Хуманоидните роботи имат потенциал за несравнима гъвкавост при изпълнение на човешки умения за цялото тяло. Въпреки това, Постигането на гъвкави и координирани движения на цялото тяло остава значително предизвикателство поради динамичното несъответствие между симулацията и реалния свят. Съществуващи подходи, като идентификация на системата (Сисид) и рандомизация на домейна (DR) Методи, Често разчитайте на трудоемка настройка на параметрите или водят до прекалено консервативни движения, които жертват гъвкавост. Подравняване на симулация и истинска физика (ASAP) може да е решение.

ASAP е двуетапна рамка, разработена от NVIDIA в сътрудничество с университета Карнеги Мелън, която има за цел да преодолее пропастта между симулацията и истинската физика, когато преподава Agile умения за пълно тяло към хуманоидни роботи.

В първия етап, Роботът се научава да се движи в симулация, използвайки данни, придобити от човешки движения. Това обучение се провежда в симулирана среда с физически модели, които се опитват да имитират реалността възможно най -добре, Но все още има разлики между това, което прогнозира симулацията и как се държи роботът в действителност.

Във втората фаза, Обучените политики се прехвърлят в реалния свят, Когато се събират реални данни за поведението на робота. Въз основа на това, Създаден се е създаден така наречен модел на действие на Delta, което компенсира разликите между симулираната и реалната физика. След това този модел се използва за фина настройка на движенията на робота, гарантиране, че поведението му в реалността е възможно най -точно и стабилно.

Във видеото, Можете да видите роботи, които имитират движенията на известни спортисти.