Pengembangan robotika selalu menghadapi kesenjangan antara lingkungan yang disimulasikan dan dunia nyata. Nvidia Gear Laboratory dan tim riset Universitas Carnegie Mellon baru -baru ini mengembangkan kerangka kerja baru yang disebut ASAP, yang bertujuan untuk menutup kesenjangan dan membuat kemajuan yang signifikan.
Dalam pengembangan robotika, kesenjangan antara lingkungan simulasi dan dunia nyata telah menjadi tantangan utama. Baru -baru ini, NVIDIA Gear Laboratory dan tim riset Universitas Carnegie Mellon bersama -sama mengembangkan kerangka kerja baru yang disebut ASAP (menyelaraskan simulasi dan fisika nyata), yang bertujuan untuk menutup celah. Sistem ini telah membuat kemajuan yang signifikan dalam mengurangi simulasi robot dan kesalahan gerak kehidupan nyata, dan mampu mengurangi kesalahan gerak sekitar 53%, yang memiliki keunggulan yang signifikan dibandingkan metode yang ada.
Alur kerja dari kerangka kerja ASAP dibagi menjadi dua tahap. Pertama, robot ini dilatih dalam lingkungan virtual, dan kemudian menggunakan model khusus untuk menangani perbedaan dunia nyata. Model ini dapat mempelajari dan menyesuaikan variasi antara gerakan virtual dan aktual, memungkinkan transformasi tindakan yang lebih tepat. Melalui sistem ini, robot dapat secara langsung mentransfer gerakan yang kompleks, seperti melompat dan menendang, dari lingkungan yang disimulasikan ke kenyataan.
Dalam pengujian yang sebenarnya, tim peneliti menggunakan robot humanoid Unitree G1, yang berhasil menunjukkan berbagai gerakan fleksibel, seperti lompatan maju lebih dari satu meter. Tes menunjukkan bahwa sistem ASAP secara signifikan mengungguli metode lain yang ada dalam akurasi gerak. Untuk menunjukkan potensi sistem, para peneliti bahkan membiarkan robot meniru pergerakan atlet terkenal seperti Cristiano Ronaldo, LeBron James dan Kobe Bryant. Namun, beberapa keterbatasan perangkat keras juga terpapar selama percobaan, motor robot sering terlalu panas ketika melakukan gerakan dinamis, dan ketika mengumpulkan data, dua robot rusak.
Ini baru permulaan, kata tim peneliti. Di masa depan, kerangka kerja ASAP dapat membantu robot mempelajari lebih banyak gerakan alami dan beragam. Untuk memfasilitasi lebih banyak partisipasi peneliti, mereka telah menerbitkan kode secara publik di GitHub, mendorong peneliti lain untuk mengeksplorasi dan mengembangkan lebih lanjut berdasarkan kerangka kerja.
Poin -Poin Kunci:
Kerangka kerja ASAP yang dikembangkan oleh tim peneliti dapat mengurangi kesalahan sekitar 53% antara simulasi robot dan gerakan nyata.
Dengan melatih lingkungan yang disimulasikan dan dikombinasikan dengan model khusus, ASAP dapat secara efektif menyesuaikan kinerja gerak robot dalam kenyataan.
Selama tes, robot berhasil meniru pergerakan beberapa bintang olahraga, tetapi selama percobaan, ada masalah kepanasan perangkat keras dan kerusakan peralatan.
Peluncuran kerangka kerja ASAP telah membawa harapan baru bagi pengembangan teknologi robotika dan diharapkan diterapkan di lebih banyak bidang di masa depan.