La navegación es lo que permite a un robot convertir percepción y movimiento en autonomía con propósito. A diferencia de la locomoción, que produce desplazamiento estable, la navegación exige localizar al robot de forma continua, interpretar un entorno que cambia, elegir una ruta y esquivar obstáculos para llegar a una meta de manera segura.
Llevar esa capacidad a un robot nuevo o a una escena distinta suele exigir datos nuevos, activos de simulación, interfaces de robot, entrenamiento, diagnóstico y evaluación. Repetir ese trabajo para cada par robot-escena es caro y difícil de reproducir.
Un flujo de trabajo conducido por agentes reduce esa carga. El desarrollador define el robot, la fuente de la escena y el objetivo de navegación. Un agente de programación usa las habilidades del repositorio para validar dependencias, preparar activos, correr pruebas de humo, lanzar el entrenamiento, diagnosticar fallas y comparar puntos de control. Las compuertas de aprobación humana controlan la aceptación de la escena, la prueba de humo en un solo entorno y la promoción del punto de control.
¿Qué es COMPASS?
COMPASS, sigla de Cross-Embodiment Mobility Policy via Residual RL and Skill Synthesis, es un marco unificado que habilita movilidad cross-embodiment escalable a partir de demostraciones expertas de una sola encarnación.
Reutiliza el comportamiento de navegación de la política preentrenada NVIDIA X-Mobility y entrena un especialista residual, es decir, una política de aprendizaje por refuerzo que corrige la acción base para un robot y un entorno determinados, en lugar de reaprender la navegación desde cero. Los datos de varios especialistas pueden destilarse después en una política cross-embodiment compartida.
COMPASS empaqueta este flujo de desarrollo como habilidades del repositorio. El tutorial usa Codex durante el desarrollo. La política entrenada y el controlador del robot ejecutan la navegación en tiempo de corrida sin el agente de programación.
¿Qué hardware pide para replicarlo?
El flujo de referencia usa el cuadrúpedo Spot de Boston Dynamics. La bodega incorporada es la ruta reproducible principal, SAGE-10K la extiende a una escena generada, y NVIDIA Omniverse NuRec ofrece un camino opcional para un entorno reconstruido a partir de capturas. NVIDIA cuVSLAM, una biblioteca de odometría visual y SLAM acelerada por CUDA, puede aportar la odometría de despliegue cuando el robot no entrega una compatible.
| Requisito | Mínimo indicado |
|---|---|
| Sistema operativo | Ubuntu 22.04 o 24.04 |
| Memoria RAM | 32 GB |
| GPU | NVIDIA con capacidad RTX y 16 GB de VRAM |
| GPU de referencia | GeForce RTX 4080 |
| Controlador Linux | 580.95.05, la versión probada para Isaac Sim 6.0 |
| Contenedores | Docker Engine 24 o superior con NVIDIA Container Toolkit |
| Stack probado | NVIDIA Isaac Lab 3.0 con NVIDIA Isaac Sim 6.0 |
Conviene correr el verificador de compatibilidad de Isaac Sim antes de instalar. También hace falta una cuenta de Hugging Face con token de lectura y acceso a los repositorios restringidos nvidia/COMPASS y nvidia/X-Mobility.
Paso 1: preparar el flujo con el agente
Lo primero es alistar el repositorio y darle al agente un contrato de trabajo claro antes de tocar la escena. Para Codex hay que exponer las habilidades del repositorio bajo .agents/skills y luego seleccionar COMPASS. Codex admite directorios de habilidades enlazados por symlink, así que la habilidad puede quedarse en su ubicación mantenida. En Claude Code el mismo flujo se invoca con /compass.
mkdir -p .agents/skills
ln -s ../../.claude/skills/compass .agents/skills/compass
ln -s ../../.claude/skills/compass-doctor .agents/skills/compass-doctor
ln -s ../../.claude/skills/compass-newembodiment .agents/skills/compass-newembodimentEl agente puede clonar, compilar, descargar activos no secretos y validar el stack. El desarrollador debe aceptar los términos del repositorio restringido e ingresar el token de Hugging Face fuera del chat. El agente nunca debería solicitar, mostrar ni almacenar ese token en registros.
Con los términos aceptados, la instalación sigue el arranque rápido del manual de COMPASS con el contenedor fijado en el repositorio. El token se expone solo en la terminal actual: no se pega en una instrucción al agente ni se sube al control de versiones.
export HF_TOKEN=hf_xxx
./docker/run.sh assets
./docker/run.sh build
source ./docker/activateEl paso de activos descarga los recursos de simulación registrados a ./assets/usd/ y el punto de control preentrenado de X-Mobility a ./assets/x_mobility.ckpt. Una respuesta 401 o 403 suele indicar acceso incompleto al repositorio o alcance insuficiente del token. Hay que resolver la autenticación antes de ponerse a depurar Isaac Lab.
Cada fase produce evidencia revisable antes de que empiece la siguiente:
- Validar: inventario de software y activos, reporte del entorno y registro de la prueba de humo.
- Preparar escena: configuración de escena registrada, mapa de ocupación y evidencia de inspección visual.
- Entrenar: comando y configuración fijados, registros, telemetría y puntos de control periódicos.
- Evaluar: protocolo pareado, métricas estándar de COMPASS, videos y una recomendación de promoción.
- Empaquetar: punto de control aprobado, configuración, registro de evaluación y manifiesto de artefactos.
Los criterios de aprobación dependen de cada proyecto, pero toda compuerta debería responder la misma pregunta: están presentes las entradas requeridas, aparecieron las salidas esperadas, quedan errores sin resolver, y alcanza la evidencia para continuar.
Paso 2: elegir y preparar la escena de navegación
Hay tres fuentes de escena posibles: la bodega incorporada de COMPASS, una escena generada de SAGE-10K, o un entorno capturado y renderizado con Omniverse NuRec.
Ruta 1: la bodega incorporada
Conviene partir por la bodega registrada combined_multi_rack, la línea base reproducible más rápida. El robot, la escena y el mapa de ocupación ya están registrados, lo que la vuelve el mejor camino para validar la instalación antes de introducir una escena nueva.
Ruta 2: una escena de SAGE-10K
El conjunto de datos SAGE-10K contiene 10.000 escenas interiores generadas a lo largo de 50 tipos de sala. Es un conjunto de escenas, no una política ni un simulador. Cada escena aporta geometría, materiales, metadatos de disposición y una vista previa. Las escenas de living y de bodega siguen la misma ruta de preparación, así que conviene elegir un candidato adecuado en lugar de descargar el conjunto completo.
Esta ruta incluye dos compuertas de aprobación humana. Primero hay que inspeccionar el USD convertido en NVIDIA Isaac Sim y confirmar geometría, materiales, escala y mallas de colisión antes del registro. Después del registro y de generar el mapa de ocupación, se aprueba la vista previa en un solo entorno antes del entrenamiento completo. El mapa de ocupación identifica el espacio libre y el bloqueado para definir partidas y metas de navegación válidas.
Ruta 3: un entorno capturado con NuRec
La tercera opción reemplaza la escena sintética por una reconstrucción del entorno real de destino renderizada con Omniverse NuRec, pensada para cuando la política tiene que operar en un lugar concreto y no en una bodega genérica.
