El desarrollo de la robótica siempre ha enfrentado la brecha entre el entorno simulado y el mundo real. Nvidia Gear Laboratory y el equipo de investigación de la Universidad Carnegie Mellon recientemente desarrollaron conjuntamente un nuevo marco llamado ASAP, con el objetivo de cerrar la brecha y hacer un progreso significativo.
En el desarrollo de la robótica, la brecha entre el entorno simulado y el mundo real siempre ha sido un gran desafío. Recientemente, Nvidia Gear Laboratory y el equipo de investigación de la Universidad Carnegie Mellon desarrollaron conjuntamente un nuevo marco llamado ASAP (alineando simulación y física real), con el objetivo de cerrar la brecha. El sistema ha logrado un progreso significativo en la reducción de la simulación de robot y los errores de movimiento de la vida real, y puede reducir los errores de movimiento en aproximadamente un 53%, lo que tiene una ventaja significativa sobre los métodos existentes.
El flujo de trabajo del marco ASAP se divide en dos etapas. Primero, el robot está entrenado en un entorno virtual y luego utiliza un modelo especial para tratar las diferencias del mundo real. Este modelo puede aprender y ajustar la variación entre el movimiento virtual y real, lo que permite transformaciones de acción más precisas. A través de este sistema, el robot puede transferir directamente movimientos complejos, como saltar y patear, desde entornos simulados hasta realidad.
En las pruebas reales, el equipo de investigación utilizó el robot humanoide Unitree G1, que demostró con éxito una variedad de movimientos flexibles, como un salto hacia adelante de más de un metro. Las pruebas muestran que el sistema ASAP supera significativamente a otros métodos existentes en precisión de movimiento. Para demostrar el potencial del sistema, los investigadores incluso dejan que el robot imite los movimientos de atletas famosos como Cristiano Ronaldo, LeBron James y Kobe Bryant. Sin embargo, algunas limitaciones de hardware también se expusieron durante los experimentos, el motor del robot a menudo se sobrecalentaba al realizar movimientos dinámicos, y al recopilar datos, dos robots se dañaron.
Este es solo el comienzo, dijo el equipo de investigación. En el futuro, el marco ASAP puede ayudar a los robots a aprender movimientos más naturales y diversos. Para facilitar la participación de más investigadores, han publicado el código públicamente en GitHub, alentando a otros investigadores a explorar y desarrollarse más a fondo en base al marco.
Puntos clave:
El marco ASAP desarrollado por el equipo de investigación puede reducir el error de aproximadamente 53% entre la simulación de robot y el movimiento real.
Mediante la capacitación en un entorno simulado y combinado con modelos especiales, ASAP puede ajustar efectivamente el rendimiento del movimiento del robot en la realidad.
Durante la prueba, el robot imitó con éxito los movimientos de varias estrellas deportivas, pero durante el experimento, hubo problemas de sobrecalentamiento de hardware y daños en el equipo.
El lanzamiento del marco ASAP ha traído una nueva esperanza al desarrollo de la tecnología robótica y se espera que se aplique en más campos en el futuro.