> For the complete documentation index, see [llms.txt](https://angellm.gitbook.io/isaac-sim-and-lab/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://angellm.gitbook.io/isaac-sim-and-lab/proyectos/manipulacion-con-brazo-robotico/introduccion.md). # Introducción En la plataforma de aprendizaje de NVIDIA hay un tutorial titulado [**Train your second robot in Isaac Sim**](https://docs.nvidia.com/learning/physical-ai/getting-started-with-isaac-lab/latest/train-your-second-robot-with-isaac-lab/index.html), en el que se enseña a configurar paso por paso un entorno de simulación con un **UR10** equipado con una pinza **Robotiq 2F-140** y a programar un entrenamiento en Isaac Lab para obtener una política que aprenda a posicionar el extremo del robot en una pose dada. El tutorial plantea resolver el problema de la cinemática inversa, pero usando RL en lugar de resolverlo con ecuaciones matemáticas. Es un buen ejemplo para empezar porque te obliga a tocar todas las piezas que forman el entorno de Isaac Lab (escena, robot, acciones, observaciones, recompensas, terminaciones, curriculum...)
Al final del tutorial se proponen [**Challenges opcionales**](https://docs.nvidia.com/learning/physical-ai/getting-started-with-isaac-lab/latest/train-your-second-robot-with-isaac-lab/08-challenges.html)**.** En este proyecto nos enfocaremos en el primero de estos Challenges, que se trata de adaptar el proyecto del tutorial para obtener una política que sea capaz de hacer que el robot coja un objeto con la pinza y lo lleve a un punto en el espacio determinado. Aunque a priori parece una ampliacion sencilla del ejemplo del tutorial, en cuanto te pones a implementar los cambios, descubres rápidamente que tiene bastante miga: hay que reformular la tarea, añadir nuevas observaciones, diseñar recompensas que guíen al agente y ajustar los hiperparámetros de la red neuronal para que el problema (ahora mucho más complejo) sea aprendible.