Исследователи Nvidia демонстрируют прогресс в обучении роботов

Их система, называемая ASAP (Aligning Simulation and Real Physics), сокращает ошибки движения между смоделированными и реальными движениями примерно на 53 % по сравнению с существующими методами. Она работает в два этапа: сначала роботы обучаются в симуляции, затем используется специализированная модель для учета различий в реальном мире. Эта модель учится определять и корректировать различия между виртуальными и физическими движениями.

Разрыв между симуляцией и реальностью является одной из самых больших проблем в робототехнике, как отмечает исследовательская группа. Благодаря ASAP роботы теперь могут переносить сложные движения, такие как прыжки и удары, непосредственно из симуляции в реальный мир.

Во время тестирования гуманоидного робота Unitree G1 команда продемонстрировала различные ловкие движения, включая прыжки вперед на расстояние более одного метра. Система последовательно демонстрировала лучшую точность движений, чем другие подходы.

Команда пошла дальше, заставив робота имитировать таких знаменитостей, как Криштиану Роналду, Леброн Джеймс и Коби Брайант. Джим Фан, старший менеджер по исследованиям в Nvidia и глава GEAR, упоминает, что им пришлось замедлить видео с движениями, чтобы зрители могли следить за ними.

Но проект также выявил ограничения оборудования. Двигатели часто перегревались во время динамических движений, а два робота были повреждены во время сбора данных.

Команда рассматривает это как только начало. ASAP может помочь научить роботов более естественным, универсальным движениям в будущем. Они выложили свой код на GitHub , чтобы другие исследователи могли его развивать.

Источник