Downcodes의 편집자는 NVIDIA 연구팀이 로봇 제어 분야에서 획기적인 발전을 이루었다는 사실을 알게 되었습니다. NVIDIA 연구팀이 개발한 신경망 시스템 HOVER는 극히 낮은 매개변수로 휴머노이드 로봇의 효율적인 제어를 달성했으며 그 성능은 특별히 설계된 것보다 뛰어납니다. 제어 시스템. HOVER 시스템은 단 150만 개의 매개변수만으로 복잡한 로봇 동작 제어를 처리할 수 있는데, 이는 수천억 개의 매개변수를 갖는 대규모 언어 모델과 뚜렷한 대조를 이루며 정교한 디자인을 반영합니다.
150만 개의 매개변수만 필요한 이 HOVER 시스템은 복잡한 로봇 모션 제어를 처리할 수 있습니다. 대조적으로, 일반적인 대규모 언어 모델에는 종종 수천억 개의 매개변수가 필요합니다. 이 놀라운 매개변수 효율성은 시스템 설계의 정교함을 강조합니다.
HOVER의 훈련은 로봇의 움직임을 10,000배 가속할 수 있는 NVIDIA의 Isaac 시뮬레이션 환경에서 진행됩니다. Nvidia 연구원인 Jim Fan은 이것이 가상 공간에서의 1년 간의 훈련이 GPU에서의 컴퓨팅 작업을 단 50분 만에 완료할 수 있음을 의미한다고 밝혔습니다.
시스템의 하이라이트는 탁월한 적응성입니다. 추가적인 튜닝 없이 시뮬레이션 환경에서 실제 로봇으로 직접 전환이 가능하며, 다양한 입력 방식을 지원한다. 애플 비전 프로(Apple Vision Pro) 등 XR 기기를 통해 머리와 손의 움직임을 추적하고, 모션을 통해 전신 위치 데이터를 얻을 수 있다. 캡처 또는 RGB 카메라, 관절 각도는 외골격을 통해 수집되며 표준 게임 패드를 사용하여 제어할 수도 있습니다.
더욱 놀라운 점은 HOVER가 단일 입력 방법용으로 특별히 개발된 시스템보다 모든 제어 방법에서 더 나은 성능을 발휘했다는 것입니다. 수석 저자인 Tairan He는 이것이 균형 및 정확한 사지 제어와 같은 물리적 개념에 대한 시스템의 깊은 이해에서 비롯되어 서로 다른 제어 방법 간에 지식을 전달할 수 있다고 추측합니다.
이 시스템은 오픈 소스 H2O & OmniH2O 프로젝트를 기반으로 개발되었으며 Isaac 시뮬레이터에서 실행할 수 있는 모든 휴머노이드 로봇을 제어할 수 있습니다. 현재 NVIDIA는 GitHub에 예제와 코드를 공개하여 로봇 연구 개발 분야에 새로운 가능성을 가져왔습니다.
NVIDIA HOVER 시스템의 획기적인 발전은 로봇 제어 분야에서 인공 지능의 엄청난 잠재력을 보여줍니다. 효율성, 적응성 및 사용 용이성은 미래 로봇 연구 및 응용 분야에 새로운 방향을 열었습니다. Downcodes의 편집자는 이것이 로봇 기술의 성숙과 대중화를 더욱 빠르게 촉진할 것이라고 믿습니다.