Sim-to-real para robot de inspección en bodega vitivinícola
Visión general
De qué trata este proyecto.
Entrena un agente PPO con domain randomization en Isaac Sim, valida en bodega desconocida y obtén tu certificado verificable.
El escenario
La bodega (~120 personas, ~35M USD ingresos, exporta a 18 países) busca tecnología que demuestre tracción para reforzar su marca en nichos premium; el robot autónomo es la pieza visible de su estrategia 'Wine 4.0'.
El Briefing
Lo que harás y lo que demostrarás.
Lograr transferencia sim-to-real en navegación con domain randomization, alcanzando success rate >= 0,7 en entorno simulado desconocido.
Earning criteria — what you'll demonstrate
- Aplicar domain randomization como técnica de transferencia sim-to-real
- Diseñar entornos simulados desconocidos para validación honesta
- Comparar robustez de políticas entrenadas con y sin randomization
- Diseñar protocolos de validación pre-deploy para reducir riesgo en robot real
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Robot Learning
Master · Applied Ai
Strong alignment
This challenge maps to Robot Learning at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Sim To Real
Apply sim to real to solve real industry problems and demonstrate production-level capability.
- Domain Randomization
Apply domain randomization to solve real industry problems and demonstrate production-level capability.
- Reinforcement Learning
Apply reinforcement learning to solve real industry problems and demonstrate production-level capability.
- Robot Learning
Apply robot learning to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Simulation
Apply simulation to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Investigador/a de Machine Learning
Sim-to-real con domain randomization y diseño de entornos de validación es trabajo nuclear del ML researcher en robotics.
Este proyecto afina
- sim-to-real
- domain-randomization
- reinforcement-learning
Ingeniero/a de Machine Learning
Llevar políticas RL a simulador realista con plan de transferencia es trabajo cotidiano del MLE en robótica industrial.
Este proyecto afina
- robot-learning
- simulation
- python
Científico/a Aplicado/a de IA
Diseñar protocolos de validación pre-deploy y comunicar a un equipo de innovación no técnico es exactamente el rol del applied AI scientist.
Este proyecto afina
- sim-to-real
- robot-learning
- simulation