Alat ini menyediakan lingkungan simulasi lengan robot yang menghasilkan data training dan task tanpa perlu teleoperation. Sistem memakai reinforcement learning di Isaac Lab untuk membangun skill mendorong atau membalik balok, lalu task-and-motion planner menyusun urutan aksi tersebut. Proses otomasi ini menggantikan kebutuhan merekam demonstrasi manual untuk tugas manipulasi. Cocok untuk menguji batas kemampuan reasoning versus dexterity model dalam closed loop. Cakupannya sempit karena fisika dan objeknya terlalu sederhana untuk memprediksi performa di dunia nyata yang berantakan. Lepaskan alat ini jika ingin menguji end-to-end policy di scene yang kompleks dan terbuka. sumber: huggingface.co/toyblocks my other side: setyadi.com