Humanoidní roboti mají potenciál pro bezkonkurenční všestrannost při provádění dovedností v celém těle člověka. Však, Dosažení agilních a koordinovaných pohybů celého těla zůstává významnou výzvou kvůli dynamickému nesouladu mezi simulací a skutečným světem. Stávající přístupy, například identifikace systému (Sysid) a randomizace domény (DR) metody, Často se spoléhá na pracné ladění parametrů nebo má za následek příliš konzervativní pohyby, která obětují obratnost. Sladění simulace a skutečné fyziky (ASAP) může být řešení.

ASAP je dvoustupňový rámec vyvinutý společností Nvidia ve spolupráci s Carnegie Mellon University, jehož cílem je překlenout propast mezi simulací a skutečnou fyzikou při výuce agilních dovedností v celém těle pro humanoidní roboty.

V první fázi, Robot se učí přesunout simulaci pomocí dat získaných z lidských pohybů. Toto školení se koná v simulovaném prostředí s fyzickými modely, které se snaží co nejlépe napodobovat realitu, Stále však existují rozdíly mezi tím, co simulace předpovídá a jak se robot chová ve skutečnosti.

Ve druhé fázi, Vyškolené politiky jsou převedeny do skutečného světa, kde jsou shromažďovány skutečné údaje o chování robota. Na základě toho, Je vytvořen takzvaný akční model Delta, což kompenzuje rozdíly mezi simulovanou a skutečnou fyzikou. Tento model se pak používá k doladění pohybů robota, zajistit, aby jeho chování bylo ve skutečnosti co nejpřesnější a stabilnější.

Ve videu, Můžete vidět roboty, které napodobují pohyby slavných sportovců.