হিউম্যানয়েড রোবটগুলির মানুষের মতো পূর্ণ-দেহের দক্ষতা সম্পাদনে অতুলনীয় বহুমুখিতা হওয়ার সম্ভাবনা রয়েছে. তবে, সিমুলেশন এবং বাস্তব বিশ্বের মধ্যে গতিশীল অমিলের কারণে চতুর এবং সমন্বিত পূর্ণ-দেহের আন্দোলন অর্জন একটি গুরুত্বপূর্ণ চ্যালেঞ্জ হিসাবে রয়ে গেছে. বিদ্যমান পন্থা, যেমন সিস্টেম সনাক্তকরণ (সিসিড) এবং ডোমেন র্যান্ডমাইজেশন (ড) পদ্ধতি, প্রায়শই শ্রমসাধ্য প্যারামিটার টিউনিংয়ের উপর নির্ভর করে বা অত্যধিক রক্ষণশীল আন্দোলনের ফলস্বরূপ যা তত্পরতা ত্যাগ করে. সিমুলেশন এবং বাস্তব পদার্থবিজ্ঞানের প্রান্তিককরণ (Asap) একটি সমাধান হতে পারে.

এএসএপি হ'ল একটি দ্বি-পর্যায়ের কাঠামো যা কার্নেগি মেলন বিশ্ববিদ্যালয়ের সহযোগিতায় এনভিডিয়া দ্বারা বিকাশ করা হয়েছিল যার লক্ষ্য হিউম্যানয়েড রোবটগুলিতে চটপটে পূর্ণ-বডি দক্ষতা শেখানোর সময় সিমুলেশন এবং বাস্তব পদার্থবিজ্ঞানের মধ্যে ব্যবধানটি পূরণ করা.

প্রথম পর্যায়ে, রোবট মানব আন্দোলন থেকে অর্জিত ডেটা ব্যবহার করে একটি সিমুলেশনে যেতে শিখেছে. এই প্রশিক্ষণটি শারীরিক মডেলগুলির সাথে একটি সিমুলেটেড পরিবেশে স্থান নেয় যা বাস্তবতা যথাসম্ভব সেরা অনুকরণ করার চেষ্টা করে, তবে সিমুলেশনটি কী ভবিষ্যদ্বাণী করে এবং রোবট বাস্তবে কীভাবে আচরণ করে তার মধ্যে এখনও পার্থক্য রয়েছে.

দ্বিতীয় পর্যায়ে, প্রশিক্ষিত নীতিগুলি বাস্তব বিশ্বে স্থানান্তরিত হয়, যেখানে রোবটের আচরণ সম্পর্কিত আসল তথ্য সংগ্রহ করা হয়. এই উপর ভিত্তি করে, একটি তথাকথিত ডেল্টা অ্যাকশন মডেল তৈরি করা হয়, যা সিমুলেটেড এবং বাস্তব পদার্থবিজ্ঞানের মধ্যে পার্থক্যের জন্য ক্ষতিপূরণ দেয়. এই মডেলটি তখন রোবটের গতিবিধিগুলি সূক্ষ্ম-সুর করতে ব্যবহৃত হয়, বাস্তবে এর আচরণটি যথাসম্ভব নির্ভুল এবং স্থিতিশীল তা নিশ্চিত করা.

ভিডিওতে, আপনি রোবট দেখতে পারেন যা বিখ্যাত অ্যাথলিটদের গতিবিধি অনুকরণ করে.