NVIDIA 公開了 Microduck 的走路訓練教學，讓開發者從模擬開始，練出能匯出到實機的控制模型。10 月 21 日發布的教學把 Isaac Lab、Newton 物理引擎與這款雙足機器人接起來，也把齒輪間隙、馬達延遲與電池變化放進訓練。
對台灣機器人實驗室與開發者，這提供了研究「模擬動作如何帶到真機」的現成起點。它已有機器人與任務設定，不必從零搭起環境；沒有實機也能先訓練和比較模型。有實機的團隊，則能觀察馬達與地面差異如何影響步態。
把齒隙與延遲帶進模擬
走路模型要根據感測資訊和速度指令，持續決定關節該轉到哪裡。問題在於，真實馬達不會每次都立即、精準地完成指令。關節反向時，齒輪可能先空轉一小段才接上力量，這就是齒隙。若訓練時沒有這段機械差異，模型到了實機上，平衡動作就可能失準。
教學使用 BAM 致動器模型描述馬達反應，並在不同模擬機器人上改變摩擦、重量、電池電壓、命令延遲及各關節齒隙。模型因此會遇到不同的運動結果，練習在差異中維持步態。模擬需要描述的，是硬體如何回應控制指令。
公開任務設定顯示，訓練獎勵同時考慮速度追蹤、站直、腳步與滑動等表現。每次動作後，模擬器產生新的狀態，演算法再調整模型。一段流暢步態，就是透過這個回饋過程學習而來，也呈現了 Physical AI 的模擬與控制分工。
NVIDIA 在 10 月 23 日另一篇展示中，讓已有走路能力的模型繼續練習坡道與障礙物，加入頭部相機深度及機器人狀態。該實驗使用 4,096 個平行環境累積經驗。這是加上感知的進階任務，不能和基礎走路模型視為同一套輸入。
我認為這份教學的價值，在於讓開發者能把跌倒原因追到訓練條件。轉彎失穩，可能涉及關節反應；換地面後打滑，則需要看接觸與摩擦。只增加訓練次數，無法補上模擬裡根本沒有描述的硬體行為。
從走路模型到實體機器人
基本流程先在模擬中選定並回放模型，再匯出 ONNX 檔案，交給 Microduck 的機載執行環境。教學提供平地與崎嶇地形任務；本機訓練需要 Linux 工作站、支援的 NVIDIA GPU 及驅動程式。實機部署前，還需備妥機器人、機載軟體與控制器。
基礎走路模型的介面有明確定義。任務設定依序組合慣性感測、關節位置與速度、前次動作及控制指令；教學列出 61 個觀測值與 14 個關節位置輸出。匯出後仍要保留相同順序、正規化和動作縮放，讓訓練與實機使用一致的定義。
沒有實機的讀者，可以先把模型放進 Microduck Arena的共同挑戰比較。平台接受上述輸入與輸出尺寸，模型檔案上限為 64 MiB，也支援提交既有 ONNX。這讓課程或研究團隊有一個共同評估環境；排名回答的是該挑戰下的表現，實機結果仍需另外取得。
實機載入有一個不能省略的細節。Pollen Robotics 文件寫明，機器人若正在走路，換模型時會回到初始姿勢，載入後再恢復行走。教學要求先用支架固定，再進行站立、慢走、轉彎與停止測試；「載入新模型」本身不是停止操作。
我會建議教學與研究用途先採現成任務，觀察變動訓練條件後的步態差異，再決定是否延伸到感知或自行製作障礙場景。資產部分可參考 SimReady 的幾何與物理資料；訓練規模擴大後，才需要討論 Isaac Lab 雲端訓練。不建議只憑模擬排名挑一個模型直接上機，因為硬體反應正是這份教學要處理的問題。
常見問題
沒有實機也能開始嗎？
可以先做模擬訓練、回放與模型匯出，也能參加 Arena 挑戰。實機部署前，須完成機器人及機載軟體的設定。
齒隙為何影響走路？
關節換方向時，齒輪可能先移動一小段才傳遞力量。訓練若忽略這種差異，關節的實際反應就可能偏離模型預期，讓步態失穩。
載入模型會停止行走嗎？
原本正在走路時，載入流程會先回到初始姿勢，再恢復行走。不能把更換模型當成停止操作，首次載入應依官方指示以支架固定。
參考來源
- NVIDIA：Train in Simulation, Deploy on a Real Robot: Microduck with Isaac Lab 3.0（2026-10-21）
- NVIDIA：Using AI Agents to Teach Robots Like Microduck to Walk in Simulation（2026-10-23）
- Isaac Lab 官方：flat_env_cfg.py（未標發布日，2026-10-25 查核）
- Pollen Robotics：Train your first policy（未標發布日，2026-10-25 查核）
- Pollen Robotics：Cheat sheet（未標發布日，2026-10-25 查核）