Humanoidirobotteja on potentiaali vertaansa vailla olevaan monipuolisuuteen suorittaa ihmisen kaltaisia ​​koko kehon taitoja. Kuitenkin, Ketterän ja koordinoidun koko kehon liikkeiden saavuttaminen on edelleen merkittävä haaste simulaation ja todellisen maailman dynaamisen epäsuhta. Olemassa olevat lähestymistavat, kuten järjestelmän tunnistaminen (Sysidi) ja verkkotunnuksen satunnaistaminen (DR) menetelmät, luottaa usein työhön parametrien virittämiseen tai johtaa liian konservatiivisiin liikkeisiin, jotka uhraavat ketteryyden. Simulaation ja todellisen fysiikan kohdistaminen (ASAP) Voi olla ratkaisu.

ASAP on NVIDIA: n kehittämä kaksivaiheinen kehys yhteistyössä Carnegie Mellonin yliopiston kanssa, jonka tavoitteena on kattaa kuilu simulaation ja todellisen fysiikan välillä opettaessasi ketteriä koko kehon taitoja humanoidiroboteille.

Ensimmäisessä vaiheessa, Robotti oppii liikkumaan simulaatiossa ihmisen liikkeistä hankittujen tietojen avulla. Tämä koulutus tapahtuu simuloidussa ympäristössä fyysisillä malleilla, jotka yrittävät jäljitellä todellisuutta mahdollisimman hyvin, Mutta simulaation ennustamisen ja robotin käyttäytymisen välillä on edelleen eroja.

Toisessa vaiheessa, Koulutetut politiikat siirretään todelliseen maailmaan, missä todelliset tiedot robotin käyttäytymisestä kerätään. Tämän perusteella, luodaan ns. Delta-toimintamalli, joka kompensoi erot simuloidun ja todellisen fysiikan välillä. Tätä mallia käytetään sitten robotin liikkeiden hienosäätöön, Varmistetaan, että sen käyttäytyminen todellisuudessa on mahdollisimman tarkka ja vakaa.

Video, Voit nähdä robotteja, jotka jäljittelevät kuuluisten urheilijoiden liikkeitä.