حصہ 3: اے آئی-روبوٹ کا دماغ
NVIDIA Isaac پلیٹ فارم
آپ کے پاس کمیونیکیشن کے لیے ROS 2 اور سمولیشن کے لیے Gazebo موجود ہے۔ اب ذہانت شامل کریں۔ NVIDIA Isaac روبوٹکس میں GPU-accelerated AI لاتا ہے: لامحدود ٹریننگ ڈیٹا تیار کریں، لوکلائزیشن کے لیے ویژول SLAM کو تعینات کریں، Nav2 کے ساتھ خود مختار طور پر نیویگیٹ کریں، اور ری انفورسمنٹ لرننگ کے ساتھ پالیسیاں ٹرین کریں۔
یہ وہ جگہ ہے جہاں روبوٹ سکرپٹ فالو کرنا چھوڑ کر محسوس کرنا، سمجھنا اور سیکھنا شروع کرتے ہیں۔ Isaac Sim خودکار گراؤنڈ ٹروتھ لیبلز کے ساتھ فوٹو ریئلسٹک مصنوعی ڈیٹا بناتا ہے—کوئی دستی تشریح نہیں۔ Isaac ROS حقیقی ہارڈ ویئر پر آپٹیمائزڈ پرسیپشن پائپ لائنیں تعینات کرتا ہے۔ اور Isaac Lab سمولیشن میں روبوٹ پالیسیاں ٹرین کرتا ہے جو فزیکل روبوٹس پر منتقل ہوتی ہیں۔
اس حصے میں، آپ حقیقی پرسیپشن سسٹم تعینات کریں گے اور اپنی پہلی روبوٹ پالیسیاں ٹرین کریں گے۔ یہاں آپ جو مہارتیں بنائیں گے وہ حصہ 4 میں خود مختار ہیومنائڈ کو طاقت فراہم کریں گی۔
ابواب
باب 6: Isaac Sim کا جائزہ
NVIDIA کے سمولیشن پلیٹ فارم کا آپ کا تعارف۔ آپ ڈومین رینڈومائزیشن (ماڈلز کو حقیقی دنیا کے مطابق بنانے کے لیے روشنی، بناوٹ، اور آبجیکٹ کی پوزیشنوں کو تبدیل کرنا) کے ساتھ مصنوعی ڈیٹا سیٹ تیار کریں گے، روبوٹ ٹریننگ کے ماحول کے لیے Isaac Lab کو ایکسپلور کریں گے، اور سمجھیں گے کہ مصنوعی ڈیٹا پائپ لائنیں کیسے کام کرتی ہیں۔ اختتام تک، آپ کے پاس پرسیپشن ماڈلز کی ٹریننگ کے لیے تیار ڈیٹا سیٹ ہوگا۔
باب 7: Isaac ROS انٹیگریشن
حقیقی روبوٹس پر پرسیپشن تعینات کریں۔ آپ روبوٹ کی پوزیشننگ کے لیے VSLAM (Visual Simultaneous Localization and Mapping) کو لاگو کریں گے، خود مختار نیویگیشن کے لیے Nav2 کو انٹیگریٹ کریں گے، اور سب کچھ آپٹیمائزڈ Docker کنٹینرز میں چلائیں گے۔ آپ کا روبوٹ ایسے ماحول میں نیویگیٹ کرے گا جسے اس نے پہلے کبھی نہیں دیکھا، راستے میں نقشے بناتا جائے گا۔
باب 8: ری انفورسمنٹ لرننگ (اختیاری)
پالیسیوں کو پروگرام کرنے کے بجائے ٹرین کریں۔ آپ آزمائش اور غلطی کے ذریعے لوکوموشن اور مینیپولیشن کی مہارتوں کو ٹرین کرنے کے لیے Isaac Lab کا استعمال کریں گے، sim-to-real ٹرانسفر تکنیکوں کو سمجھیں گے، اور دیکھیں گے کہ جدید روبوٹس پیچیدہ رویے کیسے سیکھتے ہیں۔ یہ باب اختیاری ہے لیکن حصہ 4 میں ایڈوانس کام کے لیے بنیاد فراہم کرتا ہے۔
سیکھنے کے نتائج
حصہ 3 مکمل کرنے پر، آپ یہ کر سکیں گے:
- ڈومین رینڈومائزیشن کے ساتھ مصنوعی ٹریننگ ڈیٹا تیار کرنا
- روبوٹ لوکلائزیشن کے لیے VSLAM کو تعینات کرنا
- Nav2 کے ساتھ خود مختار نیویگیشن کو لاگو کرنا
- ری انفورسمنٹ لرننگ کا استعمال کرتے ہوئے روبوٹ پالیسیاں ٹرین کرنا
- سمولیشن سے حقیقت میں سیکھے گئے رویوں کو منتقل کرنا
ہارڈ ویئر
| درجہ بندی | آپ کو کیا چاہیے | آپ کو کیا ملے گا |
|---|---|---|
| 1 (کلاؤڈ) | کوئی بھی لیپ ٹاپ | NVIDIA Omniverse Cloud (مفت ٹائر: 2 گھنٹے/ماہ) |
| 2 (مقامی) | RTX 3060+ GPU | مکمل مقامی Isaac Sim + تیز ٹریننگ |
| 3 (ایج) | Jetson Orin | ایج ڈیوائسز پر تعینات کریں |
کیپ اسٹون: اے آئی سے چلنے والی نیویگیشن
ایک ایسا نظام بنائیں جہاں آپ کا روبوٹ لوکلائز کرنے کے لیے VSLAM، راستے کی منصوبہ بندی کے لیے Nav2، اور کیمرہ ان پٹ پروسیس کرنے کے لیے Isaac ROS کا استعمال کرے—یہ سب حقیقی ہارڈ ویئر یا ہائی فیڈیلیٹی سمولیشن پر چل رہے ہوں۔ روبوٹ راستے میں رکاوٹوں سے بچتے ہوئے، ایسے ماحول میں اہداف کی طرف نیویگیٹ کرتا ہے جسے اس نے پہلے کبھی نہیں دیکھا۔
پیشگی ضروریات
حصہ 1-2 مکمل۔ آپ کو ROS 2 نوڈز اور Gazebo سمولیشن کے تجربے کی ضرورت ہوگی۔