مین مواد پر جائیں

باب 3: سمیولیشن ماحول

🚧 حیثیت: منصوبہ بندی (مواصفات → منصوبہ → کام مکمل، عملدرآمد کا انتظار)​

یہ باب Gazebo، Unity، اور NVIDIA Isaac Sim کا استعمال کرتے ہوئے اعلیٰ وفاداری روبوٹ سمیولیشن پر محیط ہے۔

→ View Spec on GitHub

→ View Plan on GitHub

→ View Tasks on GitHub

📖 منصوبہ بندی شدہ مواد​

سیکھنے کے اہداف​

  1. ترتیب دیں Gazebo Classic اور Gazebo Harmonic کو انسان نما سمیولیشن کے لیے
  2. انضمام کریں Unity ML-Agents کو ROS 2 کے ساتھ برائے reinforcement learning
  3. تعینات کریں NVIDIA Isaac Sim کو GPU-تیز رفتار فزکس کے لیے
  4. موازنہ کریں سمیولیشن پلیٹ فارمز کو اور مناسب ٹول کا انتخاب کریں استعمال کے معاملے کے لیے
  5. منتقل کریں سمیولیشن آرٹیفیکٹس کو فزیکل روبوٹس کی طرف

موضوعات کا احاطہ​

  • Gazebo ورلڈ ڈیزائن اور سینسر ماڈلز
  • Unity ML-Agents برائے پالیسی تربیت
  • Isaac Sim مصنوعی ڈیٹا جنریشن
  • فزکس پیرامیٹر ٹیوننگ (کشش ثقل، رگڑ، ٹائم اسٹیپ)
  • سینسر شور ماڈلنگ (IMU، LiDAR، کیمرے)

ہاتھوں کی لیبز​

  • لیب S1: Gazebo انسان نما اسپان اور کنٹرول
  • لیب S2: Unity رکاوٹ نیویگیشن برائے reinforcement learning
  • لیب S3: Isaac Sim کیمرہ کیلیبریشن اور مصنوعی ڈیٹا سیٹ

🔗 ترقیاتی آرٹیفیکٹس​

تیار برائے: /sp.implement جب وقت اجازت دے

یہ باب مکمل طور پر مواصفات اور منصوبہ بندی کیا گیا ہے۔ عملدرآمد کتاب کی توسیع کے حصے کے طور پر زیر انتظار ہے۔