Repository · Pronto

pollen-robotics/microduck_rl

Analisi rapida del 19 settembre 2026, 05:43

6,9

Stelle: 2.229
Licenza: Apache-2.0
Linguaggio: Python
Ultimo aggiornamento su GitHub: 17 settembre 2026, 17:47

Voto complessivo: media pesata dei sei voti dell'analisi, da 1 a 10, 10 è meglio · stelle, licenza e date come le pubblica GitHub

Ambienti di addestramento RL per far camminare e compiere movimenti a Microduck in simulazione e trasferire le politiche al robot reale.

Simula un robot bipede Microduck in MuJoCo Warp, addestra politiche PPO su GPU e le esporta in ONNX per il runtime del robot. Include cammino, recupero da cadute, alzata, seduta, capriole, calci e pattinaggio su rotelle, oltre a modelli simulati degli attuatori e del gioco degli ingranaggi.

Categorie e capacità

Simulazioni robotiche

Uso

Adatto a

Addestrare un'andatura per il robot Microduck.
Simulare e verificare il recupero da una caduta o il passaggio tra seduta e stazione eretta.
Addestrare movimenti specifici come capriole, calci e pattinaggio.
Esportare una politica addestrata in ONNX e pubblicarla per l'installazione sul robot.
Confrontare il comportamento simulato con quello del robot usando inferenza CPU e registrazione dei dati.

Non adatto a

Non è uno strumento generico per addestrare robot diversi da Microduck senza modifiche.
Non è adatto a chi non dispone di una GPU CUDA o non vuole usare un servizio esterno come Hugging Face Jobs.
Non è sufficiente da solo per gestire un robot reale: il runtime e il progetto Microduck sono necessari per l'esecuzione a bordo.
Non è indicato per usare i modelli 3D con finalità commerciali, perché sono indicati come CC BY-SA-NC.

Che cosa serve per usarlo

Robot Microduck compatibile con il runtime indicato dal progetto.
GPU CUDA per l'addestramento locale, oppure accesso a Hugging Face Jobs.
Python >=3.12 e <3.13.
uv per installare e gestire l'ambiente.
Dipendenze Python e modelli MuJoCo indicati nel pyproject.toml.
Per l'esecuzione sul robot servono il progetto e il runtime pollen-robotics/microduck.

Che cosa può andare storto

L'addestramento locale richiede una GPU CUDA.
Il progetto richiede Python da 3.12 a meno di 3.13 e dipendenze specifiche, tra cui mjlab, MuJoCo Warp, PyTorch e BAM.
Le politiche pubblicabili devono rispettare il contratto di osservazione da 61 dimensioni e di azione da 14 dimensioni.
Alcuni comportamenti, come il ground pick e il passaggio seduta-stazione, sono gestiti in parte dal daemon e non sono tutti pubblicabili come politiche autonome.
Non risultano versioni pubblicate del progetto.
L'adozione comporta il rischio fisico tipico del controllo di un robot reale: una politica simulata può non comportarsi correttamente fuori simulazione.
La simulazione cerca di riprodurre gli attuatori e il gioco meccanico, ma il README non dimostra che ogni comportamento sia stato validato in modo indipendente sul robot.
Le dipendenze includono un ramo Git di BAM invece di una versione rilasciata, aumentando il rischio di cambiamenti o difficoltà di riproduzione.
La licenza Apache-2.0 copre il progetto, ma i modelli 3D sono indicati separatamente come CC BY-SA-NC.
Sono presenti 37 questioni aperte e non è disponibile una versione pubblicata del progetto.

Valutazione

Qualità tecnica8

Il progetto ha una struttura separata per robot, attuatori, attività e simulazione, un file di dipendenze dettagliato e numerosi test automatici su configurazioni, ricompense, valori NaN ed esportazione.
Maturità6

Ha 2.188 stelle, 462 fork e molte attività descritte, ma risulta creato recentemente, è alla versione 0.1.0 e non ha versioni pubblicate.
Documentazione9

Il README spiega installazione, addestramento, attività disponibili, esportazione, pubblicazione e requisiti del robot. Indica anche i limiti delle politiche e il funzionamento dei modelli di attuatori.
Facilità di integrazione4

L'uso richiede GPU CUDA, Python in una finestra di versione stretta, uv, dipendenze pesanti e il runtime Microduck per il robot reale. È comunque disponibile una CLI con comandi di addestramento, inferenza ed esportazione.
Cura della manutenzione8

Il repository non è archiviato, ha modifiche recenti, test dedicati, documentazione di piani e specifiche e 37 questioni aperte. Non sono però disponibili informazioni nel dossier sulla composizione del team o sui tempi di chiusura delle questioni.
Sicurezza e rischi6

Il codice ha licenza Apache-2.0 e include controlli sull'output ONNX, ma controlla un robot fisico, usa dipendenze Git e GPU complesse e separa i modelli 3D con una licenza non commerciale.

Fatti tecnici

Descrizione su GitHub	RL training environments for Microduck (mjlab)
Ultima versione pubblicata	non pubblicato
Copie derivate	469
Segnalazioni aperte	38
Argomenti	non pubblicato
Ramo predefinito	develop
Creato su GitHub	6 dicembre 2025, 14:00
Pagina del progetto	https://pollen-robotics.com/microduck
File nell'albero	257

Alternative interne

Nessuna alternativa interna indicata.

Fonti usate

Fatti pubblicati da GitHub su pollen-robotics/microduck_rl
README del progetto
Manifesto pyproject.toml
Albero dei file (257 percorsi)

Quello che l'analisi ha davvero letto. L'analisi approfondita aggiunge il codice da cui si entra nel progetto, lo storico delle versioni, le segnalazioni e quello che se ne dice fuori da GitHub.

Note

Quello che hai visto provandolo. Le note non cambiano i voti dell'analisi e restano qui anche se scarti il repository.

Nessuna nota ancora.

Freschezza

Ultima analisi: Analisi rapida del 19 settembre 2026, 05:43
Ultimo controllo su GitHub: 22 settembre 2026, 07:37
Cambiamenti dopo l'ultima analisi: nessuno

Il controllo guarda quello che GitHub pubblica: nessuna intelligenza artificiale, nessuna spesa. Archiviato su GitHub, licenza cambiata o versione principale nuova rendono la scheda «Da riverificare»; nuovo codice, README e argomenti restano un avviso. Una nuova analisi azzera gli avvisi.

Analisi

Analisi rapida del 19 settembre 2026, 05:43.

Costo di questa analisi: 0,005867 USD
Testo elaborato: 14.560 token in ingresso, 2.208 token in uscita

Il costo comprende tutto quello che questa analisi ha chiesto all'intelligenza artificiale: la scheda, la ricerca delle fonti esterne e il riassunto dei cambiamenti.

In tutto il catalogo: 42 schede da analisi rapida, nessuna scheda da analisi approfondita.

Il costo medio di un'analisi approfondita non è ancora disponibile: nessuna analisi ha registrato il costo.

Che cosa leggono le due analisi

Analisi rapida. Legge la scheda pubblica di GitHub, il file di presentazione, l'elenco dei file e i file di configurazione, poi fa una domanda al modello.

Analisi approfondita. Aggiunge i file da cui si entra nel programma, il diario delle modifiche, le ultime 10 versioni con le loro note, 30 segnalazioni aperte e 30 chiuse e 10 discussioni. Cerca inoltre su internet che cosa si dice del progetto fuori da GitHub. Solo dopo rifà la scheda da zero: due domande al modello, più una terza per raccontare che cosa è cambiato.

La scheda non acquista campi in più: voti, capacità e usi restano gli stessi. Cambiano le informazioni su cui sono fondati, visibili nella sezione «Fonti usate».

1 esecuzione ▾

Analisi rapida · 19 settembre 2026, 05:43 — completata