehlszeilenschnittstelle überwachen, konfigurieren und notwendige Updates durchführen.
