NVIDIA 宣布其研究团队开发出一种名为 HOVER（人形多功能控制器）的新型神经网络，这是一个仅拥有150万参数的小型但高效的神经网络，专门用于控制人形机器人的运动和操作。HOVER 的独特之处在于它能够捕捉人类运动中的潜意识过程，使机器人能够在无需繁琐编程的情况下执行复杂任务，这在机器人控制领域是一个显著的突破。其高效的训练过程也令人印象深刻，在虚拟环境中训练一年，实际只花费了50分钟的真实时间。
的研究团队宣布了一项令人兴奋的进展，他们开发了一种名为 HOVER（人形多功能控制器）的新型神经网络。这个神经网络拥有150万参数，专门用于协调人形机器人的运动和操作。
NVIDIA 的高级研究经理 Jim Fan 表示:“并不是所有基础模型都需要庞大。我们训练的这个1.5M 参数的神经网络，旨在控制人形机器人的身体。” 他进一步解释，HOVER 能够捕捉到人类运动中的潜意识过程，这样一来，机器人就可以在没有繁琐编程的情况下执行复杂任务。他提到，“人类在行走、保持平衡，以及灵活操控四肢时，都需要大量的潜意识处理。”
在训练过程中，HOVER 使用了 NVIDIA 的 Isaac 模拟平台，这个平台能够加速物理仿真，速度是现实时间的10000倍。
Jim Fan 透露，这个模型在虚拟环境中经过了一年的训练，实际上只花费了大约50分钟的真实时间，这在单个 GPU 上完成。他表示，这种高效的训练使得神经网络能够顺利转移到现实应用中，而不需要进行微调。
HOVER 具备响应多种高层运动指令的能力，包括使用 XR 设备（如苹果的 Vision Pro）进行头部和手部姿势的控制，或通过动作捕捉和 RGB 相机获取全身姿势，甚至可以从外骨骼获取关节角度，或从操纵杆获取根速度命令。Fan 强调，HOVER 为控制不同输入设备的机器人提供了一个统一的接口，从而便利了用于训练的遥操作数据的收集。
此外，HOVER 还与上游的视觉 - 语言 - 动作模型集成，使得运动指令能够高频率地转化为低级别的马达信号。这个模型与任何可以在 Isaac 中模拟的人形机器人兼容，使得用户可以轻松地赋予机器人生命。
早在今年年初，NVIDIA 还宣布了一个名为 GR00T 的项目，这是一个通用基础模型，专为人形机器人设计。GR00T（Generalist Robot00Technology）所驱动的机器人，能够理解自然语言，并通过观察动作来模仿人类的动作，这让它们能够快速学习协调、灵活性及其他在现实世界中有效互动所需的技能。
论文网址:https://arxiv.org/pdf/2410.21229
划重点:
- NVIDIA 推出 HOVER，一个150万参数的神经网络，旨在控制人形机器人的运动与操作。
- ⏳ HOVER 在虚拟环境中训练了一年，实际训练时间仅为50分钟，提升了现实应用的效率。
- HOVER 支持多种高层运动指令，能与不同输入设备协同工作，为机器人控制提供统一接口。
HOVER 的出现标志着人形机器人控制技术的一次重大飞跃，其高效的训练方法和多功能的控制能力为未来人形机器人的广泛应用奠定了坚实的基础。 期待这项技术在未来带来更多令人兴奋的应用和创新。