Le développement de la robotique a toujours fait face à l'écart entre l'environnement simulé et le monde réel. Le NVIDIA Gear Laboratory et l'équipe de recherche de l'Université Carnegie Mellon ont récemment développé conjointement un nouveau cadre appelé ASAP, visant à combler l'écart et à faire des progrès significatifs.
Dans le développement de la robotique, l'écart entre l'environnement simulé et le monde réel a toujours été un défi majeur. Récemment, le NVIDIA Gear Laboratory et l'équipe de recherche de l'Université Carnegie Mellon ont développé conjointement un nouveau cadre appelé ASAP (Simulation d'alignement et physique réelle), visant à combler l'écart. Le système a fait des progrès significatifs dans la réduction des erreurs de simulation des robots et de la vie réelle, et est en mesure de réduire les erreurs de mouvement d'environ 53%, ce qui a un avantage significatif sur les méthodes existantes.
Le flux de travail du cadre ASAP est divisé en deux étapes. Tout d'abord, le robot est formé dans un environnement virtuel, puis utilise un modèle spécial pour gérer les différences du monde réel. Ce modèle peut apprendre et ajuster la variation entre le mouvement virtuel et le mouvement réel, permettant des transformations d'action plus précises. Grâce à ce système, le robot peut transférer directement des mouvements complexes, tels que le saut et les coups de pied, des environnements simulés à la réalité.
Dans les tests réels, l'équipe de recherche a utilisé le robot humanoïde Uniree G1, qui a réussi à démontrer une variété de mouvements flexibles, comme un saut en avant de plus d'un mètre. Les tests montrent que le système ASAP surpasse considérablement les autres méthodes existantes en précision de mouvement. Pour démontrer le potentiel du système, les chercheurs ont même laissé le robot imiter les mouvements d'athlètes célèbres tels que Cristiano Ronaldo, LeBron James et Kobe Bryant. Cependant, certaines limitations matérielles ont également été exposées pendant les expériences, le moteur du robot surchauffait souvent lors de l'effet de mouvements dynamiques et lors de la collecte de données, deux robots ont été endommagés.
Ce n'est que le début, a déclaré l'équipe de recherche. À l'avenir, le cadre ASAP peut aider les robots à apprendre plus de mouvements naturels et divers. Pour faciliter davantage la participation des chercheurs, ils ont publié le code publiquement sur GitHub, encourageant d'autres chercheurs à explorer et à développer plus loin en fonction du cadre.
Points clés:
Le cadre ASAP développé par l'équipe de recherche peut réduire l'erreur d'environ 53% entre la simulation du robot et le mouvement réel.
En s'entraînant dans un environnement simulé et combiné avec des modèles spéciaux, ASAP peut ajuster efficacement les performances de mouvement du robot en réalité.
Pendant le test, le robot a réussi à imiter les mouvements de plusieurs étoiles de sport, mais pendant l'expérience, il y avait des problèmes de surchauffe matérielle et de dommages aux équipements.
Le lancement du cadre ASAP a apporté un nouvel espoir au développement de la technologie robotique et devrait être appliqué dans plus de domaines à l'avenir.