Ein Forschungsteam der Carnegie Mellon University hat erhebliche Fortschritte gemacht. Das von ihnen entwickelte KI-Framework H2O nutzt Reinforcement-Learning-Technologie, um eine Ganzkörperbewegungsteleoperation humanoider Roboter in Echtzeit zu erreichen. Diese Technologie durchbricht die Grenzen der herkömmlichen Fernbedienung, erfasst menschliche Bewegungen über RGB-Kameras und imitiert sie in Echtzeit durch den Roboter und setzt damit einen neuen Meilenstein in der Robotersteuerungstechnologie. Das System kombiniert geschickt das Screening von privilegierten Nachahmern und die Konstruktion von Bewegungsdatensätzen, um einen effizienten und stabilen Betrieb in realen Szenarien zu gewährleisten, und demonstriert so das große Potenzial künstlicher Intelligenz im Bereich der Robotersteuerung.
Das vom Team der Carnegie Mellon University entwickelte KI-Framework H2O nutzt Reinforcement Learning, um menschlichen Bewegungen die Steuerung humanoider Roboter in Echtzeit zu ermöglichen. Durch privilegiertes Imitator-Screening und die Erstellung von Bewegungsdatensätzen wurde eine Ganzkörper-Bewegungsteleoperation in realen Szenen erfolgreich erreicht. Die RGB-Kamera erfasst menschliche Bewegungen und der Roboter ahmt sie in Echtzeit nach.
Der Erfolg des H2O-Frameworks liegt nicht nur in seinem technologischen Fortschritt, sondern auch in seiner Anwendung in realen Szenarien. Dieses Forschungsergebnis ebnet den Weg für zukünftige Anwendungen humanoider Roboter in weiteren Bereichen und eröffnet zudem weitreichende Aussichten für die integrierte Entwicklung von künstlicher Intelligenz und Robotiktechnologie. Man geht davon aus, dass in Zukunft weitere innovative Anwendungen auf Basis ähnlicher Technologien auftauchen werden, die die Weiterentwicklung der künstlichen Intelligenz und der Robotiktechnologie vorantreiben.