اختبار قبول محاكاة الروبوتات في Newton Physics 1.5: دليل RSRAT لجاهزية التدريب على دفعات

يمكن للمحاكي أن ينجح في عرض تجريبي ثم يفشل في مسار التدريب. المشهد المعروض ليس هو المشكلة. تبدأ المشكلة عندما تعمل مئات عوالم الروبوتات خطوة بخطوة، أو ينتهي مسار واحد مبكرا، أو تلمس إعادة الضبط حالة لا ينبغي أن تلمسها، أو تختفي حالة طرفية في التلامس داخل منحنى متوسط المكافأة.

هذا هو السؤال العملي وراء Newton Physics 1.5. يحدد إصدار GitHub أن v1.5.0 هو إصدار ميزات بعد v1.4.0، مع ملاحظات حول المحاكاة القابلة للتوسع على دفعات، وسير عمل التحكم بالروبوتات، وموثوقية التلامس، ودقة استيراد الأصول، وميكانيكا الكابلات، ومسارات MuJoCo وKamino الاختيارية. هذه أخبار جيدة، لكنها ليست ضوءا أخضر بحد ذاتها. يمكن لإصدار ما أن يضيف ميزات مفيدة بينما يظل روبوت الفريق وأصوله ومتحكماته ومكدس التدريب لديه بحاجة إلى تأهيل.

تحول هذه المقالة الإصدار إلى اختبار قبول مسار محاكاة الروبوتات من Optijara، أو RSRAT. وهو ليس معيارا رسميا من NVIDIA أو Newton. إنه اختبار تشغيلي استشاري لتقرير ما إذا كان Newton 1.5 يجب أن يبقى في الاستخدام التجريبي، أو ينتقل إلى كناري محدود، أو يدعم تدريبا أوسع للروبوتات على دفعات. وللاطلاع على تفكير قريب في اختبارات القبول، راجع دليل Optijara إلى قبول مسار سياسة Xiaomi-Robotics-1، ودروس التحقق الطرفي في قبول خط أنابيب الفيديو JetPack 7.2.1، ونمط أدلة خط أنابيب البيانات في قبول محرك البيانات متعدد الوسائط Vane 0.1.0.

لماذا يحتاج Newton Physics 1.5 إلى أدلة مسار

تذكر ملاحظات إصدار Newton 1.5 التحكم المفصلي المتجه التجريبي عبر newton.controllers، وسير العمل متعدد العوالم، وإعادة ضبط الحل المقنعة، وجاذبية عالمية مخصصة لكل عالم، ووضع السكون الاختياري في MuJoCo Warp، والتوليد الهيدروإلاستيكي الحتمي، والهندسة المستمرة، وإعادة الضبط الانتقائية، ومشعبات الصناديق المستقرة، ومساعدات الكابلات، وإصلاحات لمسارات كثيفة التلامس. يضع المستودع وصفحة مطوري NVIDIA برنامج Newton بوصفه محرك فيزياء مفتوح المصدر للروبوتات وسير عمل الذكاء الاصطناعي الفيزيائي. ويضيف Warp وIsaac Lab وMuJoCo MJX السياق المحيط لنوى GPU وبيئات تعلم التعزيز للروبوتات ومحاكاة MuJoCo الموجهة إلى JAX.

سؤال القبول أضيق. هل ينتج مسارك عبر تلك الميزات أدلة قابلة للتكرار لروبوتاتك ومشاهدك؟ يمكن أن ينجح استيراد USD مع تغيير سلوك التصادم. ويمكن لمسار MJCF أن يحافظ على الملف لكنه يغير افتراضات المتحكم. ويمكن لتشغيل على دفعات أن يبلغ عن الإنتاجية بينما يفسد مسار فاشل واحد عينة التدريب. وما زالت تحسينات التلامس تحتاج إلى فحوص إعادة تشغيل مقابل المشاهد التي تهمك فعلا.

حجم الدفعة مقياس جاهزية ضعيف. الإشارة الأفضل هي ما إذا كانت أسوأ المسارات تبقى مرئية ومعزولة وقابلة للتفسير. يدفع RSRAT الفرق نحو هذا المعيار. فهو يطلب قفل الإصدار، وتكافؤ المستورد، وعزل إعادة الضبط، وإجهاد التلامس، وإعادة تشغيل المتحكم، وحدود الكناري، وملكية الرجوع. تظهر عادة تتبع الأدلة نفسها في اختبار تتبع أدلة Cloudflare Radar Researcher من Optijara، حيث لا تكون الدعوى مفيدة إلا عندما يمكن إعادة إنتاج المسار.

مسار RSRAT: خمس بوابات قبل التوسع

تعيد كل بوابة من RSRAT حالة مسار واحدة. يعني الاجتياز أن المسار يمكن أن يستمر. وتعني المراقبة أنه يمكن أن يستمر فقط داخل كناري محدد الاسم مع مراقبة صارمة. ويعني الفشل أن عبء العمل يبقى للتجربة فقط حتى يتم إصلاح العيب أو تضييق النطاق.

البوابة 1: تثبيت الإصدار والبيئة

ابدأ بقفل صفحة إصدار Newton، والوسم، والالتزام، وإصدارات التبعيات، وتعريف GPU، وبيئة التشغيل، وإصدار Warp، وطبقة التكامل، وتجزئات المشاهد، وإعدادات الحل. توفر صفحة إصدار v1.5.0 هوية الإصدار ودليل الالتزام. هذا السجل ليس عملا ورقيا. إنه ما يسمح لمهندس بإعادة إنتاج أثر تلامس سيئ لاحقا.

البوابة 2: تكافؤ استيراد الأصول

تحقق من أن مسارات USD وMJCF تحفظ المفاصل، والحدود، والكتل، وأشكال التصادم، والمستشعرات، والمشغلات، وافتراضات المتحكم. يمثل Isaac Lab نقطة مرجعية ذات صلة للعديد من سير عمل الروبوتات المتمحورة حول USD. ويمثل MuJoCo MJX نقطة مرجعية ذات صلة لمسارات MJCF الموجهة إلى JAX. تحميل الملف ليس قبولا. مطابقة افتراضات الفيزياء هي القبول.

البوابة 3: عزل العوالم على دفعات

يبرز Newton 1.5 إعادة ضبط الحل المقنعة، وجاذبية عالمية مخصصة لكل عالم، وعمل إعادة الضبط الانتقائية. يطلب RSRAT من الفرق إثبات العزل باستخدام تجزئات الحالة، والبذور العشوائية، ومخازن التلامس، وآثار المكافأة، وفحوص مكامل المتحكم بينما يعاد ضبط مسار واحد ويستمر جيرانه في التقدم.

البوابة 4: استقرار التلامس والمتحكم

المشاهد الغنية بالتلامس هي المكان الذي قد تبدأ فيه العروض التجريبية المصقولة بإظهار الضعف. أعد تشغيل حالات الإمساك والانزلاق والتكديس والتأثير والحالات الهيدروإلاستيكية التي تطابق المهمة المقصودة. بالنسبة للمتحكمات، أعد تشغيل التشغيلات الاسمية وبدايات مضطربة، ثم افحص تشبع المشغل، وانجراف المكامل، والتعافي من الحالات السيئة.

البوابة 5: التحكم في الطرح والانحدار

تحتاج ترقية المحاكي إلى مالك للمسار، ونطاق كناري، ومسار احتياطي، ومحفز للرجوع. وهذا صحيح خصوصا للفرق التي تستخدم المحاكاة داخل خط أنابيب تدريب، حيث يمكن لعيب هادئ في المحاكي أن يستهلك وقت الحوسبة قبل أن يرى أي شخص الافتراض السيئ.

البوابة 1: ثبت Newton 1.5 وحدد قابلية التكرار

ابن بيانا تعريفيا قبل اختبار الأداء. سجل إصدار Newton، والوسم والالتزام، ورابط مصدر Newton، وإصدار Warp، وبيئة Python، وتفاصيل CUDA وتعريف GPU، ونظام التشغيل المستهدف، وطبقة التكامل، وتجزئات المشاهد، وإعدادات الحل، وتكوين المتحكم، وسياسة البذور العشوائية، وإصدار مشغل الاختبار. إذا كان المسار يلمس Isaac Lab، فسجل إصدار Isaac Lab وتعريفات المهام. وإذا كان يلمس MuJoCo أو MJX، فسجل مصدر XML أو MJCF وإعدادات MJX.

أبق التسميات مرئية. تصف تسميات إصدار Newton 1.5 التحكم المفصلي المتجه بأنه تجريبي، ووضع السكون في MuJoCo Warp بأنه اختياري. يجب أن تتبع هذه التسميات الميزة إلى قرار المسار. يمكن تقييم الميزات التجريبية، لكن ينبغي ألا تتحول بصمت إلى بنية تحتية مطلوبة. تحتاج مسارات الكابلات والقابلة للتشوه والهيدروإلاستيكية وغيرها من المسارات كثيفة التلامس إلى الانضباط نفسه لأنها حساسة لإعدادات الحل، والهندسة، وتصميم المهمة.

حدد قابلية التكرار قبل السرعة. التشغيل الأسرع الذي لا يمكن إعادة تشغيله دليل ضعيف. تشمل الإشارات المفيدة توقيعات إعادة التشغيل ببذرة ثابتة، ومجاميع تحقق الحلقات، وأعداد أحداث التلامس، ومجاميع تحقق حالة إعادة الضبط، وزمن الخطوة الطرفية، ومعدل NaN أو الانفجار، وانجراف الانحدار مقابل مجموعة معروفة. لا تثبت هذه المقاييس الانتقال من المحاكاة إلى الواقع. إنها تثبت ما إذا كان مسار المحاكاة مضبوطا داخليا بما يكفي لدعم تجارب التدريب.

البوابة 2: اختبر دقة استيراد USD وMJCF

يجب أن تكون فحوص المستورد صارمة ومملة قليلا. غالبا ما يكون فشل الاستيراد الأغلى صغيرا: محور مفصل تحرك، أو خاصية كتلة تغيرت، أو تقريب تصادم يغير الانزلاق، أو ربط مشغل يعطي السياسة ملاحظة خاطئة.

شغل فحوص المحاكاة مقابل المحاكاة قبل التدريب. استخدم مشاهد صغيرة، وبذورا ثابتة، ومتحكمات مرجعية. قارن أغلفة المسار الحركي، وليس المكافأة النهائية فقط. إذا كان أحد أعباء العمل يستخدم USD عبر Isaac Lab وآخر يستخدم MJCF عبر MuJoCo أو MJX، فتعامل معهما كمسارين منفصلين ببيانين تعريفيين منفصلين. لا تدع نتيجة نظيفة في مسار واحد تغسل المخاطر في الآخر.

البوابة 3: أثبت عزل إعادة الضبط الانتقائية

اختبار RSRAT الأساسي هو عزل إعادة الضبط الانتقائية. ابن دفعة بعدة عوالم: مسار مصمم لينتهي مبكرا، وآخر فيه إجهاد تلامس، ومشهد خط أساس هادئ، وعائلة أصول مختلفة. أعد ضبط مسار واحد بينما تستمر المسارات الأخرى. ثم قارن تجزئات الحالة قبل إعادة الضبط وبعدها، والبذور العشوائية، ومخازن التلامس، وآثار المكافأة، ومخازن المتحكم، ورايات الإنهاء.

لا يتطلب الاجتياز مطابقة كل قيمة فاصلة عائمة عبر كل جهاز. إنه يتطلب دليلا على أن معايير قبول المسار مستقرة بما يكفي لعبء العمل. يجب ألا يغير مسار إعادة الضبط مكافآت الجيران، أو مخازن التلامس، أو مكاملات المتحكم. ويجب ألا يختفي المسار الفاشل داخل مقاييس مستوى الدفعة. يجب أن تبقى العشوائية داخل حدود معلنة، بحيث لا يغير إعداد عام مثل الجاذبية افتراضات العوالم المجاورة إلا إذا كانت تلك هي التجربة.

اختبر على طبقات. ابدأ بدفعة صغيرة يسهل فيها فحص العيوب. انتقل إلى دفعة مختلطة بمشاهد وعائلات روبوتات مختلفة. ثم شغل دفعة إجهاد تقارب شكل التدريب المقصود. تتبع اتجاه الإنتاجية، وهامش ذاكرة GPU، وزمن الخطوة الطرفية، وفشل عزل إعادة الضبط، وقابلية تكرار الحلقة. متوسط الإنتاجية وحده غير كاف لأن مسار التدريب غالبا ما يفشل في الطرف.

البوابة 4: أجهد التلامسات والمتحكمات وسلوك السكون أو الاستيقاظ

تشير ملاحظات إصدار Newton 1.5 إلى معالجة أفضل للتلامس، بما في ذلك التوليد الهيدروإلاستيكي الحتمي، والهندسة المستمرة، وإعادة الضبط الانتقائية، ومشعبات الصناديق المستقرة، والاقتران الوكيلي VBD كامل السطح، وإصلاحات السعة في المسارات ذات الصلة. تعامل مع هذه الملاحظات كأسباب لكتابة اختبارات أكثر حدة.

أعد تشغيل سيناريوهات غنية بالتلامس تمثل المسار: مقابض تغلق على أشياء، وصناديق تتكدس وتنزلق، وتأثيرات، وتفاعلات كابلات أو قابلة للتشوه عند الاقتضاء، ومشاهد هيدروإلاستيكية إذا كان عبء العمل يستخدمها. قارن توزيعات أعداد التلامس، والمشاهد الشاذة، وأعراض الاختراق أو الانزلاق، والتعافي بعد الاضطراب. بعض التباين العددي طبيعي. أما الانفجارات المتكررة، أو الانجراف غير المفسر، أو NaNs، أو الانحدارات الخاصة بالمسار فليست كذلك.

يجب أن تشمل اختبارات المتحكم بذورا اسمية، وبدايات مضطربة، وظروف كمون طرفي. راقب تشبع المشغل، وانجراف المكامل، والتعافي غير المستقر، وآثار المكافأة التي تبدو جيدة فقط لأن مسارا فاشلا تمت تسويته في المتوسط. إذا كان المسار يستخدم التحكم المفصلي المتجه التجريبي، فأبق هذه التسمية في قرار المسار. وإذا كان يستخدم وضع السكون الاختياري في MuJoCo Warp، فاختبر سلوك الاستيقاظ في مشاهد تصبح فيها أشجار مفصلية غير نشطة نشطة بعد التلامس.

مصفوفة قرار RSRAT

تحول مصفوفة القرار الأدلة إلى مسار. وهي محافظة عمدا لأن قبول المحاكي أرخص من التدريب على بيانات ملوثة.

الاستخدام التجريبي فقط مناسب للاستكشاف والتصور. يلائم مسار الكناري الأدلة القوية في معظمها لكنها ما زالت تحمل خطرا مسمى في مجموعة مشاهد أو عائلة روبوتات محدودة. يحتاج التدريب الموسع على دفعات إلى بوابات مجتازة، وأدلة مخزنة قابلة للقراءة آليا، ومحفزات رجوع سيستخدمها الفريق فعلا.

يجب أن يتضمن تصميم الكناري مجموعة انحدار صغيرة، وشكل دفعة محدودا، ومحاكيا احتياطيا معروفا أو مسارا لإصدار سابق، وعتبات خاصة بالمسار، ومالكا. ارجع عندما ينكسر تكافؤ المستورد في أصول حرجة، أو تسرب إعادة الضبط الانتقائية الحالة، أو يصبح سلوك التلامس غير مستقر، أو تتباعد إعادة تشغيل المتحكم، أو تفشل مقاييس الكناري في المعايير المتفق عليها.

قائمة تنفيذ وخطة قياس

استخدم هذه القائمة قبل توسيع مسار Newton 1.5.

{
  "framework": "RSRAT",
  "simulatorVersion": "Newton Physics v1.5.0",
  "sourceUrls": ["https://github.com/newton-physics/newton/releases", "https://github.com/newton-physics/newton"],
  "importRoutes": ["USD", "MJCF"],
  "batchSizes": ["small", "mixed", "stress"],
  "resetIsolationStatus": "pass-watch-fail",
  "contactRepeatabilityStatus": "pass-watch-fail",
  "canaryDecision": "demo-only | limited-canary | expanded-training",
  "rollbackPlan": "owner, trigger, fallback route"
}

يجب أن يغطي القياس هامش ذاكرة GPU، واتجاه الإنتاجية، وزمن الخطوة الطرفية، وفشل عزل إعادة الضبط، وشواذ التلامس، ومعدل NaN أو الانفجار، وقابلية تكرار الحلقة، وانجراف الانحدار. يمكن للفرق التي تحتاج إلى منصة اختبار مستقلة أن تكيف RSRAT داخليا أو تطلب من Optijara تحويله إلى سير عمل تأهيل محاكاة مقاس مرتبط بمكدس التدريب والأتمتة لديها.

ما تخطئ فيه الفرق

الخطأ 1: التعامل مع نجاح المستورد كأنه تكافؤ فيزيائي

المشهد الذي يتم تحميله ليس بالضرورة مشهدا يحفظ افتراضات التحكم. أصلح ذلك بجداول تكافؤ المستورد، والمشاهد المرجعية، وإعادة تشغيل المتحكم قبل بدء التدريب.

الخطأ 2: إخفاء إخفاقات الخطوة الطرفية وإعادة الضبط بالمتوسطات

يمكن لمتوسطات الدفعات أن تخفي المسار الفاشل. تتبع زمن الخطوة الطرفية، وفشل عزل إعادة الضبط، وشواذ التلامس، وقابلية التكرار على مستوى الحلقة. إذا انفجر مسار، فيجب أن يجعل المسار ذلك مرئيا.

الخطأ 3: توسيع الدفعات قبل وجود رجوع

الكناري بلا رجوع ليس إلا تجربة أكبر. حدد المحاكي الاحتياطي أو مسار Newton السابق، والمالك، وشروط الإيقاف، والأدلة المطلوبة للاستئناف.

الخطأ 4: المبالغة في ادعاء أدلة الانتقال من المحاكاة إلى الواقع

يمكن لقبول المحاكي أن يقلل مخاطر داخلية معروفة. لكنه لا يثبت الانتقال الفيزيائي. يتطلب الانتقال إلى الواقع تحققا فيزيائيا، وأدلة خاصة بالمهمة، ومراجعة سلامة، وحدودا دقيقة لما تعنيه نتيجة المحاكاة. يكون RSRAT مفيدا لأنه يجعل مسار المحاكي أكثر قابلية للتدقيق قبل أن تنفق الفرق موارد التدريب على أدلة ضعيفة.