NVIDIA 리서치 팀은 최근 로봇 제어 분야의 신경망 시스템 호버에서 획기적인 발전을 발표했습니다. 이 시스템은 매우 낮은 매개 변수 (150 만 명에 불과한)를 가진 휴머노이드 로봇의 효율적인 제어를 달성하며, 그 성능은 인공 지능 분야에서 이정표가되는 특수 설계된 제어 시스템을 능가합니다. Hover의 뛰어난 성능은 영리한 시스템 설계와 강력한 적응성에서 비롯됩니다. 다양한 입력 모드에서 원활하게 실행될 수 있으며 가상 교육 결과를 실제 로봇으로 직접 마이그레이션 할 수 있습니다.
Nvidia의 연구팀은 최근 로봇 제어 분야에서 주요 획기적인 획기적인 발전을 이루었습니다. 그들이 개발 한 신경망 시스템은 매우 간소화 된 매개 변수를 가진 휴머노이드 로봇의 효율적인 제어를 깨닫고 성능은 특별히 설계된 제어 시스템을 능가합니다.
이 호버 시스템은 150 만 개의 매개 변수 만 있으면 복잡한 로봇 모션 제어를 처리 할 수 있습니다. 대조적으로, 일반적인 대형 언어 모델에는 종종 수억 개의 매개 변수가 필요합니다. 이 놀라운 매개 변수 효율성은 시스템 설계의 절묘함을 보여줍니다.
Hover의 훈련은 Nvidia의 Isaac 시뮬레이션 환경에서 수행되며 로봇의 움직임을 10,000 번 가속화 할 수 있습니다. Nvidia 연구원 Jim Fan은 이는 1 년 동안 가상 공간에서의 교육량이 단 50 분 안에 완료 될 수 있음을 의미합니다.
시스템의 하이라이트는 탁월한 적응성입니다. 추가 튜닝없이 시뮬레이션 된 환경에서 실제 로봇으로 직접 마이그레이션 할 수 있으며 다양한 입력 방법을 지원합니다. Apple Vision Pro와 같은 XR 장치를 통해 헤드 및 손 움직임을 추적 할 수 있으며 전신 위치 데이터를 얻을 수 있습니다. 모션 캡처 또는 RGB 카메라를 통해 외골격을 통해 조인트 각도를 수집하고 표준 게임 패드를 사용하여 제어 할 수 있습니다.
더 놀라운 것은 Hover가 단일 입력 모드를 위해 특별히 개발 된 시스템보다 각 제어 모드에서 더 잘 수행한다는 것입니다. 수석 저자 Tairan 그는 이것이 균형 및 정확한 사지 제어와 같은 물리적 개념에 대한 시스템의 깊은 이해에서 비롯되어 다른 제어 모드간에 지식을 전달할 수 있다고 추측했다.
이 시스템은 오픈 소스 H2O & OMNIH2O 프로젝트 개발을 기반으로하며 ISAAC 시뮬레이터에서 실행할 수있는 모든 휴머노이드 로봇을 제어 할 수 있습니다. 현재 Nvidia는 Github에 샘플과 코드를 공개하여 로봇 연구 개발 분야에 새로운 가능성을 가져 왔습니다.
호버 시스템의 오픈 소스는 로봇 제어 기술의 진행과 적용을 크게 촉진하고 로봇 기술의 향후 개발을위한 새로운 방향과 자극을 제공 할 것입니다.