Die Entwicklung der Robotik war immer vor der Lücke zwischen der simulierten Umgebung und der realen Welt konfrontiert. Das NVIDIA Gear Laboratory und das Carnegie Mellon University Forschungsteam haben kürzlich gemeinsam ein neues Rahmen namens ASAP entwickelt, das darauf abzielt, die Lücke zu schließen und erhebliche Fortschritte zu erzielen.
Bei der Entwicklung der Robotik war die Kluft zwischen simuliertem Umfeld und der realen Welt schon immer eine große Herausforderung. Kürzlich entwickelten das NVIDIA Gear Laboratory und die Carnegie Mellon University Research Team gemeinsam ein neues Rahmen namens ASAP (Ausrichtung von Simulation und realer Physik), um die Lücke zu schließen. Das System hat signifikante Fortschritte bei der Reduzierung der Robotersimulation und bei den realen Bewegungsfehlern erzielt und kann Bewegungsfehler um etwa 53%reduzieren, was einen signifikanten Vorteil gegenüber bestehenden Methoden hat.
Der Workflow des ASAP -Frameworks ist in zwei Stufen unterteilt. Erstens wird der Roboter in einer virtuellen Umgebung geschult und verwendet dann ein spezielles Modell, um mit realen Unterschieden umzugehen. Dieses Modell kann die Variation zwischen virtueller und tatsächlicher Bewegung lernen und anpassen und genauere Aktionstransformationen ermöglichen. Durch dieses System kann der Roboter die komplexen Bewegungen wie Springen und Treten direkt von simulierten Umgebungen auf die Realität übertragen.
Beim tatsächlichen Test verwendete das Forschungsteam den Humanoid -Roboter des Unitree G1, der eine Vielzahl flexibler Bewegungen, wie z. B. einen Vorwärtssprung von mehr als einem Meter, erfolgreich demonstrierte. Tests zeigen, dass das ASAP -System andere vorhandene Methoden in der Bewegungsgenauigkeit erheblich übertrifft. Um das Potenzial des Systems zu demonstrieren, lassen Forscher den Roboter sogar die Bewegungen berühmter Athleten wie Cristiano Ronaldo, LeBron James und Kobe Bryant nachahmen. Während der Experimente wurden jedoch auch einige Hardware -Einschränkungen aufgedeckt, der Motor des Roboters ist bei der Durchführung dynamischer Bewegungen häufig überhitzt, und beim Sammeln von Daten wurden zwei Roboter beschädigt.
Dies ist nur der Anfang, sagte das Forschungsteam. In Zukunft kann das ASAP -Rahmen Robotern helfen, natürlichere und vielfältigere Bewegungen zu lernen. Um die Teilnahme der Forscher zu erleichtern, haben sie den Code öffentlich auf Github veröffentlicht und andere Forscher dazu ermutigt, basierend auf dem Rahmen weiter zu untersuchen und zu entwickeln.
Schlüsselpunkte:
Das vom Forschungsteam entwickelte ASAP -Framework kann den Fehler zwischen Robotersimulation und realer Bewegung auf etwa 53% verringern.
Durch das Training in einer simulierten Umgebung und kombiniert mit speziellen Modellen kann ASAP die Bewegungsleistung des Roboters in der Realität effektiv anpassen.
Während des Tests imitierte der Roboter die Bewegungen mehrerer Sportstars erfolgreich, aber während des Experiments gab es Probleme bei der Überhitzung von Hardware und den Schäden an Geräten.
Die Einführung des ASAP -Frameworks hat die Entwicklung der Robotik -Technologie neue Hoffnung gebracht und wird voraussichtlich in Zukunft in weiteren Bereichen angewendet.