Downcodes小編獲悉，英偉達研究團隊在機器人控制領域取得重大突破，其開發的神經網路系統HOVER以極低的參數量實現了對人形機器人的高效控制，性能超越了專門設計的控制系統。 HOVER系統只需150萬參數，即可處理複雜的機器人動作控制，這與動輒數千億參數的大語言模型形成鮮明對比，體現了其精妙的設計。
這款只需150萬參數的HOVER系統，能夠處理複雜的機器人動作控制。相較之下，常見的大語言模型往往需要數千億參數。這驚人的參數效率彰顯了系統設計的精妙。
HOVER的訓練在英偉達的Isaac模擬環境中進行，該環境能將機器人動作加速1萬倍。英偉達研究員Jim Fan透露，這意味著在虛擬空間中一年的訓練量，只需要一塊GPU運算50分鐘就能完成。
系統的一大亮點在於其卓越的適應性。它無需額外調優就能從模擬環境直接遷移到真實機器人上，並且支援多種輸入方式:可以透過Apple Vision Pro等XR設備追蹤頭部和手部動作，透過動作捕捉或RGB相機獲取全身位置數據，透過外骨骼採集關節角度，甚至可以使用標準遊戲手把進行控制。
更令人驚訝的是，HOVER在每種控制方式上的表現都優於專門為單一輸入方式開發的系統。首席作者Tairan He推測，這可能源自於系統對平衡性和精確肢體控制等物理概念的深度理解，使其能在不同控制方式之間實現知識遷移。
該系統基於開源的H2O & OmniH2O專案開發，可以控制任何能在Isaac模擬器中運作的人形機器人。目前，英偉達已在GitHub上公開了範例和程式碼，為機器人研究和開發領域帶來新的可能性。
英偉達HOVER系統的突破性進展，展現了人工智慧在機器人控制領域的巨大潛力，其高效性、適應性和易用性為未來的機器人研究和應用開闢了新的方向。 Downcodes小編相信，這將推動機器人技術更快成熟和普及。