ह्यूमनॉइड रोबोट मानव-जैसे पूर्ण-शरीर कौशल करने में अद्वितीय बहुमुखी प्रतिभा की क्षमता रखते हैं. हालांकि, फुर्तीला और समन्वित पूर्ण-शरीर आंदोलनों को प्राप्त करना सिमुलेशन और वास्तविक दुनिया के बीच गतिशील बेमेल के कारण एक महत्वपूर्ण चुनौती बनी हुई है. मौजूदा दृष्टिकोण, जैसे सिस्टम पहचान (एक प्रकार का) और डोमेन यादृच्छिकता (डॉ) तरीकों, अक्सर श्रमसाध्य पैरामीटर ट्यूनिंग पर भरोसा करते हैं या अत्यधिक रूढ़िवादी आंदोलनों में परिणाम करते हैं जो चपलता का बलिदान करते हैं. सिमुलेशन और वास्तविक भौतिकी संरेखित करना (यथाशीघ्र) एक समाधान हो सकता है.

ASAP कार्नेगी मेलन विश्वविद्यालय के सहयोग से NVIDIA द्वारा विकसित एक दो-चरण ढांचा है, जिसका उद्देश्य सिमुलेशन और वास्तविक भौतिकी के बीच की खाई को पाटना है, जब ह्यूमनॉइड रोबोट के लिए फुर्तीली पूर्ण-शरीर कौशल सिखाते हैं.

पहले चरण में, रोबोट मानव आंदोलनों से प्राप्त डेटा का उपयोग करके एक सिमुलेशन में स्थानांतरित करना सीखता है. यह प्रशिक्षण भौतिक मॉडलों के साथ एक नकली वातावरण में होता है जो वास्तविकता की नकल करने की कोशिश करता है जितना संभव हो सके, लेकिन सिमुलेशन की भविष्यवाणी क्या है और रोबोट वास्तविकता में कैसे व्यवहार करता है, इसके बीच अभी भी मतभेद हैं.

दूसरे चरण में, प्रशिक्षित नीतियों को वास्तविक दुनिया में स्थानांतरित कर दिया जाता है, जहां रोबोट के व्यवहार पर वास्तविक डेटा एकत्र किया जाता है. इस पर आधारित है, एक तथाकथित डेल्टा एक्शन मॉडल बनाया गया है, जो नकली और वास्तविक भौतिकी के बीच अंतर के लिए क्षतिपूर्ति करता है. इस मॉडल का उपयोग रोबोट के आंदोलनों को ठीक करने के लिए किया जाता है, यह सुनिश्चित करना कि वास्तविकता में इसका व्यवहार यथासंभव सटीक और स्थिर है.

विडीयो मे, आप उन रोबोटों को देख सकते हैं जो प्रसिद्ध एथलीटों के आंदोलनों की नकल करते हैं.