AMD: Open-source Schola verbindet Unreal Engine und Reinforcement Learning für Roboterarm-Training auf ROCm

AMD hat ein Tutorial für Schola veröffentlicht, ein Open-Source-Plugin, das Unreal Engine mit Reinforcement Learning für das Training von Robotern auf AMD-Hardware verbindet.

Eine Brücke zwischen Unreal und RL-Frameworks

Schola ist ein Open-Source-Plugin für Unreal Engine, das Reinforcement-Learning (RL)-Training kompatibel mit Gymnasium ermöglicht — über Python-Frameworks, die via gRPC verbunden sind. Reinforcement Learning ist eine Methode, bei der ein Agent durch Versuch und Irrtum lernt und dabei ein Belohnungssignal maximiert. Durch die Verbindung von Unreal mit Tools wie Gymnasium schlägt Schola eine Brücke zwischen realistischer Simulation und etablierten RL-Bibliotheken.

Training eines Roboterarms auf dem AMD-Stack

Im Beispiel wird ein kollaborativer Roboterarm xArm6 (mit sechs Freiheitsgraden) in Unreal Engine 5.7 mit MuJoCo-Physik trainiert. Der Algorithmus ist PPO (Proximal Policy Optimization) über Stable Baselines 3, wobei die Berechnung von PyTorch auf dem AMD ROCm-Stack für GPU-Beschleunigung übernommen wird. Die Aufgabe ist ein „Reach” — die Armspitze bewegt sich zu zufällig platzierten Zielorten. Das Tutorial ist ein praktischer Leitfaden ohne quantitative Benchmark-Ergebnisse und dient als Toolchain-Demonstration, nicht als Leistungsvergleich.