数千仿真并行运行，微型机器人导航策略 10 分钟内训练完成

Sun 及同事用 PPO 训练微型机器人导航策略，数千个仿真环境并行运行，单块 GPU 上不到 10 分钟即可完成训练。模拟相同步数，16 个并行环境计算机器人对周围障碍的视野约需 100 秒，8192 个并行环境只需 0.2 秒。该完整系统由仿真器与精心设计的奖励函数组成，为微型机器人 RL 训练的仿真瓶颈提供可借鉴方案。