Physical AI Lab // 第 2.4 話 // 1枚まとめ
数千の環境でいっしょに歩く練習
Isaac Lab：GPU並列＋強化学習
三つのポイント
- シミュレーションで歩く練習：転んでも痛くなく部品も傷まない。グラフィックボード一枚で大勢のロボットを同時に練習させられる。
- 強化学習は報酬を頼りに試行錯誤で学び、お手本はいらない（PPO）。報酬の決め方どおりに学ぶので、報酬設計が要であり難所。
- Isaac Lab のエンドツーエンドGPU学習は数千の環境を並列に動かせる（O、公式ベンチマーク。G1の歩行課題は4096個の環境、GPU一枚でGPUメモリ（VRAM）約6 GB）。ただしシミュレーション≠現実で、実機には sim2real を越える必要がある。
出典：O 公式・一次 · R 学術文献 · M メディア・二次
| O | 数千 | のシミュレーション環境を同時に並列。Isaac Lab のエンドツーエンドGPU学習による（NVIDIA 公式ドキュメント） |
| O | 64個 | 入門チュートリアルの倒立振子課題での並列環境数（公式チュートリアルの学習コマンド --num_envs 64） |
さらに読む
- Isaac Lab ドキュメント · Performance Benchmarks（並列環境、スループット）
https://isaac-sim.github.io/IsaacLab/main/source/overview/reinforcement-learning/performance_benchmarks.html - Isaac Lab ドキュメント · Training with an RL Agent（学習コマンド）
https://isaac-sim.github.io/IsaacLab/main/source/tutorials/03_envs/run_rl_training.html - Isaac Lab 技術レポート（arXiv 2511.04831）
https://arxiv.org/abs/2511.04831