Costos del curso en la nube¶
Referencia de costos para operar el sandbox del curso (U1-U12) y el módulo avanzado de RL con Isaac Lab, en Google Cloud Platform.
Precios base de Cloud Run (us-central1, Tier 1)¶
| Recurso | Precio | Equivalente horario |
|---|---|---|
| CPU | $0.000024 / vCPU-segundo | $0.086 / vCPU-hora |
| Memoria | $0.0000025 / GiB-segundo | $0.009 / GiB-hora |
| GPU L4 | $0.0001867 / segundo | $0.672 / hora |
| GPU RTX PRO 6000 | $0.0008065 / segundo | $2.90 / hora |
| Requests | $0.40 / millón (primeros 2M gratis) | — |
Contenedor sandbox del curso (4 vCPU + 4 GiB, sin GPU):
Contenedor RL con L4 (8 vCPU + 32 GiB + 1× L4):
Sandbox del curso — costo por semestre¶
Supuestos de uso (estudiantes después de clases)¶
| Parámetro | Valor |
|---|---|
| Acceso | Después de clases (17:00–22:00 días hábiles) |
| Sesiones promedio por estudiante | 2.5 sesiones/semana |
| Duración promedio por sesión | 1.75 horas |
| Horas activas/semana/estudiante | 4.4 horas |
| Horas activas/semestre/estudiante | 61 horas |
| Duración del semestre | 14 semanas |
Costo estimado por semestre¶
| Componente | 20 estudiantes | 25 estudiantes | 30 estudiantes |
|---|---|---|---|
| Sesiones activas @ $0.38/hr | $467 | $584 | $701 |
| 1 instancia en caliente (pico) | $107 | $107 | $107 |
| Almacenamiento (código, ~10 GB/estudiante) | $4 | $5 | $6 |
| Egress y misceláneos | $5 | $5 | $5 |
| Total semestral | $583 | $701 | $819 |
| Por estudiante | $29 | $28 | $27 |
Estrategia de calentamiento (warm instances)¶
Para evitar esperas de cold start durante el horario de clases sin pagar por instancias inactivas todo el día:
# cloud-run-warmup.yaml — schedule Cloud Run Job
schedules:
- name: warm-sandbox-morning
cron: "0 17 * * 1-5" # 17:00 lunes a viernes
action: ping_sandbox
- name: stop-sandbox-midnight
cron: "0 22 * * 1-5" # 22:00 lunes a viernes
action: set_min_instances_zero
En el horario pico (17:00-22:00 L-V): mantener 1 instancia mínima → $0.38 × 4hr × 5d × 14w = $107. Fuera del horario: min-instances = 0, cold start ~15-20 segundos (aceptable).
Estimación anual (3 cohortes)¶
| Cohorte | Estudiantes | Semanas | Costo | Por estudiante |
|---|---|---|---|---|
| Semestre 1 | 30 | 14 | $929 | $31 |
| Semestre 2 | 25 | 14 | $793 | $32 |
| Módulo corto | 15 | 8 | $324 | $22 |
| Total anual | 70 | — | $2 046 | $29 |
Módulo RL (Isaac Lab) — requisitos y costos¶
Requisitos de Isaac Sim 5.1.0¶
| Nivel | GPU | VRAM | RAM | Almacenamiento |
|---|---|---|---|---|
| Mínimo (RL headless) | RTX 4080 | 16 GB | 32 GB | 50 GB SSD |
| Recomendado (visual) | RTX 5080 | 16 GB | 64 GB | 500 GB SSD |
| Ideal (multi-entorno) | RTX PRO 6000 | 48 GB | 64 GB | 1 TB NVMe |
Headless vs. visual
Para entrenamiento de RL (--headless), no se usa RTX rendering. El cuello de
botella es la simulación física de PhysX en paralelo, que depende más de ancho de
banda de memoria que de CUDA cores de renderizado. En headless la GPU mínima
baja de RTX 4080 a cualquier tarjeta con ≥ 12 GB VRAM y buen ancho de banda.
GPUs disponibles en la nube y compatibilidad¶
| Servicio | GPU | VRAM | Ancho de banda | Precio | Headless RL |
|---|---|---|---|---|---|
| Cloud Run Jobs | NVIDIA L4 | 24 GB | 300 GB/s | $0.67/hr | ✓ Funciona |
| Cloud Run Services | RTX PRO 6000 Blackwell | 96 GB | ~1 600 GB/s | $2.90/hr | ✓ Óptimo |
| CE g2-standard-8 | L4 (on-demand) | 24 GB | 300 GB/s | $1.50/hr | ✓ Funciona |
| CE a2-highgpu-1g (OD) | A100 SXM 40 GB | 40 GB | 1 555 GB/s | $3.67/hr | ✓✓ Más rápido |
| CE a2-highgpu-1g (Spot) | A100 SXM 40 GB | 40 GB | 1 555 GB/s | $1.10/hr | ✓✓ Recomendado |
Tiempos de entrenamiento estimados¶
El entrenamiento de locomoción en Isaac Lab con 4 096 entornos paralelos está limitado principalmente por el ancho de banda de memoria GPU (simulación PhysX).
| GPU | Banda (GB/s) | Terreno plano 3 000 iter. | Curricula completo 20 000 iter. |
|---|---|---|---|
| RTX 4090 (referencia) | 1 008 | ~20 min | ~10 h |
| A100 SXM 40 GB | 1 555 | ~10 min | ~5 h |
| NVIDIA L4 | 300 | ~67 min | ~34 h |
| RTX 5080 | 1 792 | ~9 min | ~4.5 h |
Costo por experimento de entrenamiento¶
| Tarea | Cloud Run L4 | CE A100 Spot | CE A100 OD |
|---|---|---|---|
| Terreno plano, 3 000 iter. (curso básico) | $1.83 | $0.18 | $0.61 |
| Curricula completa, 20 000 iter. (investigación) | $55 ❌ | $5.54 ✓ | $18.50 |
L4 no es práctico para training largo
El entrenamiento completo de curricula de terreno irregular tarda ~34 horas en L4 y costaría \(55/run. Para investigación seria usa **Compute Engine Spot A100** (\)5.54/run) o accede a través de Vertex AI.
Presupuesto RL para el curso (módulo opcional)¶
30 estudiantes × 2 experimentos simples (terreno plano):
| Opción | Total | Por estudiante |
|---|---|---|
| Cloud Run Jobs L4 | $110 | $3.67 |
| Compute Engine A100 Spot | $11 | $0.37 |
Cómo usar Cloud Run Jobs para RL¶
# 1. Construir imagen con Isaac Lab
# Usar imagen base oficial de NVIDIA NGC:
FROM nvcr.io/nvidia/isaac-lab:2.3.0
# Clonar unitree_rl_lab dentro de la imagen
RUN git clone https://github.com/unitreerobotics/unitree_rl_lab /unitree_rl_lab
WORKDIR /unitree_rl_lab
# 2. Subir imagen a Google Artifact Registry
docker tag mi-isaaclab-imagen gcr.io/MI_PROYECTO/isaaclab-go2:latest
docker push gcr.io/MI_PROYECTO/isaaclab-go2:latest
# 3. Lanzar Cloud Run Job con GPU L4
gcloud run jobs create go2-rl-train \
--image gcr.io/MI_PROYECTO/isaaclab-go2:latest \
--gpu 1 \
--gpu-type nvidia-l4 \
--cpu 8 \
--memory 32Gi \
--task-timeout 7200 \ # 2 horas máximo
--region us-central1 \
--command ./unitree_rl_lab.sh \
--args "-t,--task,Unitree-Go2-Velocity-v0,--headless,--max_iterations,3000"
# 4. Ejecutar el job
gcloud run jobs execute go2-rl-train
# 5. Recuperar el checkpoint entrenado desde Cloud Storage
# (configurar output a GCS en el script de training)
Cold start de Isaac Sim
Isaac Sim tarda 5-8 minutos en inicializar incluso en modo headless. Este tiempo forma parte del costo. Para experimentos de 20-67 min, el overhead es del 10-25% — asumido en las estimaciones de arriba.
Alternativas más baratas para RL¶
Google Colab Pro ($10/mes por estudiante)¶
Para el módulo RL del curso, Colab Pro con unitree_rl_mjlab es la mejor opción
(no Isaac Lab — requiere 50 GB y drivers no soportados en Colab):
- Acceso a A100 / V100 en Colab Pro
- ~100 compute units/mes ≈ 6.7 horas A100 / 56 horas T4
- 3 experimentos de Go2 flat (3K iter) consumen solo el 6–7% del presupuesto mensual
# En Colab Pro (A100 o T4) — unitree_rl_mjlab (MuJoCo, sin Isaac Sim):
!git clone --depth 1 https://github.com/unitreerobotics/unitree_rl_mjlab.git
%cd unitree_rl_mjlab
!pip install -e . --quiet
!python scripts/train.py Unitree-Go2-Flat \
--env.scene.num-envs=2048 --max_iterations=3000 --headless
# A100: ~10 min / T4: ~70 min — un experimento ≈ 2 CU
Ver guía completa: RL en Google Colab
RunPod / Vast.ai (A100 spot del mercado)¶
Para investigación extendida fuera del ecosistema GCP: - RunPod A100 SXM: ~\(1.29-1.49/hr - Vast.ai A100: ~\)0.85-1.20/hr (mercado de spot, variable) - Más barato que Cloud Run L4 para sessiones largas
Resumen de decisiones¶
| Escenario | Plataforma recomendada | Costo típico |
|---|---|---|
| Curso U1-U12 completo | Cloud Run (sin GPU) | $27-31/estudiante/semestre |
| RL módulo del curso (3K iter) | Google Colab Pro + unitree_rl_mjlab | $10/mes/estudiante |
| RL investigación (20K iter) | CE Spot A100 + Isaac Lab | $5.54/experimento |
| RL una sola vez, sin suscripción | Cloud Run Jobs L4 | $1.83/experimento |
El curso base (U1-U12 con sim_lite) NO requiere GPU en ningún momento. GPU solo se necesita para el módulo opcional de Isaac Lab (go2-isaac-lab.md).