COMPASS 官方教程：用 AI Agent 准备、训练与评估机器人导航策略

报道讲了什么

• 报道介绍了 COMPASS 框架，它通过残差强化学习将预训练的 X-Mobility 策略适配到特定机器人，并可将多个专家策略蒸馏为跨实体策略。
• 教程以波士顿动力 Spot 四足机器人为参考，使用内置仓库场景作为主要可复现路径，并可选 SAGE-10K 生成场景或 NuRec 重建环境。
• 工作流包含验证、场景准备、训练、评估和打包等阶段，每个阶段产生可审查的证据，并设置人工审批门控。

可以做什么

• 编码代理可执行依赖验证、资产准备、冒烟测试、启动训练、诊断故障和比较检查点等任务。
• COMPASS 通过残差强化学习训练专家策略，纠正基础动作，而不是从头学习导航。
• 多个专家策略的数据可蒸馏为共享的跨实体策略，实现可扩展的跨实体移动。

怎么使用

1. 设置 COMPASS 代理工作流：克隆仓库，暴露技能目录，运行资产下载和构建，并激活容器。
2. 选择并准备导航场景：使用内置仓库、SAGE-10K 生成场景或 NuRec 捕获环境，并完成注册、占据地图生成和审批。
3. 验证机器人-场景集成：运行单环境预览，确认 Isaac Sim 启动、场景加载、机器人生成、相机观测可用且无错误。

结果与限制

• 需要特定硬件：Ubuntu 22.04/24.04、至少 32GB RAM、RTX GPU 至少 16GB VRAM、Linux 驱动 580.95.05 等。
• 需要 Hugging Face 账户和读令牌以访问门控仓库，且令牌必须在聊天外输入，代理不应请求或存储令牌。
• NuRec 路径为可选，且教程主要使用 SAGE-10K 场景，未提供量化效率提升或生产替代的声明。

使用入口与依据