ロボット工学の開発は、常にシミュレートされた環境と現実の世界とのギャップに直面してきました。 Nvidia Gear LaboratoryとCarnegie Mellon University Research Teamは最近、ASAPと呼ばれる新しいフレームワークを共同で開発し、ギャップを閉じて大きな進歩を遂げることを目指しています。
ロボット工学の開発において、シミュレートされた環境と現実世界のギャップは常に大きな課題でした。最近、Nvidia Gear LaboratoryとCarnegie Mellon University Research Teamが共同で、ASAP（シミュレーションと実質物理学の調整）と呼ばれる新しいフレームワークを開発し、ギャップを埋めることを目指しています。このシステムは、ロボットシミュレーションと実生活の動きのエラーの削減に大きな進歩を遂げており、モーションエラーを約53％減らすことができ、既存の方法よりも大きな利点があります。
ASAPフレームワークのワークフローは、2つの段階に分かれています。まず、ロボットは仮想環境でトレーニングされ、次に特別なモデルを使用して実際の違いに対処します。このモデルは、仮想モーションと実際の動きの間のバリエーションを学習および調整し、より正確なアクション変換を可能にします。このシステムを通じて、ロボットは、シミュレートされた環境から現実まで、ジャンプやキックなどの複雑な動きを直接転送できます。
実際のテストでは、研究チームはUnitree G1ヒューマノイドロボットを使用しました。これは、1メートル以上の順方向ジャンプなど、さまざまな柔軟な動きを実証しました。テストは、ASAPシステムが動きの精度で他の既存の方法を大幅に上回ることを示しています。システムの可能性を実証するために、研究者はロボットにクリスティアーノロナウド、レブロンジェームズ、コービーブライアントなどの有名なアスリートの動きを模倣させました。ただし、実験中にハードウェアの制限も露出しました。ロボットのモーターは、動的な動きを実行するときにしばしば過熱し、データを収集するときに2つのロボットが損傷しました。
これはほんの始まりに過ぎない、と研究チームは言った。将来的には、ASAPフレームワークは、ロボットがより自然で多様な動きを学ぶのに役立つ可能性があります。より多くの研究者の参加を促進するために、彼らはGithubでコードを公開し、他の研究者がフレームワークに基づいてさらに探求し開発することを奨励しています。
キーポイント：
研究チームによって開発されたASAPフレームワークは、ロボットシミュレーションと実際の動きの間の約53％のエラーを減らすことができます。
シミュレートされた環境でトレーニングし、特別なモデルと組み合わせることにより、ASAPは現実のロボットのモーションパフォーマンスを効果的に調整できます。
テスト中、ロボットはいくつかのスポーツスターの動きを正常に模倣しましたが、実験中、ハードウェアの過熱と機器の損傷の問題がありました。
ASAPフレームワークの立ち上げは、ロボット技術の開発に新しい希望をもたらし、将来的にはより多くの分野で適用されると予想されています。