Nel resoconto tecnico pubblicato il 23 ottobre, NVIDIA descrive RTX Spark come sistema locale per lo sviluppo e la valutazione delle policy di Microduck. Per una specifica adattazione a rampe e ostacoli, NVIDIA riferisce invece 4.096 ambienti paralleli di Isaac Lab su una GPU NVIDIA RTX PRO 6000 Blackwell Workstation Edition.
Come si dividono sviluppo, addestramento e valutazione
Una policy è il modello di controllo che traduce le osservazioni del robot in comandi. Nel flusso descritto da NVIDIA, Hermes e NVIDIA Nemotron 3.5 Bolt aiutano a trasformare un prompt in un piano su RTX Spark; Astra assiste nella creazione degli asset e nella preparazione della simulazione. FreeCAD e Blender servono a creare gli asset, mentre Isaac Sim assembla l’ambiente simulato.
L’addestramento avviene con Isaac Lab, che fa apprendere la policy in simulazioni parallele usando la fisica di Newton e risorse cloud. Una volta selezionata, la policy viene valutata in Isaac Sim su RTX Spark: questa fase controlla il completamento del percorso, le cadute, le collisioni e gli eventuali arresti. Per conoscere meglio il dispositivo al di fuori di questo flusso, puoi leggere la precedente prova pratica di RTX Spark di NeoTeo.
La schermata di Isaac Sim mostra il percorso simulato assemblato, con rampe, gradini e altri ostacoli.
Per ridurre lo scarto tra simulazione e hardware, NVIDIA cita la calibrazione, la risposta degli attuatori, la randomizzazione del dominio e successive prove sul robot.
La configurazione della prova con ostacoli
Nella specifica adattazione descritta da NVIDIA, una policy di locomozione già addestrata è stata adattata a rampe e ostacoli usando i dati di profondità della telecamera frontale e lo stato del robot. La GPU indicata per i 4.096 ambienti paralleli è la NVIDIA RTX PRO 6000 Blackwell Workstation Edition. È il dato relativo a quel lavoro su Isaac Lab, mentre RTX Spark compare nelle fasi locali di sviluppo e valutazione.
Le opzioni di riaddestramento per chi possiede Microduck
Pollen Robotics afferma che i proprietari possono riaddestrare le policy sul proprio computer oppure tramite Hugging Face Jobs. Dopo l’addestramento, la policy può essere distribuita sul robot. Il flusso dimostrato da NVIDIA, quindi, non implica che tutti debbano usare RTX Spark o ricorrere al cloud per riaddestrare Microduck.
I quattro Microduck sul palco di GTC Berlin
Jensen Huang ha presentato quattro Microduck alla keynote di GTC Berlin il 21 ottobre 2026. Due giorni dopo, NVIDIA ha pubblicato il resoconto tecnico che dettaglia i ruoli distinti di RTX Spark e della GPU usata nell’adattamento agli ostacoli.
