O desenvolvimento da robótica sempre enfrentou a lacuna entre o ambiente simulado e o mundo real. A NVIDIA Gear Laboratory e a equipe de pesquisa da Carnegie Mellon University recentemente desenvolveram em conjunto uma nova estrutura chamada ASAP, com o objetivo de fechar a lacuna e fazer um progresso significativo.
No desenvolvimento da robótica, a lacuna entre o ambiente simulado e o mundo real sempre foi um grande desafio. Recentemente, o Nvidia Gear Laboratory e a equipe de pesquisa da Universidade Carnegie Mellon desenvolveram em conjunto uma nova estrutura chamada ASAP (alinhando simulação e física real), com o objetivo de fechar a lacuna. O sistema fez um progresso significativo na redução da simulação de robôs e erros de movimento da vida real e é capaz de reduzir os erros de movimento em cerca de 53%, o que tem uma vantagem significativa sobre os métodos existentes.
O fluxo de trabalho da estrutura o mais rápido possível é dividido em dois estágios. Primeiro, o robô é treinado em um ambiente virtual e depois usa um modelo especial para lidar com diferenças no mundo real. Esse modelo pode aprender e ajustar a variação entre o movimento virtual e real, permitindo transformações mais precisas de ação. Através deste sistema, o robô pode transferir diretamente movimentos complexos, como salto e chute, de ambientes simulados para a realidade.
Nos testes reais, a equipe de pesquisa usou o robô Humanóide G1 Unitree, que demonstrou com sucesso uma variedade de movimentos flexíveis, como um salto para a frente de mais de um metro. Os testes mostram que o sistema ASAP supera significativamente outros métodos existentes na precisão do movimento. Para demonstrar o potencial do sistema, os pesquisadores até deixaram o robô imitar os movimentos de atletas famosos como Cristiano Ronaldo, LeBron James e Kobe Bryant. No entanto, algumas limitações de hardware também foram expostas durante os experimentos, o motor do robô geralmente superaqueceu ao realizar movimentos dinâmicos e, ao coletar dados, dois robôs foram danificados.
Este é apenas o começo, disse a equipe de pesquisa. No futuro, a estrutura o asapa pode ajudar os robôs a aprender movimentos mais naturais e diversos. Para facilitar a participação de mais pesquisadores, eles publicaram o código publicamente no GitHub, incentivando outros pesquisadores a explorar e se desenvolver com base na estrutura.
Pontos -chave:
A estrutura o asaper desenvolvida pela equipe de pesquisa pode reduzir o erro de cerca de 53% entre a simulação de robôs e o movimento real.
Ao treinar em um ambiente simulado e combinado com modelos especiais, o ASAP pode efetivamente ajustar o desempenho do movimento do robô na realidade.
Durante o teste, o robô imitou com sucesso os movimentos de várias estrelas do esporte, mas durante o experimento, houve problemas de superaquecimento de hardware e danos ao equipamento.
O lançamento da estrutura ASAP trouxe nova esperança ao desenvolvimento da tecnologia de robótica e deve ser aplicada em mais campos no futuro.