A humanoid robotok páratlan sokoldalúságúak lehetnek az emberszerű teljes test készségek elvégzésében. Azonban, Az agilis és koordinált teljes testmozgások elérése továbbra is jelentős kihívás a szimuláció és a való világ közötti dinamikus eltérés miatt. Meglévő megközelítések, például a rendszer azonosítását (Sysid) és a domén véletlenszerűsítése (DR) mód, gyakran a fárasztó paraméterek hangolására támaszkodnak, vagy túlságosan konzervatív mozgásokat eredményeznek, amelyek feláldozzák az agilitást. A szimuláció és a valódi fizika összehangolása (Megőrzött) lehet megoldás.

Az ASAP egy kétlépcsős keret, amelyet az NVIDIA fejlesztett ki a Carnegie Mellon Egyetemmel együttműködve, amelynek célja a szimuláció és a valós fizika közötti szakadék áthidalása, amikor az agilis teljes test készségeket a humanoid robotoknak tanítják.

Az első szakaszban, A robot megtanul egy szimulációban mozogni az emberi mozgásokból szerzett adatok felhasználásával. Ez a képzés egy szimulált környezetben zajlik, olyan fizikai modellekkel, amelyek megpróbálják a lehető legjobban utánozni a valóságot, De még mindig vannak különbségek a szimuláció előrejelzése és a robot viselkedése között a valóságban.

A második szakaszban, A képzett politikákat a való világba helyezik, ahol a robot viselkedéséről valós adatokat gyűjtik. Ennek alapján, Létrehoz egy úgynevezett delta akciómodell, amely kompenzálja a szimulált és a valós fizika közötti különbségeket. Ezt a modellt ezután a robot mozgásainak finomhangolására használják, Annak biztosítása, hogy a valóság viselkedése a lehető legpontosabb és legstabilabb legyen.

A videó, Láthat olyan robotokat, amelyek utánozzák a híres sportolók mozgását.