Los robots humanoides tienen el potencial de versatilidad incomparable en la realización de habilidades de cuerpo completo como humanos. Sin embargo, Lograr movimientos de cuerpo completo ágil y coordinado sigue siendo un desafío significativo debido a la desajuste dinámica entre la simulación y el mundo real. Enfoques existentes, como la identificación del sistema (Sysid) y aleatorización del dominio (DR) métodos, a menudo confía en el ajuste de los parámetros laboriosos o dan como resultado movimientos demasiado conservadores que sacrifican la agilidad. Alinear la simulación y la física real (Lo antes posible) puede ser una solución.

ASAP es un marco de dos etapas desarrollado por NVIDIA en colaboración con la Universidad Carnegie Mellon que tiene como objetivo cerrar la brecha entre la simulación y la física real al enseñar habilidades ágiles de cuerpo completo a los robots humanoides.

En la primera etapa, El robot aprende a moverse en una simulación utilizando datos adquiridos de movimientos humanos. Esta capacitación se lleva a cabo en un entorno simulado con modelos físicos que intentan imitar la realidad lo mejor posible., Pero todavía hay diferencias entre lo que predice la simulación y cómo se comporta el robot en la realidad.

En la segunda fase, Las políticas capacitadas se transfieren al mundo real, donde se recopilan datos reales sobre el comportamiento del robot. Basado en esto, Se crea un llamado modelo de acción delta, que compensa las diferencias entre la física simulada y real. Este modelo se usa para ajustar los movimientos del robot., Asegurar que su comportamiento en realidad sea lo más preciso y estable posible.

En el video, Puedes ver robots que imitan los movimientos de atletas famosos.