Aller au contenu principal
Robotique · Tuto ·

Créer une simulation de robot de préhension et de dépose avec des assets SimReady

NVIDIA propose un tutoriel complet pour construire dans Isaac Sim 6.2 une simulation de prise et dépose (pick-and-place) d'une canette de boisson, en s'appuyant sur trois assets de la bibliothèque ouverte SimReady Central, hébergée sur Hugging Face : le bras robotique UR17G, la pince Robotiq 2F-140 et la canette elle-même. La tâche consiste à saisir la canette, la soulever, la déplacer vers une cible puis la relâcher. Le code de commande est généré par un agent d'IA, ici GPT-6 Sol, capable de charger les compétences (skills) d'Isaac Sim et d'exécuter du Python dans la scène ouverte, même si d'autres combinaisons d'agent et de modèle peuvent fonctionner. Les étapes commencent par le téléchargement des trois dossiers d'assets, via le bouton Download de SimReady Central (option « Save to folder ») ou via la ligne de commande Hugging Face, en conservant chaque dossier intact pour que les fichiers associés restent accessibles. Il faut ensuite fournir à l'agent les chemins locaux des fichiers USD.

3 min de lecture

Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie

Source

Résumé et traduction réalisés par Le Fil IA à partir de HuggingFace Blog. Lire l'article original →

Dans ce contexte, un asset « SimReady » est un fichier OpenUSD préparé avec les propriétés nécessaires à un usage de simulation défini : collisions, masse, articulations et paramètres de motorisation des articulations. Les rapports de validation indiquent que le bras respecte le profil Robot-Body 4.0.0 et la pince le profil Robot-Gripper 3.0.0, avec dans les deux cas des contrôles PhysX réussis sur les articulations motorisées. Les assets fournissent donc les modèles et leurs réglages physiques, tandis que l'utilisateur assemble la scène et ajoute le code de tâche : définition de l'ensemble bras-pince, surface de travail, positions de départ, commandes de déplacement du bras et d'ouverture ou de fermeture de la pince.

L'enjeu est pratique : un robot peut sembler correct à l'arrêt dans Isaac Sim, puis se comporter mal dès que la simulation tourne. Le tutoriel recommande donc trois vérifications avant de lancer la tâche : examiner les limites et réglages de motorisation des articulations, tester un petit mouvement du bras ainsi que l'ouverture et la fermeture de la pince, et s'assurer que la canette repose sur la surface sans la traverser. Pendant l'exécution, il faut surveiller que la canette reste bien tenue lorsque le bras se déplace. Cette discipline évite de perdre du temps à déboguer du code de contrôle alors que le défaut vient d'un asset mal paramétré. La validation par profil fournit en outre une base commune pour réutiliser les mêmes ressources d'un projet à l'autre, ce qui réduit le travail de préparation des équipes de robotique et facilite la comparaison des résultats. Les auteurs précisent toutefois que le code généré par l'agent peut varier et doit être relu avant toute adaptation.

Cette démarche s'inscrit dans l'effort de NVIDIA et de ses partenaires pour standardiser les ressources de simulation autour d'OpenUSD. La fondation SimReady organise ses spécifications en trois niveaux : des profils (par exemple un corps de robot), des fonctionnalités (par exemple des articulations contrôlables) et des exigences, c'est-à-dire des contrôles précis sur les réglages de chaque fonctionnalité. SimReady Central s'appuie sur ce cadre pour proposer des contenus issus de fabricants, consultables aussi par un service de recherche dédié. Pour suivre l'exemple, il faut installer Isaac Sim 6.2, vérifier la configuration requise, configurer un agent capable d'utiliser les skills d'Isaac Sim selon la documentation Agent Skills, et n'installer la CLI Hugging Face que pour le téléchargement en ligne de commande. La structure des assets variant d'un cas à l'autre, les réglages de la scène chargée restent le point de départ de toute adaptation.

À lire ensuite

01En simulation, des robots s'entraînent aux tâches délicates : NVIDIA et ses partenaires présentent leurs travaux à la CoRLNVIDIA AI BlogRobotique 02NVIDIA Research fait progresser la robotique de la simulation au monde réelNVIDIA AI BlogRobotique 03Création d'un pipeline d'apprentissage robotique en streaming avec NVIDIA Cosmos3-DROIDMarkTechPostRobotique 
Dossier · Hugging FaceSuivi en continu par Le Fil IASuivre ce sujet →

Le brief du matin

L'essentiel de l'IA chaque jour. Gratuit, désinscription immédiate à tout moment.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription à tout moment

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.