ทีมวิจัย Nvidia เพิ่งประกาศความคืบหน้าของความก้าวหน้าในด้านการควบคุมหุ่นยนต์ - ระบบเครือข่ายประสาท ระบบสามารถควบคุมหุ่นยนต์ Humanoid ได้อย่างมีประสิทธิภาพด้วยพารามิเตอร์ที่ต่ำมาก (เพียง 1.5 ล้าน) และประสิทธิภาพของมันก็เกินกว่าระบบควบคุมที่ออกแบบมาเป็นพิเศษซึ่งมีความสำคัญอย่างยิ่งในด้านปัญญาประดิษฐ์ ประสิทธิภาพที่โดดเด่นของ Hover มาจากการออกแบบระบบที่ชาญฉลาดและการปรับตัวที่ทรงพลัง
เมื่อเร็ว ๆ นี้ทีมวิจัยของ Nvidia ได้สร้างความก้าวหน้าครั้งสำคัญในด้านการควบคุมหุ่นยนต์ ระบบเครือข่ายประสาทที่พวกเขาพัฒนาขึ้นมาตระหนักถึงการควบคุมอย่างมีประสิทธิภาพของหุ่นยนต์มนุษย์ที่มีพารามิเตอร์ที่มีความคล่องตัวสูงและประสิทธิภาพของมันก็เกินกว่าระบบควบคุมที่ออกแบบมาเป็นพิเศษ
ระบบโฮเวอร์นี้ซึ่งต้องการเพียง 1.5 ล้านพารามิเตอร์สามารถจัดการการควบคุมการเคลื่อนไหวของหุ่นยนต์ที่ซับซ้อน ในทางตรงกันข้ามแบบจำลองภาษาขนาดใหญ่ทั่วไปมักจะต้องใช้พารามิเตอร์หลายร้อยพันล้านพารามิเตอร์ ประสิทธิภาพของพารามิเตอร์ที่น่าทึ่งนี้แสดงให้เห็นถึงความประณีตของการออกแบบระบบ
การฝึกอบรมของ Hover ดำเนินการในสภาพแวดล้อมการจำลองไอแซคของ Nvidia ซึ่งสามารถเร่งการเคลื่อนไหวของหุ่นยนต์ได้ 10,000 ครั้ง Jim Fan นักวิจัยของ Nvidia เปิดเผยว่านี่หมายความว่าจำนวนการฝึกอบรมในพื้นที่เสมือนจริงเป็นเวลาหนึ่งปีสามารถทำได้ในเวลาเพียง 50 นาที
ไฮไลท์ของระบบคือการปรับตัวที่ยอดเยี่ยม สามารถย้ายจากสภาพแวดล้อมจำลองไปยังหุ่นยนต์จริงได้โดยตรงโดยไม่ต้องปรับแต่งเพิ่มเติมและรองรับวิธีการป้อนข้อมูลที่หลากหลาย: การเคลื่อนไหวของศีรษะและมือสามารถติดตามได้ผ่านอุปกรณ์ XR เช่น Apple Vision Pro และข้อมูลตำแหน่งเต็มร่างกายสามารถรับได้ ผ่านการจับภาพการเคลื่อนไหวหรือกล้อง RGB
สิ่งที่น่าประหลาดใจยิ่งกว่านั้นคือโฮเวอร์ทำงานได้ดีขึ้นในแต่ละโหมดการควบคุมมากกว่าระบบที่พัฒนาขึ้นโดยเฉพาะสำหรับโหมดอินพุตเดียว ผู้เขียนนำ Tairan เขาคาดการณ์ว่าสิ่งนี้อาจเกิดจากความเข้าใจอย่างลึกซึ้งของระบบเกี่ยวกับแนวคิดทางกายภาพเช่นความสมดุลและการควบคุมแขนขาที่แม่นยำทำให้สามารถถ่ายโอนความรู้ระหว่างโหมดการควบคุมที่แตกต่างกัน
ระบบขึ้นอยู่กับการพัฒนาโครงการโอเพนซอร์ส H2O & OMNIH2O และสามารถควบคุมหุ่นยนต์มนุษย์ใด ๆ ที่สามารถทำงานในเครื่องจำลอง ISAAC ปัจจุบัน Nvidia ได้เปิดเผยตัวอย่างและรหัสเกี่ยวกับ GitHub นำความเป็นไปได้ใหม่ ๆ มาสู่สาขาการวิจัยและพัฒนาหุ่นยนต์
แหล่งที่มาของระบบโฮเวอร์จะส่งเสริมความคืบหน้าและการประยุกต์ใช้เทคโนโลยีการควบคุมหุ่นยนต์อย่างมากและให้คำแนะนำและแรงผลักดันใหม่สำหรับการพัฒนาเทคโนโลยีหุ่นยนต์ในอนาคต