לרובוטים הומנואידים יש פוטנציאל לרבגוניות שאין שני לה בביצוע מיומנויות גוף מלא דמוי אנושי. עם זאת, השגת תנועות זריזות ומתואמות בגוף מלא נותר אתגר משמעותי בגלל אי ​​התאמה דינאמית בין סימולציה לעולם האמיתי. גישות קיימות, כגון זיהוי מערכת (סיסיד) ואקראיות תחום (ד'ר) שיטות, לעתים קרובות סמוך על כוונון פרמטרים עמלניים או לגרום לתנועות שמרניות מדי שמקריבות זריזות. יישור סימולציה ופיזיקה אמיתית (בְּהֶקְדֵם הַאֶפְשַׁרִי) יכול להיות פיתרון.

ASAP היא מסגרת דו-שלבית שפותחה על ידי NVIDIA בשיתוף עם אוניברסיטת קרנגי מלון שמטרתה לגשר על הפער בין הדמיה לפיזיקה אמיתית בעת מלמדת כישורי גוף מלא זריזים לרובוטים הומנואידים.

בשלב הראשון, הרובוט לומד לנוע בסימולציה באמצעות נתונים שנרכשו מתנועות אנושיות. אימון זה מתרחש בסביבה מדומה עם מודלים פיזיים שמנסים לחקות את המציאות הכי טוב שאפשר, אך עדיין ישנם הבדלים בין מה שהסימולציה מנבאת וכיצד הרובוט מתנהג במציאות.

בשלב השני, המדיניות המאומנת מועברת לעולם האמיתי, שם נאספים נתונים אמיתיים על התנהגות הרובוט. מבוסס על זה, נוצר מודל פעולה של דלתא כביכול, מה שמפצה על ההבדלים בין הפיזיקה המדומה והאמיתית. לאחר מכן משתמשים במודל זה כדי לכוונן את תנועות הרובוט, להבטיח שהתנהגותה במציאות תהיה מדויקת ויציבה ככל האפשר.

בסרטון, אתה יכול לראות רובוטים שמחקים את תנועותיהם של ספורטאים מפורסמים.