英偉達研究團隊近日公佈了其在機器人控制領域取得的突破性進展——神經網絡系統HOVER。該系統以極低的參數量（僅150萬）實現了對人形機器人的高效控制，其性能甚至超越了專門設計的控制系統，這在人工智能領域具有里程碑式的意義。 HOVER的出色表現源於其巧妙的系統設計和強大的適應能力，它可以在多種輸入方式下流暢運行，並能將虛擬訓練成果直接遷移到真實機器人上，展現出令人驚嘆的效率和潛力。
英偉達研究團隊近日在機器人控制領域取得重大突破。他們開發的神經網絡系統HOVER，以極其精簡的參數量實現了對人形機器人的高效控制，其性能甚至超越了專門設計的控制系統。
這個僅需150萬參數的HOVER系統，能夠處理複雜的機器人動作控制。相比之下，常見的大語言模型往往需要數千億參數。這一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，僅需要一塊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，並且支持多種輸入方式:可以通過Apple Vision Pro等XR設備追踪頭部和手部動作，通過動作捕捉或RGB相機獲取全身位置數據，通過外骨骼採集關節角度，甚至可以使用標準遊戲手柄進行控制。
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間實現知識遷移。
該系統基於開源的H2O & OmniH2O項目開發，可以控制任何能在Isaac模擬器中運行的人形機器人。目前，英偉達已在GitHub上公開了示例和代碼，為機器人研究和開發領域帶來新的可能。
HOVER系統的開源，將極大地推動機器人控制技術的進步和應用，為未來機器人技術的發展提供新的方向和動力，值得期待其在各領域的廣泛應用和進一步發展。