Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Melatih kebijakan manipulasi robot dengan MuJoCo Deadline Cloud
<a name="examples-jb-mujoco"></a>

Bundel pekerjaan [ mujoco\_sim\_to\_policy ](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/mujoco_sim_to_policy) di GitHub situs web melatih dan merender kebijakan manipulasi robot yang dipelajari di Deadline Cloud menggunakan simulasi dari Strands Robots so100 di situs web. [ MuJoCo ](https://mujoco.org/) MuJoCo Pekerjaan menjalankan tiga langkah tergantung pada pekerja GPU terkelola:

1. **Datagen ** — Pilihan ruang gabungan berskrip dari kubus MuJoCo, direkam sebagai kumpulan data. LeRobot Setiap episode diverifikasi oleh pemeriksaan ketinggian kubus dan dibuang jika gagal.

1. **Ker ** eta - Menyelesaikan kebijakan LeRobot ACT pada dataset yang dihasilkan (CUDA).

1. **Render ** — Mendor MuJoCo ong peluncuran dengan kebijakan finetuned dan merekam hasilnya sebagai video MP4 dan bingkai PNG.

Bundel ini membutuhkan armada GPU Linux x86\_64 (langkah-langkah dirender tanpa kepala melalui EGL dan berlatih di CUDA) dan lingkungan antrian conda yang mengkonsumsi parameter dan pekerjaan. `CondaPackages` `CondaChannels` Paket conda default aktif`python=3.12 pip git ffmpeg`. `conda-forge`

Dari `job_bundles` direktori, kirimkan pekerjaan:

```
OUT="$(pwd)/output"; mkdir -p "$OUT"
deadline bundle submit mujoco_sim_to_policy -p "OutputDir=$OUT" --yes
```